高级宫部癌分类：采用混合 PMD 滤波器-CLAHE 提升皮肤电池图像质量
图像与视频处理
2025-06-19 v1 计算机视觉与模式识别
摘要
宫部癌仍是发展中国家面临的重要健康问题。及早检测对于有效治疗至关重要。卷积神经网络（CNN）在自动化宫部癌筛查中显示出前景，但其性能取决于皮肤电池图像质量。本研究探讨了 various image preprocessing 技术对 CNN 在使用 SIPaKMeD 数据集进行宫部癌分类性能的影响。评估了三种预处理技术：用于降噪的 Perona-Malik 扩散（PMD）滤波器、用于图像对比度增强的 CLAHE（对比度受限自适应直方图均衡），以及提出的混合 PMD 滤波器-CLAHE 方法。对增强后的图像数据集在预训练模型（如 ResNet-34、ResNet-50、SqueezeNet-1.0、MobileNet-V2、EfficientNet-B0、EfficientNet-B1、DenseNet-121 和 DenseNet-201）上进行评估。结果表明，混合预处理 PMD 滤波器-CLAHE 可以提高皮肤电池图像质量和 CNN 架构性能，相较于原始图像，最高可实现准确率提升 13.62%、精确率提升 10.04%、召回率提升 13.08% 和 F1 分数提升 14.34%。该提出的混合 PMD 滤波器-CLAHE 技术为使用 CNN 架构提高宫部癌分类性能提供了新的视角。
引用
@article{arxiv.2506.15489,
title = {Advanced cervical cancer classification: enhancing pap smear images with hybrid PMD Filter-CLAHE},
author = {Ach Khozaimi and Isnani Darti and Syaiful Anam and Wuryansari Muharini Kusumawinahyu},
journal= {arXiv preprint arXiv:2506.15489},
year = {2025}
}