マンモグラフィの良性および悪性分類を ROI 階層化されたディープラーニングで改善する
Kenji Yoshitsugu1, Kazumasa Kishimoto2, Tadamasa Takemura1
1Graduate School of Information Science, University of Hyogo, 7-1-28 Minatojima Minamimachi, Chuo-ku, Kobe-shi 650-0047, Hyogo, Japan.
Bioengineering (Basel, Switzerland)
|August 28, 2025
まとめ
興味のある領域 (ROI) マスクをディープラーニングモデルに組み込むことは,乳がんのスクリーニングのためのマンモグラフィの分析を大幅に改善します. このアプローチは,良性/悪性分類の診断の正確性を高め,早期発見を助長します.
科学分野:
- 医療用イメージング
- 人工知能
- 腫瘍学
背景:
- ディープラーニングは医学画像診断,特に乳がんのスクリーニングのためのマンモグラフィーで広く採用されています.
- 乳腺の良性病変と悪性病変の正確な区別は,効果的なスクリーニングと患者の管理に不可欠です.
研究 の 目的:
- 興味のある領域 (ROI) のマスク情報を組み込むことで,良性/悪性マモグラフィの診断におけるディープラーニングモデルの精度が向上するかどうかを調査する.
- ROIマスクを統合したSwinトランスフォーマーとConvNeXtV2モデルのパフォーマンスを評価する.
主な方法:
- VinDrとCDD-CESMのマンモグラフィーデータセットでSwin TransformerとConvNeXtV2モデルを使用しました.
- ROIマスクの有無を基に階層化されたイメージ,各サブグループに独立してトレーニングと予測.
- 総合的な診断パフォーマンスを評価するために,ROIで階層化されたサブグループから集約された結果.
主要な成果:
- ROI分層分析は,ベースラインと比較して予測指標 (感度,特異性,Fスコア,精度) を大幅に改善しました.
- たとえば,VinDr/Swin Transformerは,ROIマスクで (0.00,1.00,0.00,0.85) から (0.93,0.87,0.90,0.87) に改善されました.
- CDD-CESM/ConvNeXtV2は,ROIマスクで (0. 65,0. 65,0. 65,0. 65) から (0. 74,0. 61,0. 67,0. 68) までの改善を示した.
結論:
- この研究は,ROI マスク情報を組み込むことで,マンモグラフィのディープラーニングモデルのパフォーマンスを向上させるという仮説を検証しています.
- ROIマスクのデータを考慮すると,良性と悪性乳房病変の区別における診断の正確性が向上することが重要です.
- このアプローチは より正確で信頼性の高い AI 支援の マンモグラフィの解釈を可能にします
