Advanced cervical cancer classification: enhancing pap smear images with hybrid PMD Filter-CLAHE

要約

子宮頸がんは、特に発展途上国では重大な健康問題のままです。
効果的な治療には早期発見が重要です。
畳み込みニューラルネットワーク（CNN）は、自動化された子宮頸がんのスクリーニングで有望を示していますが、その性能はパップ塗抹標本の画質に依存します。
この研究では、SIPAKMEDデータセットを使用した子宮頸がん分類のためのCNNパフォーマンスに対するさまざまな画像前処理技術の影響を調査します。
3つの前処理技術が評価されました：ノイズ低減のためのPerona-Malik Diffusion（PMD）フィルター、画像コントラストの強化のためのコントラスト制限適応ヒストグラムイコライゼーション（CLAHE）、および提案されているハイブリッドPMDフィルター-Claheアプローチ。
拡張された画像データセットは、ResNet-34、ResNet-50、Squezenet-1.0、MobileNet-V2、EfficientNet-B0、EfficientNet-B1、Densenet-121、Densenet-20101などの前提型モデルで評価されました。
結果は、ハイブリッドの前処理PMDフィルター-Claheが、元の画像と比較してPAP塗抹標本の画質とCNNアーキテクチャのパフォーマンスを改善できることを示しています。
最大のメトリックの改善は、精度で13.62％、精度で10.04％、リコールで13.08％、F1スコアで14.34％です。
提案されているハイブリッドPMDフィルターClahe技術は、CNNアーキテクチャを使用して子宮頸がん分類性能を改善する新しい視点を提供します。

要約(オリジナル)

Cervical cancer remains a significant health problem, especially in developing countries. Early detection is critical for effective treatment. Convolutional neural networks (CNN) have shown promise in automated cervical cancer screening, but their performance depends on Pap smear image quality. This study investigates the impact of various image preprocessing techniques on CNN performance for cervical cancer classification using the SIPaKMeD dataset. Three preprocessing techniques were evaluated: perona-malik diffusion (PMD) filter for noise reduction, contrast-limited adaptive histogram equalization (CLAHE) for image contrast enhancement, and the proposed hybrid PMD filter-CLAHE approach. The enhanced image datasets were evaluated on pretrained models, such as ResNet-34, ResNet-50, SqueezeNet-1.0, MobileNet-V2, EfficientNet-B0, EfficientNet-B1, DenseNet-121, and DenseNet-201. The results show that hybrid preprocessing PMD filter-CLAHE can improve the Pap smear image quality and CNN architecture performance compared to the original images. The maximum metric improvements are 13.62% for accuracy, 10.04% for precision, 13.08% for recall, and 14.34% for F1-score. The proposed hybrid PMD filter-CLAHE technique offers a new perspective in improving cervical cancer classification performance using CNN architectures.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google