Gynécologie & Obstétrique
Libre accès

Abstrait

Nouvelle base de données de référence de cellules cervicales numérisées et calibrées pour le dépistage du cancer du col de l'utérus basé sur l'intelligence artificielle

Abid Sarwar, Jyotsna Suri, Vinod Sharma et Mehbob Ali

Objectif : L'objectif principal de ce travail de recherche est de développer une nouvelle base de données de référence de cellules cervicales numérisées et calibrées obtenues à partir de lames de frottis de Papanicolaou, qui est effectué pour le dépistage du cancer du col de l'utérus. Cette base de données peut servir d'outil potentiel pour la conception, le développement, la formation, le test et la validation de divers systèmes basés sur l'intelligence artificielle pour le pronostic du cancer du col de l'utérus par caractérisation et classification des images de frottis de Papanicolaou. La base de données peut également être utilisée par d'autres chercheurs pour une analyse comparative de l'efficacité de travail de divers algorithmes d'apprentissage automatique et de traitement d'images. La base de données peut être obtenue en envoyant une demande à l'auteur correspondant. Outre le développement d'une riche base de données d'apprentissage automatique, nous avons également présenté une nouvelle technique d'ensemble hybride basée sur l'intelligence artificielle pour un dépistage efficace du cancer du col de l'utérus par analyse automatisée des images de frottis de Papanicolaou.

Méthodologie : Le diagnostic correct et opportun du cancer du col de l'utérus est l'un des problèmes majeurs du monde médical. D'après la littérature, il a été constaté que différentes techniques de reconnaissance de formes peuvent aider à améliorer ce domaine. Le frottis de Papanicolaou (également appelé frottis Pap) est un examen microscopique d'échantillons de cellules humaines prélevées dans la partie inférieure et étroite de l'utérus, appelée col de l'utérus. Un échantillon de cellules après avoir été coloré en utilisant la méthode de Papanicolaou est analysé au microscope pour détecter la présence de tout développement inhabituel indiquant tout développement précancéreux et potentiellement précancéreux. Les résultats anormaux, s'ils sont observés, sont soumis à d'autres sous-routines de diagnostic précises. L'examen des images cellulaires à la recherche d'anomalies dans le col de l'utérus permet de prendre des mesures rapides et de réduire ainsi l'incidence et les décès dus au cancer du col de l'utérus. C'est la technique la plus populaire utilisée pour le dépistage du cancer du col de l'utérus. Le test Pap, s'il est effectué dans le cadre de programmes de dépistage réguliers et d'un suivi approprié, peut réduire la mortalité par cancer du col de l'utérus jusqu'à 80 %. La contribution de cet article est que nous avons créé une riche base de données d'apprentissage automatique de cellules cervicales quantitativement profilées et calibrées obtenues à partir de lames de test Papsmear. La base de données ainsi créée se compose de données d'environ 200 cas cliniques (8091 cellules cervicales), qui ont été obtenues auprès de plusieurs centres de soins de santé, afin de garantir la diversité des données. Les lames ont été traitées à l'aide d'un microscope numérique à plusieurs têtes et des images de cellules cervicales ont été obtenues, qui ont été passées par diverses sous-routines de prétraitement des données. Après le prétraitement, les cellules ont été profilées morphologiquement et mises à l'échelle pour obtenir des mesures quantitatives distinctes de diverses caractéristiques du cytoplasme et du noyau respectivement. Les cellules de la base de données ont été soigneusement classées dans différentes classes correspondantes selon le dernier système de classification 2001-Bethesda, par des techniciens. En plus de cela, nous avons également été les premiers à appliquer un nouveau système d'ensemble hybride à cette base de données afin d'évaluer l'efficacité de la nouvelle base de données et de la nouvelle technique d'ensemble hybride pour dépister le cancer du col de l'utérus par catégorisation des données de frottis. L’article présente également une analyse comparative de plusieurs algorithmes de classification basés sur l’intelligence artificielle pour le pronostic du cancer du col de l’utérus.

Français : Résultats : Pour évaluer l'efficacité et l'exactitude de la base de données numérique préparée dans ce travail, les auteurs ont mis en œuvre cette base de données pour la formation, le test et la validation de quinze algorithmes d'apprentissage automatique différents basés sur l'intelligence artificielle. Tous les algorithmes formés avec cette base de données ont présenté une efficacité louable dans le dépistage du cancer du col de l'utérus. Pour le problème à deux classes, tous les algorithmes formés avec la base de données numérique ont montré des efficacités de l'ordre d'environ 93 à 95 %, tandis que dans le cas des algorithmes à problèmes multi-classes, les efficacités ont été de l'ordre d'environ 69 à 78 %. Les résultats indiquent que la nouvelle base de données numérique préparée dans ce travail peut être utilisée efficacement pour développer de nouvelles techniques basées sur l'apprentissage automatique pour le dépistage automatisé du cancer du col de l'utérus. Les résultats indiquent également que la technique d'ensemble hybride est une méthode efficace pour la classification des images de frottis et peut donc être utilisée efficacement pour le diagnostic du cancer du col de l'utérus. Parmi tous les algorithmes mis en œuvre, l'approche d'ensemble hybride a surpassé et exprimé une efficacité d'environ 98 % pour le problème à 2 classes et d'environ 86 % pour le problème à 7 classes. Les résultats comparés à tous les classificateurs autonomes étaient significativement meilleurs pour les problèmes à deux classes et à plusieurs classes.