ダイナミック・アテンティブ・プールネットワーク:肺がん分類のためのハイブリッド・ライトウェイト・ディープ・モデル

科学分野:

• 医療用イメージング
• 人工知能
• 腫瘍学

背景:

• 肺がんは死亡の主な原因で 早期の微妙な症状と画像検査の結果により 診断が困難です
• ディープラーニング,特にコンボリューションニューラルネットワーク (CNN) は医療画像分析を進めているが,従来のモデルは限界に直面している.
• 標準的なCNNのファーストオーダー・プーリングは,複雑な診断のための効果的な特徴表現を妨げることができます.

研究 の 目的:

• 肺がんの分類における 従来のCNNの限界を克服するためです
• 新しくダイナミックなディープラーニングモデル LungSE-SOPを提唱し 肺がんの診断を改善する
• セカンド・オーダー・プーリング (SOP) とスプリーズ・アンド・エクシテーション・ネットワーク (SENet) を使用して,特徴表現とクラス分離を強化する.

主な方法:

• ResNet50のバックボーンにSOPとSENetを統合した新しいモデルであるLungSE-SOPを開発しました.
• 動的機能強化 (DFE) モジュールを導入し,情報フローを動的に調整しました.
• 公共のIQ-OTH/NCCD肺がんデータセットでモデルを訓練し評価した.

主要な成果:

• 多種腫瘍の分類において高い精度を達成した: 良性腫瘍は98. 6%,悪性腫瘍は98. 7%,正常症例は99. 9%.
• 優秀なF1スコア: 99.2% (良性),99.8% (悪性),99.9% (正常) を獲得した.
• すべての腫瘍タイプで高い精度とリコールが実証され,ROC曲線と信頼区間によって検証されました.

結論:

• LungSE-SOPモデルは,従来の方法と比較して肺がんの分類精度を大幅に改善しています.
• SOP,SENet,DFEの統合により,特徴表現とクラス分離性が向上する.
• このモデルは肺がんの診断に 臨床的応用の可能性を強く示しています