Comparative Analysis of Machine Learning and Deep Learning Models for Classifying Squamous Epithelial Cells of the Cervix

要約

子宮頸部は、女性の生殖器系の膣に接続されている子宮の狭い端です。
子宮頸部の扁平上皮内層における異常な細胞増殖は、女性の子宮頸がんを引き起こします。
パップスミアは、小さなブラシで子宮頸部の表面から細胞を静かに収集し、顕微鏡下でその変化を分析することによって子宮頸がんを検出するために使用される診断手順です。
集団ベースの子宮頸がんスクリーニングでは、酢酸を使用した目視検査は感度が高く、費用対効果の高い方法です。
ただし、パップスメアは特異性が高いため集団スクリーニングにも適しています。
現在のパプスメア分析法は手作業であり、時間と労力がかかり、人的ミスが発生しやすいものです。
したがって、自動細胞分類のための人工知能 (AI) ベースのアプローチが必要です。
この研究では、パプスメア画像内の細胞を表層-中間細胞、基底傍細胞、コイロサイト、角化異常細胞、化生細胞の 5 つのカテゴリーに分類することを目的としました。
この分類タスクには、勾配ブースティング、ランダム フォレスト、サポート ベクター マシン、k 近傍などのさまざまな機械学習 (ML) アルゴリズムと、ResNet-50 などの深層学習 (DL) アプローチが採用されました。
ML モデルは高い分類精度を実証しました。
ただし、ResNet-50 は他のものを上回り、93.06% の分類精度を達成しました。
この研究は、細胞レベルの分類における DL モデルの効率と、パプスメア画像からの子宮頸がんの早期診断を支援する可能性を強調しています。

要約(オリジナル)

The cervix is the narrow end of the uterus that connects to the vagina in the female reproductive system. Abnormal cell growth in the squamous epithelial lining of the cervix leads to cervical cancer in females. A Pap smear is a diagnostic procedure used to detect cervical cancer by gently collecting cells from the surface of the cervix with a small brush and analyzing their changes under a microscope. For population-based cervical cancer screening, visual inspection with acetic acid is a cost-effective method with high sensitivity. However, Pap smears are also suitable for mass screening due to their higher specificity. The current Pap smear analysis method is manual, time-consuming, labor-intensive, and prone to human error. Therefore, an artificial intelligence (AI)-based approach for automatic cell classification is needed. In this study, we aimed to classify cells in Pap smear images into five categories: superficial-intermediate, parabasal, koilocytes, dyskeratotic, and metaplastic. Various machine learning (ML) algorithms, including Gradient Boosting, Random Forest, Support Vector Machine, and k-Nearest Neighbor, as well as deep learning (DL) approaches like ResNet-50, were employed for this classification task. The ML models demonstrated high classification accuracy; however, ResNet-50 outperformed the others, achieving a classification accuracy of 93.06%. This study highlights the efficiency of DL models for cell-level classification and their potential to aid in the early diagnosis of cervical cancer from Pap smear images.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google