MEDICINE & AI

タイトル：Comparative analysis of cervical cancer classification of DPAGCHE-enhanced Pap smear images using convolutional neural network models. 雑誌名：PLoS One. 2025; 20(9): e0330103. 概　要： この研究は、子宮頸癌の自動分類方法を提案し、従来の診断アプローチにおけるコントラストとノイズの問題に対処することを目的としています。DPAGCHE（Denoised Pairing Adaptive Gamma with Clipping Histogram Equalization）法を用いて画像を強化し、分類性能への影響を評価しました。元の画像と強化された画像で訓練された転移学習ベースの畳み込みニューラルネットワーク（CNN）モデルを比較し、最も高い分類精度を達成したのはResNet50モデルで、84.15%の精度を示しました。この結果は、深層学習と画像強化の統合が自動化された子宮頸癌検出を改善する可能性を示唆しています。 方　法： 本研究は、前処理されたパップスミア画像を3つのカテゴリに分類するために、転移学習を用いたCNNモデルを使用しました。データ拡張（回転、反転、シフト）を行い、過学習を防ぎました。DPAGCHE法により画像のコントラストを改善し、ノイズを低減しました。評価には、5つの事前学習済みCNNモデルとHerlevデータセットを使用し、MATLAB Onlineで実施しました。 結　果： ResNet50モデルは、DPAGCHE強化データセットで84.15%の分類精度を達成し、F1スコアが53.65%、精度が44.29%向上しました。対照的に、ベースラインCNNは66.67%の精度にとどまり、深層アーキテクチャと強化前処理の利点を強調しました。 結　論： DPAGCHEによる前処理は分類性能を大幅に向上させ、特にResNet50モデルが最良の性能を示しました。この研究は、コントラスト強化とノイズ低減が分類モデルの支援において効果的であることを強調しています。