Breast Cancer Detection and Diagnosis: A comparative study of state-of-the-arts deep learning architectures

要約

乳がんは女性の間で流行しているがんの一種で、毎年 150 万人以上の女性が乳がんと診断されています。
残念ながら、南アフリカのような特定の第三世界諸国における乳がん患者の生存率は驚くほど低く、診断された患者のうち5年以上生存するのはわずか40％です。
資格のある病理医などのリソースの不足、診断の遅れ、効果のない治療計画などが、この低い生存率の原因となっています。
この差し迫った問題に対処するために、医療専門家や研究者は、ドメイン固有の AI アプローチ、特に深層学習モデルに目を向け、コンピューター支援診断 (CAD) システムに統合できるエンドツーエンドのソリューションを開発しました。
これらの AI モデルは、病理学者のワークフローを改善することで、乳がんの検出と診断を強化する可能性があります。
この研究は、Vision Transformer (ViT) と呼ばれる比較的新しいモデルと比較して、さまざまな最先端の畳み込みニューラル ネットワーク (CNN) アーキテクチャのパフォーマンスを評価することに焦点を当てています。
目的は、精度と有効性の点でこれらのモデルの優位性を判断することです。
実験結果では、ViT モデルが他の選択された最先端の CNN アーキテクチャよりも優れており、95.15% という驚異的な精度率を達成していることが明らかになりました。
この研究は、乳がんの組織病理学的画像分類のデータセットを使用した乳がんの検出と診断のための深層学習モデルと組み合わせたデータ拡張およびその他の関連する前処理技術の利用を検討するものであり、この分野における重要な進歩を意味します。

要約(オリジナル)

Breast cancer is a prevalent form of cancer among women, with over 1.5 million women being diagnosed each year. Unfortunately, the survival rates for breast cancer patients in certain third-world countries, like South Africa, are alarmingly low, with only 40% of diagnosed patients surviving beyond five years. The inadequate availability of resources, including qualified pathologists, delayed diagnoses, and ineffective therapy planning, contribute to this low survival rate. To address this pressing issue, medical specialists and researchers have turned to domain-specific AI approaches, specifically deep learning models, to develop end-to-end solutions that can be integrated into computer-aided diagnosis (CAD) systems. By improving the workflow of pathologists, these AI models have the potential to enhance the detection and diagnosis of breast cancer. This research focuses on evaluating the performance of various cutting-edge convolutional neural network (CNN) architectures in comparison to a relatively new model called the Vision Trans-former (ViT). The objective is to determine the superiority of these models in terms of their accuracy and effectiveness. The experimental results reveal that the ViT models outperform the other selected state-of-the-art CNN architectures, achieving an impressive accuracy rate of 95.15%. This study signifies a significant advancement in the field, as it explores the utilization of data augmentation and other relevant preprocessing techniques in conjunction with deep learning models for the detection and diagnosis of breast cancer using datasets of Breast Cancer Histopathological Image Classification.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google