Core Concepts
深層学習と説明可能な人工知能(XAI)を活用して、胸部X線画像から肺炎(細菌性、ウイルス性)、COVID-19、結核、正常肺の5つの肺疾患を高精度に分類することができる。
Abstract
本研究は、胸部X線画像を用いた肺疾患の自動診断に取り組んでいる。深層学習モデルとしてCNN、ハイブリッドモデル、アンサンブルモデル、トランスフォーマー、Big Transferなどを検討し、ハイパーパラメータチューニング、層化k分割交差検証、転移学習などの手法を駆使している。その結果、Xceptionモデルを5分割交差検証で学習させることで96.21%の最高精度を達成した。さらに、Grad-CAMやLIMEなどのXAI手法を用いて、モデルの判断プロセスを可視化・解釈することで、臨床応用における信頼性を高めている。今後は、複数の画像モダリティの統合、ハイブリッドモデルの探索、セグメンテーション手法の導入、SHAPの活用などにより、さらなる精度向上と堅牢性の向上を目指す。また、医療現場との協働により、実用化に向けた取り組みを進めていくことが重要である。
Stats
肺疾患データセットは合計10,095枚の胸部X線画像から構成され、訓練データが6,054枚、検証データが2,016枚、テストデータが2,025枚である。
Quotes
"深層学習モデルは、人間では見逃しがちな複雑なパターンを胸部X線画像から抽出することができ、肺疾患の早期診断に役立つ。"
"Xceptionモデルを5分割交差検証で学習させることで、96.21%の高精度な肺疾患分類が可能となった。"
"Grad-CAMやLIMEなどのXAI手法を用いて、モデルの判断プロセスを可視化・解釈することで、臨床応用における信頼性を高めることができる。"