Deep Learning Techniques for Cervical Cancer Diagnosis based on Pathology and Colposcopy Images

要約

子宮頸がんは、毎年世界中で何百万人もの女性が罹患している流行病です。
前がん段階での早期発見が治癒のチャンスとなるため、十分な注意が必要です。
子宮頸がんのスクリーニングと診断は、細胞診と膣鏡検査の方法に依存しています。
コンピュータービジョンにおける有望なテクノロジーであるディープラーニングは、人的ミスが発生しやすい従来の臨床検査方法と比較して、子宮頸がんスクリーニングの精度と効率を向上させる潜在的なソリューションとして浮上しています。
このレビュー記事では、子宮頸がんとそのスクリーニングプロセスについて説明し、続いてディープラーニングトレーニングプロセスと子宮頸がん診断のための分類、セグメント化、および検出タスクについて説明します。
さらに、細胞学とコルポスコピーの両方で使用される最も一般的な公開データセットを調査し、研究者が細胞学とコルポスコピーの両方に適用した一般的で最も利用されているアーキテクチャに焦点を当てました。
本研究では厳選した実践論文24本をレビューし、まとめた。
この記事では、ディープラーニングによる子宮頸がん分析の精度と速度の向上における顕著な効率性を強調し、早期診断と救命に近づけます。

要約(オリジナル)

Cervical cancer is a prevalent disease affecting millions of women worldwide every year. It requires significant attention, as early detection during the precancerous stage provides an opportunity for a cure. The screening and diagnosis of cervical cancer rely on cytology and colposcopy methods. Deep learning, a promising technology in computer vision, has emerged as a potential solution to improve the accuracy and efficiency of cervical cancer screening compared to traditional clinical inspection methods that are prone to human error. This review article discusses cervical cancer and its screening processes, followed by the Deep Learning training process and the classification, segmentation, and detection tasks for cervical cancer diagnosis. Additionally, we explored the most common public datasets used in both cytology and colposcopy and highlighted the popular and most utilized architectures that researchers have applied to both cytology and colposcopy. We reviewed 24 selected practical papers in this study and summarized them. This article highlights the remarkable efficiency in enhancing the precision and speed of cervical cancer analysis by Deep Learning, bringing us closer to early diagnosis and saving lives.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google