宫颈癌筛查算法： chronological 综述
机器学习
2018-11-05 v1 机器学习
摘要
已有多种算法和方法通过将宫颈癌细胞分割并分类为不同类别来实现宫颈癌的自动筛查。本研究对已发表的不同论文进行了批判性综述，这些论文通过不同方法将 AI 方法集成到宫颈癌筛查中，并从数据集规模、缺陷、准确率等典型指标角度加以分析。我们试图向读者提供关于机器学习算法（如 SVM（支持向量机）、GLCM（灰度共生矩阵）、k-NN（k-近邻）、MARS（多元自适应回归样条）、CNNs（卷积神经网络）、空间模糊聚类算法、PNNs（概率神经网络）、遗传算法、RFT（随机森林树）、C5.0、CART（分类与回归树）以及层次聚类算法）在特征提取、细胞分割与分类方面的洞见。本文还涵盖了宫颈癌相关的公开数据集。它以编年顺序对随时间演进的、用于检测恶性细胞的计算方法给出了整体性综述。
引用
@article{arxiv.1811.00849,
title = {Algorithms for screening of Cervical Cancer: A chronological review},
author = {Yasha Singh and Dhruv Srivastava and P. S. Chandranand and Dr. Surinder Singh},
journal= {arXiv preprint arXiv:1811.00849},
year = {2018}
}
备注
This critical review of various machine learning algorithms for Cervical Cancer Screening was completed at National Institute of Biologicals(NIB), India by B.Tech final year Computer Science students at JSSATE, Noida, India under the supervision of Director at NIB Dr. Surinder Singh and Jr. Scientist Sh. P.S. Chandranand