プライバシーを守るデータモニタリングによるCOVID-19診断:ブロックチェーンのセキュリティで説明可能なAIディープラーニングモデル

科学分野:

• 医療診断
• 人工知能
• ブロックチェーン技術

背景:

• COVID-19 パンデミックは,迅速で正確な診断,安全なデータ管理,および医療におけるプライバシーの必要性を強調しました.
• 現在の診断システムは,透明性,性能,データセキュリティの限界に直面しています.
• 医療診断におけるこれらの課題に取り組むために 先進的な枠組みが必要である.

研究 の 目的:

• ディープラーニング,説明可能なAI (Explainable AI),ブロックチェーンを統合した新しいプライバシー保護診断フレームワークHCTR-MGRを提案する.
• 医療アプリケーションにおける診断の正確性,透明性,データセキュリティの強化
• 既存の診断システムの限界を解決する

主な方法:

• ヘテロゲネスコンボリュショナル・リキュアント・アテンション・トランスファー・ラーニングベースのResNeXtとモディファイド・グレーター・キャネラット・オプティマイゼーション (HCTR-MGR) フレームワークを開発した.
• 統合されたディープラーニング (コンボリューション,リキュアント,注意層),ResNeXtの転送ラーニング,MGRの最適化.
• 安全なメタデータのストレージと説明可能な予測のためのSHAP/LIMEを信頼に基づく許可されたブロックチェーンで利用しました.

主要な成果:

• 胸部X線データセットで優れた診断性能を達成: 98- 99%の精度, 97 - 98%の精度, 95 - 97%の記憶, 99%の特異性, 95 - 98%のF1スコア.
• ResNet,SARS-Net,PneuNetなどの従来のモデルよりも 2~6%のパフォーマンスの改善を示した.
• 診断の正確性とデータセキュリティの向上におけるフレームワークの有効性を検証した.

結論:

• HCTR-MGRフレームワークは,近代的な医療診断のためのスケーラブルで安全で臨床的に信頼性の高いソリューションを提供します.
• AI,XAI,ブロックチェーンの統合は 診断性能とデータプライバシーを大幅に改善します
• 提案された枠組みは,医療診断における主要な課題に対処し,現実世界の展開への道を開きます.