Основные понятия
本研究は、CNNとXAIの統合的なアプローチを通じて、乳がん診断の精度向上と透明性の向上を目指す。
Аннотация
本研究は、乳がん診断のための統合的なフレームワークを提案しています。CNNモデルと説明可能な人工知能(XAI)手法を組み合わせることで、CBIS-DDSMデータセットを用いた乳がんの効果的な診断を実現しています。
データ前処理では、アーティファクト除去、ラインの除去、画像の強調処理を行い、データ拡張手法も適用しています。転移学習を用いてResNet50モデルを微調整し、高精度の分類器を構築しました。
さらに、Grad-CAM、LIME、SHAPなどのXAI手法を導入することで、CNNモデルの決定プロセスを解釈可能にしています。これにより、医療従事者にとって理解しやすい診断結果を提供し、AI支援診断の信頼性と受容性を高めることができます。
定量的な評価では、ROI画像との比較によりXAI手法の有効性を検証しました。Grad-CAMの平均ハウスドルフ距離は18と良好な結果を示しましたが、LIMEは86と低い精度でした。これらの結果は、XAI手法の選択と適用が重要であることを示しています。
今後の展望として、さらなる深層学習アーキテクチャの探索、XAI手法の改善、医療従事者との協働による実用的なツール開発、マルチモーダルデータの活用などが考えられます。本研究は、乳がん診断におけるAIの信頼性と有用性を高める上で重要な一歩となります。
Статистика
乳がん患者の2020年の新規診断数は約230万人、死亡者数は68.5万人だった。
CBIS-DDSMデータセットには10,239枚の乳房X線画像が含まれ、そのうち3,000枚が悪性、4,000枚が良性、3,239枚が正常例である。