総合的な脳腫瘍診断のためのウェブ展開可能な説明可能なAIシステム

科学分野:

• 神経腫瘍学
• 医療用イメージング
• 人工知能

背景:

• 脳腫瘍の正確な診断は 神経腫瘍学の治療計画に不可欠です
• 2D分類と3Dセグメンテーションのためのディープラーニングモデルは,放射線学的ワークフローを向上させることができます.
• 説明可能なAI (XAI) 技術は,これらのモデルの解釈性を改善します.

研究 の 目的:

• 脳腫瘍のセグメンテーションと分類診断のためのウェブベースのプラットフォームを開発する.
• ディープラーニングを使って2D分類と3Dセグメンテーションを統合する.
• モデル解釈性を高めるために説明可能なAIを組み込む.

主な方法:

• 2D腫瘍分類 (MobileNetV2) と3D体積分割 (SegResNet) を組み合わせた診断システムが開発されました.
• バイナリ腫瘍の検出にはメタ分類器MLPを使用した.
• XRAIマップとガウスオーバーレイを使用して説明が提供され,ウェブインターフェースに統合されました.

主要な成果:

• 2D MobileNetV2モデルは,腫瘍分類において98. 09%の精度を達成した.
• 3D SegResNetモデルでは,腫瘍のセグメンテーションのダイス係数は68- 70%であった.
• MLP腫瘍検出モジュールは100%の精度を達成し,病理学的特徴と一致する説明性モジュールでした.

結論:

• ディープラーニングの診断システムは 脳腫瘍の分類と分断を 解釈可能な結果で改善します
• ユーザーフレンドリーなインターフェイスを備えたウェブベースのツールは,臨床放射線のワークフローに適しています.
• 説明可能なAI技術は神経腫瘍学におけるディープラーニングの臨床的有用性を高めます