人工知能による腎臓悪性疾患の予測と閉塞感度に基づく解釈のためのウォルルス最適化強化ResNet-50

科学分野:

• 医療用イメージング
• 人工知能
• 深層学習

背景:

• 腎臓の悪性腫瘍の検出は,患者のアウトカムにとって極めて重要です.
• 伝統的なディープラーニングモデルは 複雑な医療画像分析に最適化が必要です
• AIによる医療診断の重要な課題は 解釈可能性と透明性です

研究 の 目的:

• 腎臓の悪性腫瘍の検出を改善するために,ウォルルス最適化アルゴリズム (WaOA) を使用してResNet-50のハイパーパラメータを最適化します.
• 標準的なディープラーニングモデルとWaOA最適化されたResNet-50の性能を比較する.
• オクラージュン センシビリティ アナリスを通じてモデルの解釈性と透明性を高める.

主な方法:

• 12,446個の腹部CT画像のデータセットが利用され,キスト,正常,石,腫瘍に分類されました.
• ResNet-50,AlexNet,GoogLeNet,Inception V3のモデルが訓練され評価されました.
• Walrus Optimization Algorithm (WaOA) は,ResNet-50のハイパーパラメータチューニングに使用されました.
• 閉塞感受性分析は,モデルの解釈性のために行われました.

主要な成果:

• WaOAに最適化されたResNet-50は94.53%の精度を達成し,精度,リコール,F1スコア,AUC-ROCで他のモデルを上回った.
• このモデルはMCC 0.9038と低ログ損失 0.1597で高い信頼性を示した.
• オックルション感度分析は,分類決定に影響を与える重要な画像領域の洞察を提供した.

結論:

• メタヒューリスティックベースのハイパーパラメータチューニングは,医療画像のディープラーニングに有効です.
• WaOAに最適化されたResNet-50は,正確かつ信頼性の高い腎臓悪性腫瘍検出の有意な可能性を示しています.
• 閉塞感度分析を統合することで,AIによる医療診断の透明性と信頼性が確保されます.