舌の光炎とOSCCの自動検出のためのポストホック解釈可能なDCNNモデル

科学分野:

• 医療画像と人工知能
• コンピューター病理学
• デジタル・ヘルスと遠隔医療

背景:

• 言語疾患の自動診断は 早期発見と治療に不可欠です
• ディープコンヴォルションニューラルネットワーク (DCNN) は,臨床画像の分析の可能性を提供します.
• 医療におけるAIの診断決定を理解するためには 解釈可能な方法が必要です

研究 の 目的:

• 舌の写真から口腔状細胞癌 (OSCC) を分類するためのDCNNモデルを開発し,評価する.
• モデルの解釈性のためにグラッド-CAMビジュアライゼーションを組み込む.
• これらのAIモデルの早期発見と遠隔医療の応用の可能性を評価する.

主な方法:

• 言語画像652の転送学習を使用して,事前に訓練された4つのDCNNアーキテクチャ (VGG16,VGG19,ResNet50,ResNet152) の微調整.
• グラッド-CAMと稀少性分析を用いてモデルを解釈する.
• AUROCを用いた診断性能の評価,年齢,性別,画像セグメンテーションによるサブグループ分析

主要な成果:

• DCNNモデルは,光炎とOSCCを分類する上で堅実なパフォーマンスを示しました.
• VGG16とVGG19の集団は,光炎で最高AUROC (0. 8731) を達成しました.
• VGG19とResNet152でOSCC検出のほぼ完璧な性能 (AUROC=1. 0000) が観察されました.
• 全体の画像分類はパッチによるセグメンテーションを上回った.

結論:

• グラッド-CAMのDCNNモデルは,舌の状態の解釈可能で正確な分類を提供します.
• これらのAI駆動の診断ツールは 遠隔の口腔健康評価に 大きな可能性を秘めています
• この研究は,早期発見と医療へのアクセスを拡大するために,舌の診断におけるAIの使用を支持しています.