基于机器学习与深度学习模型的仙毛细胞分类比较分析
图像与视频处理
2024-11-21 v1 计算机视觉与模式识别
摘要
阴道是女性生殖系统中通向阴道的狭窄端部。阴道表面鳃状上皮细胞的异常生长可导致阴道癌。宫颈彩片检查是通过小刷子轻柔收集阴道表面细胞，再在显微镜下进行分析，以检测阴道癌的诊断方法。对于基于人口的阴道癌筛查，利用醋酸进行视觉检查是一种具有高灵敏度的经济有效方法。然而，彩片检查因其更高的特异性也适合大规模筛查。当前的数据彩片分析方法为人工操作，耗时耗力且容易出错。因此，本研究旨在开发基于人工智能(AI)的自动细胞分类方法。本研究将彩片图像中的细胞分为五个类别：浅表-中间型、抛物基底型、角化细胞、畸形角化细胞和中成细胞。本文采用多种机器学习(ML)算法，包括梯度提升、随机森林、支持向量机和k近邻，以及深度学习(DL)方法如ResNet-50进行分类。机器学习模型显示出高的分类准确率，但ResNet-50综合表现最佳，达到93.06%的分类准确率。本研究强调了深度学习模型在细胞水平分类中的效率及其在从宫颈彩片图像中早期诊断阴道癌方面的潜在价值。
引用
@article{arxiv.2411.13535,
title = {Comparative Analysis of Machine Learning and Deep Learning Models for Classifying Squamous Epithelial Cells of the Cervix},
author = {Subhasish Das and Satish K Panda and Madhusmita Sethy and Prajna Paramita Giri and Ashwini K Nanda},
journal= {arXiv preprint arXiv:2411.13535},
year = {2024}
}
备注
15 pages, 4 figures