マンモグラフィにおける人工知能による乳がん検出のための革新的なマルチビュー戦略

科学分野:

• 医療用イメージング
• 人工知能
• 腫瘍学

背景:

• マンモグラフィは乳がんの早期発見に不可欠ですが,読者間の変動性と微妙な特徴の解釈に問題があります.
• ディープコンボリュションニューラルネットワーク (Deep Convolutional Neural Networks,CNN) は,診断の正確性を向上させることを目的として,自動化されたマンモグラフィの分類の可能性を提供します.

研究 の 目的:

• マンモグラフィの自動分類のための深層収縮神経ネットワーク (CNN) を評価する.
• 2つの新しいマルチビュー統合技術であるデュアルブランチ・アンサンブル (DBE) とマージド・デュアルビュー (MDV) を導入し評価する.
• 異なるマンモグラフィーデータセットと画像システムでモデルの一般化性をテストする.

主な方法:

• 最先端のCNNアーキテクチャ (ResNet,DenseNet,EfficientNet,MobileNet,Vision Transformers,VGG19) を6つのマンモグラフィーデータセットで比較した分析
• デュアルブランチ・アンサンブル (DBE) とマージド・デュアルビュー (MDV) のマルチビュー統合戦略の実施と評価
• 専用のデータセットを使用して,ドメインシフトに対するモデルの汎用性と堅実性を評価する試行.

主要な成果:

• MDVとDBEの両方の戦略は,分類のパフォーマンスを大幅に改善しました.
• MDVのアプローチでは,VGG19とDenseNetはそれぞれ0.9051と0.7960の高いROC AUCスコアを達成しました.
• DBEの設定では,DenseNetとResNet50はROC AUCスコア0.8033と0.8042を達成し,マルチビュー融合の利点を示しました.

結論:

• マルチビュー融合技術 (MDVとDBE) は,CNNベースのマンモグラフィの強度と精度を高めます.
• 一般化テストは,ドメインシフトの影響を軽減するために多様なトレーニングデータセットの必要性を強調します.
• この結果は,AI支援の信頼性の高い,広く適用可能な乳がんスクリーニングツールを開発するための実用的なガイドラインを提供します.