テスト画像増幅とアンサンブルモデルを用いた深層学習ベースの核セグメンテーションとメラノマ検出
Mohammadesmaeil Akbarpour1,2, Hamed Fazlollahiaghamalek3, Mahdi Barati1
1Electrical and Computer Engineering, University of Alberta, Edmonton AB T6G 2R3, Canada.
Journal of imaging
|August 27, 2025
まとめ
この研究では,細胞核をセグメント化し,皮膚病理学的画像でメラノーマを検出するために深層神経ネットワークを使用して,皮膚がん診断のためのAI駆動の方法を導入し,診断効率を改善します.
科学分野:
- デジタル病理学
- コンピュータ生物学
- 医学画像分析
背景:
- ヒストポトロジカル画像は皮膚がんの診断に不可欠ですが,非常に大きく,手作業による分析は時間がかかります.
- 細胞の境界が変化しているため,ヒト病理学における核の自動セグメンテーションは難しい.
- 人工知能 (AI) は,皮膚がんの検出におけるコンピュータ支援診断 (CAD) の可能性を提供します.
研究 の 目的:
- 細胞核の自動セグメンテーションとメラノーマ検出のためのディープニューラルネットワーク (DNN) ベースの技術を開発する.
- 異常な細胞核の識別と分析を自動化することで 診断プロセスを加速する.
主な方法:
- 核のセグメンテーションにはDNNベースのアプローチが採用された.
- 図形操作による画像増幅により,強度が向上した.
- メラノーマを検出するために,分断された核に形態学的技術が適用された.
主要な成果:
- 提案された技術は,核のセグメンテーションで91.61%のダイススコアを達成しました.
- メラノマ検出の精度は 87.9%のダイススコアに達しました.
- この方法は,細胞の細胞核の分布を分析する上で有効であることが示された.
結論:
- DNNベースのテクニックは,核のセグメンテーションと histopathological画像でのメラノーマの検出のための効果的な解決策を提供します.
- このAIによるアプローチは 皮膚がんの診断の効率と正確さを大幅に改善します
- これらのプロセスを自動化することで 総合的な診断評価を加速させることができます
