MRANet: A Modified Residual Attention Networks for Lung and Colon Cancer Classification

要約

肺がんと結腸がんはがんによる死亡率の主な原因です。
効果的な治療には、早期かつ正確な診断が不可欠です。
さまざまな画像検出に画像技術を利用することにより、学習モデルは、組織病理学的画像からのがん分類の自動化に有望であることが示されています。
これには、がんの種類を特定する上で重要な要素である組織病理学的診断が含まれます。
この研究は、病理組織画像から肺がんと結腸がんを識別するための高効率深層学習モデルの作成に焦点を当てています。
我々は、修正された残留注意ネットワーク アーキテクチャに基づく新しいアプローチを提案しました。
このモデルは、複数のクラスにわたる 25,000 枚の高解像度の病理組織画像のデータセットでトレーニングされました。
私たちが提案したモデルは、2 クラス、3 クラス、5 クラスでそれぞれ 99.30%、96.63%、97.56% という優れた精度を達成しました。
これらは他の最先端のアーキテクチャよりも優れたパフォーマンスを発揮します。
この研究では、肺がんと結腸がんを分類するための高精度の深層学習モデルを紹介します。
私たちが提案するモデルの優れたパフォーマンスは、医療 AI アプリケーションにおける重要なニーズに応えます。

要約(オリジナル)

Lung and colon cancers are predominant contributors to cancer mortality. Early and accurate diagnosis is crucial for effective treatment. By utilizing imaging technology in different image detection, learning models have shown promise in automating cancer classification from histopathological images. This includes the histopathological diagnosis, an important factor in cancer type identification. This research focuses on creating a high-efficiency deep-learning model for identifying lung and colon cancer from histopathological images. We proposed a novel approach based on a modified residual attention network architecture. The model was trained on a dataset of 25,000 high-resolution histopathological images across several classes. Our proposed model achieved an exceptional accuracy of 99.30%, 96.63%, and 97.56% for two, three, and five classes, respectively; those are outperforming other state-of-the-art architectures. This study presents a highly accurate deep learning model for lung and colon cancer classification. The superior performance of our proposed model addresses a critical need in medical AI applications.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google