Segmentación de imágenes de células cervicovaginales con aprendizaje profundo

Abstract

Este estudio explora el uso de técnicas de aprendizaje profundo para la segmentación y clasificación de imágenes de células cervicales. Las imágenes provienen de citologías de cuatro clases de anormalidad según el sistema Bethesda 2014. Los métodos utilizados son redes completamente convolucionales para la segmentación semántica, que etiquetan cada píxel como núcleo, citoplasmas o fondo, y redes neuronales convolucionales para la clasificación de imágenes, que asignan cada imagen de célula a una de las cuatro clases. Los resultados muestran que las máscaras de segmentación mejoran el rendimiento de la clasificación. Los mejores modelos son U-Net para segmentación y una concatenación de dos redes neuronales convolucionales para clasificación. El estudio concluye que la inteligencia artificial puede ayudar a patólogos en el diagnóstico de cáncer cervical al proporcionar una segmentación y clasificación precisas y eficientes de las imágenes de células.