Prediction of preliminary tests for cervical cancer using artificial intelligence models

• Autorzy: Mohanraj V. , Senthilkumar J. , Suresh Y. , Valaramathi B. , Sivanantham S.

Identyfikatory

DOI

10.15199/48.2024.07.19

Warianty tytułu

PL

Przewidywanie wstępnych testów na raka szyjki macicy przy użyciu modeli sztucznej inteligencji

• Języki publikacji: EN

Abstrakty

EN

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.

PL

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.

Słowa kluczowe

EN

cervical cancer; deep convolution neural network; decision tree classifier; accuracy; precision

PL

rak szyjki macicy; sieć neuronowa o głębokim splocie; klasyfikator drzewa decyzyjnego; dokładność; precyzja

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2024
• Tom: R. 100, nr 7
• Strony: 89--95
• Opis fizyczny: Bibliogr. 19 poz., rys., tab.

Twórcy

autor

Mohanraj V.

• Information Technology, Sona College of Technology, Salem, Tamilnadu, India

• https://orcid.org/0000-0002-5254-9279

autor

Senthilkumar J.

• Information Technology, Sona College of Technology, Salem, Tamilnadu, India

• https://orcid.org/0000-0002-9320-316X

autor

Suresh Y.

• Information Technology, Sona College of Technology, Salem, Tamilnadu, India

• https://orcid.org/0000-0002-8764-8966

autor

Valaramathi B.

• Sofware and Systems Engineering, School of CSE and IS, VIT, Vellore, Tamilnadu, India

• https://orcid.org/0000-0002-2540-121X

autor

Sivanantham S.

• CSE, Saveetha School of Engineering, SIMATS, Chennai, Tamilnadu, India

• https://orcid.org/0000-0001-5215-8211

Bibliografia

• 1. J.M. Yamal, M. Guillaud, E.N. Atkinson, M. Follen, C. MacAulay, S.B. Cantor,et al., "Prediction using hierarchical data: Applications for automated detection of cervical cancer," Statistical Analysis and Data Mining: The ASA Data Science Journal, vol. 8, pp. 65-74, 2015.
• 2. S. Subramanian, R. Sankaranarayanan, P.O. Esmy, J.V. Thulaseedharan, R. Swaminathan, and S. Thomas, "Clinical trial to implementation: Cost and effectiveness considerations for scaling up cervical cancer screening in lowand middle-income countries," Journal of Cancer Policy, vol. 7, pp. 4-11, 2016.
• 3. K.J. Sales, "Human papillomavirus and cervical cancer," in Cancer and Inflammation Mechanisms: Chemical, Biological, and Clinical Aspects, ed: John Wiley & Sons, 2014, pp. 165-180.
• 4. H. Ramaraju, Y. Nagaveni, and A. Khazi, "Use of Schiller’s test versus Pap smear to increase detection rate of cervical dysplasias," International Journal of Reproduction, Contraception, Obstetrics and Gynecology, vol. 5, pp. 1446-1450, 2017.
• 5. Schiffman M, Wentzensen N.,”A suggested approach to simplify and improve cervical screening in the United States”, Journal of lower genital tract disease ;20(1):PP:1-7,2016.
• 6. K. Fernandes, D. Chicco, J.S. Cardoso, and J. Fernandes, "Supervised deep learning embeddings for the prediction of cervical cancer diagnosis," Peer J Computer Science, vol. 4, p. e154, 2018.
• 7. R. Vidyal and G.M. Nasira2, “Prediction of Cervical Cancer using Hybrid Induction Technique: A Solution for Human Hereditary Disease Patterns”, Indian Journal of Science and Technology, August 2016.
• 8. Singh J., Sharma S. Prediction of Cervical Cancer Using Machine Learning Techniques. Int. J. Appl. Eng. Res. 2019;14:2570–2577.
• 9. Manika J., Richa G and Rajiv S,”Cervical Cancer Risk Prediction using XGBoost Classifer”, In the proceedings of 7th International Conference on Signal Processing and Communication,10.1109/ICSC53193.2021.9673474, 2021
• 10. Riham Alsmariy, Graham Healy, Hoda Abdelhafez,” Predicting Cervical Cancer using Machine Learning Methods”, International Journal of Advanced Computer Science and Applications, Vol. 11, No. 7, pp.173-184, 2020.
• 11. Devi, M.A., Ravi, S., Vaishnavi, J., & Punitha, S,”Classification of Cervical Cancer Using Artificial Neural Networks.”, Procedia Computer Science, 89, 465–472,2016.
• 12. Jia, D., He, Z., Zhang, C. et al. Detection of cervical cancer cells in complex situation based on improved YOLOv3 network. Multimed Tools Appl 81, 8939–8961 (2022). https://doi.org/10.1007/s11042-022-11954-9.
• 13. Geetha, K, Aarthi, S, Sasikaladevi, N and Mala, C ”An Automated Cervical Cancer Detection Mechanism Using Pap Smear Images”,In the proceedings of4th EAI International Conference on Big Data Innovation for Sustainable Cognitive Computing,2023
• 14. Merlin, D. & Sathiaseelan, Dr. (2021). Improved Classification Accuracy for Identification of Cervical Cancer. International Journal of Scientific Research in Computer Science, Engineering and Information Technology. 245-258. 10.32628/CSEIT217633
• 15. Athinarayanan S., & Midthe., S, “Classification of Cervical Cancer Cells in Pap Smear Screening Test”, ICTACT Journal on Image and Video Processing, Vol 06, No.04, PP:1234-1238, 2016.
• 16. Ghonemi, A., Muhamand, G., & Hossain, M.S, ”Cervical cancer classification using convolutional neural networks and extreme learning machines”, Future Generation Systems Computer, Volume 102, PP: 643-649, 2020.
• 17. Taha B. Dias J. and Werghi N,”Classification of Cervical Cancer Using Pap-Smear Images: A Convolutional Neural Network Approach. Department of Electrical and Computer Engineering, 1(d), 698–706,2017.
• 18. Amanuel Kahsay , Paweł Regulski , Piotr Derugo “AI-based control techniques for maximum power point tracking of photovoltaic systems using a boost converter”, Przegląd elektrotechniczny, pp. 1-6, Vol. 11, 2023
• 19. Saravana Ram, Akilandeswari J, Vinoth Kumar M “HybDeepNet:A Hybrid Deep Learning Model for detecting Cardiac Arrhythmia from ECG Signals”, Information Technology and Control, Vol.5,No.2,pp. 433-444, 2023

Uwagi

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).