Tytuł pozycji:
Prediction of preliminary tests for cervical cancer using artificial intelligence models
Nowadays, Aritificial Intellgience (AI) based models are extensively used in the medical science for early detection of choronic diseases. AI model plays a vital role in detecting cervical cancer in women at early stage. Cervical cancer is abnormal growth of cells in the cervix. Vagina is connected to uterus through the cervix. Mostly, various strains of Human papillomavirus (HPV) cause the infection over the cervix. A prolonged virus infection over cervix causes some cervical cells become cancer cells. It is difficult to dectect early sign of the cervical cancer. The proposed method explores cervical cancer detection and provides information on the necessary tests to be taken.The initial level of testing is achieved by getting information from users directly and processing it using a Decision Tree based classifier model. The classifier provide information on the mandatory tests that have to be taken. Then the secondary level of testing is carried out using Deep Convolution Neural Network model over a Colposcopy image of the cervix to identify the tumor region in the cervix. The model predicts the causes of cervical cancer based on the collected user information. The performance of the algorithm is evaluated based on Test accuracy, Recall, and precision. The highest cervical cancer prediction accuracy is achieved through AI model comprising Decision Tree and Deep Convolution Neural network model.
Obecnie modele oparte na sztucznej inteligencji (AI) są szeroko stosowane w naukach medycznych do wczesnego wykrywania chorób kosmówkowych. Model AI odgrywa kluczową rolę w wykrywaniu raka szyjki macicy u kobiet we wczesnym stadium. Rak szyjki macicy to nieprawidłowy rozrost komórek szyjki macicy. Pochwa jest połączona z macicą poprzez szyjkę macicy. Zakażenie szyjki macicy powodują głównie różne szczepy wirusa brodawczaka ludzkiego (HPV). Długotrwała infekcja wirusowa szyjki macicy powoduje, że niektóre komórki szyjki macicy stają się komórkami nowotworowymi. Trudno jest wykryć wczesne objawy raka szyjki macicy. Proponowana metoda bada wykrywanie raka szyjki macicy i dostarcza informacji na temat niezbędnych badań, które należy wykonać. Początkowy poziom badań osiąga się poprzez bezpośrednie uzyskanie informacji od użytkowników i przetworzenie ich przy użyciu modelu klasyfikatora opartego na drzewie decyzyjnym. Klasyfikator dostarcza informacji na temat obowiązkowych badań, które należy wykonać. Następnie przeprowadza się drugi poziom badań, wykorzystując model sieci neuronowej o głębokim splocie na podstawie obrazu szyjki macicy z kolposkopii w celu zidentyfikowania obszaru nowotworu w szyjce macicy. Model przewiduje przyczyny raka szyjki macicy na podstawie zebranych informacji od użytkownika. Wydajność algorytmu ocenia się na podstawie dokładności testu, przypomnienia i precyzji. Najwyższą dokładność przewidywania raka szyjki macicy osiąga się dzięki modelowi AI obejmującemu drzewo decyzyjne i model sieci neuronowej Deep Convolution.
Opracowanie rekordu ze środków MNiSW, umowa nr POPUL/SP/0154/2024/02 w ramach programu "Społeczna odpowiedzialność nauki II" - moduł: Popularyzacja nauki i promocja sportu (2025).
