高精度子宮頸部細胞診分類のためのマルチスケール特徴統合と強化された細胞形態

子宮頸がんの早期発見と予防に不可欠な子宮頸部細胞診画像の高精度分類のため、新しい深層学習アーキテクチャが提案された。このアプローチは、細胞病理画像に特化したデータ拡張パイプライン、マルチスケール細胞特徴を捉える形態アテンションモジュール(MAM)、核周辺空間情報をエンコードする空間チャネルミキサー(SCM)を統合している。SIPaKMeDデータセット(5クラス)で99.06%、Mendeley LBCデータセットで98.55%という最先端の精度を達成し、従来のCNNアーキテクチャと比較してエラー率を最大82.5%、最近のVision Transformerアプローチと比較して61.8%削減した。このモデルは、特に専門家が不足しているリソース制限のある地域での子宮頸がんスクリーニングプログラムの強化に貢献する可能性がある。