An Explainable Attention Model for Cervical Precancer Risk Classification using Colposcopic Images

要約

子宮頸がんは依然として世界的な主要な健康問題であり、早期発見とリスク評価が効果的な予防介入において重要な役割を果たしています。
この論文では、子宮頸部前がんリスク分類のための Cervix-AID-Net モデルを紹介します。
この研究では、患者のコルポスコピー画像に基づいて、提案された Cervix-AID-Net モデルを設計し、評価します。
このモデルは、高リスクと低リスクの子宮頸前がんを区別するために膣鏡画像の解釈可能な代表的な特徴を抽出する畳み込みブロック アテンション モジュール (CBAM) と畳み込み層で構成されています。
さらに、提案された Cervix-AID-Net モデルは、4 つの説明可能な手法、つまり、勾配クラス活性化マップ、ローカル解釈可能モデルに依存しない説明、CartoonX、および出力特徴マップと入力特徴に基づくピクセル レート歪み説明を統合します。
ホールドアウトおよび 10 倍交差検証技術を使用した評価により、99.33\% および 99.81\% の分類精度が得られました。
分析の結果、CartoonX は画像の関連する部分的に滑らかな部分を提供できるため、Cervix-AID-Net モデルの決定について細心の注意を払って説明できることが明らかになりました。
入力に対するガウス ノイズとブラーの効果は、ガウス ノイズが 3\%、ブラーが 10\% まではパフォーマンスに変化はありませんが、それ以降はパフォーマンスが低下することを示しています。
提案されたモデルのパフォーマンスを他の深層学習アプローチと比較した研究では、Cervix-AID-Net モデルが子宮頸部前がんリスク評価の有効性を高めるための補助ツールとしての可能性を強調しています。
提案された方法は、CBAM と説明可能な人工統合を組み込んでおり、子宮頸がんの予防と早期発見に影響を与え、患者の転帰を改善し、この予防可能な疾患による世界的な負担を軽減する可能性があります。

要約(オリジナル)

Cervical cancer remains a major worldwide health issue, with early identification and risk assessment playing critical roles in effective preventive interventions. This paper presents the Cervix-AID-Net model for cervical precancer risk classification. The study designs and evaluates the proposed Cervix-AID-Net model based on patients colposcopy images. The model comprises a Convolutional Block Attention Module (CBAM) and convolutional layers that extract interpretable and representative features of colposcopic images to distinguish high-risk and low-risk cervical precancer. In addition, the proposed Cervix-AID-Net model integrates four explainable techniques, namely gradient class activation maps, Local Interpretable Model-agnostic Explanations, CartoonX, and pixel rate distortion explanation based on output feature maps and input features. The evaluation using holdout and ten-fold cross-validation techniques yielded a classification accuracy of 99.33\% and 99.81\%. The analysis revealed that CartoonX provides meticulous explanations for the decision of the Cervix-AID-Net model due to its ability to provide the relevant piece-wise smooth part of the image. The effect of Gaussian noise and blur on the input shows that the performance remains unchanged up to Gaussian noise of 3\% and blur of 10\%, while the performance reduces thereafter. A comparison study of the proposed model’s performance compared to other deep learning approaches highlights the Cervix-AID-Net model’s potential as a supplemental tool for increasing the effectiveness of cervical precancer risk assessment. The proposed method, which incorporates the CBAM and explainable artificial integration, has the potential to influence cervical cancer prevention and early detection, improving patient outcomes and lowering the worldwide burden of this preventable disease.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google