CerviFormer：一种基于巴氏涂片、利用交叉注意力与潜在Transformer的宫颈癌分类方法
图像与视频处理
2023-03-21 v1 计算机视觉与模式识别
机器学习
摘要
目的：宫颈癌是女性死亡的主要原因之一。与其他疾病一样，应尽早诊断并根据最佳医疗建议治疗，以使其影响尽可能最小。巴氏涂片图像是识别此类癌症最具建设性的方法之一。本研究提出一种基于交叉注意力的Transformer方法，用于巴氏涂片图像中宫颈癌的可靠分类。方法：本研究中，我们提出CerviFormer——一种依赖Transformer的模型，因而对输入数据大小所需架构假设最少。该模型使用交叉注意力技术将输入数据反复整合进紧凑的潜在Transformer模块，使其能处理非常大规模的输入。我们在两个公开可用的巴氏涂片数据集上评估了我们的模型。结果：在Sipakmed数据的三分类上，模型准确率达93.70%。在Herlev数据的二分类上，模型准确率达94.57%。结论：在两个公开数据集上的实验结果表明，与当代方法相比所提方法取得了具有竞争力的结果。所提方法带来了一种用于检测巴氏涂片图像中宫颈癌的综合分类模型。这可能协助医疗专业人员提供更好的宫颈癌治疗，从而提升整个检测过程的整体效能。
引用
@article{arxiv.2303.10222,
title = {CerviFormer: A Pap-smear based cervical cancer classification method using cross attention and latent transformer},
author = {Bhaswati Singha Deo and Mayukha Pal and Prasanta K. Panigarhi and Asima Pradhan},
journal= {arXiv preprint arXiv:2303.10222},
year = {2023}
}