CXR-MultiTaskNet 胸部X線写真における関節疾患の局所化と分類のための統一されたディープラーニングフレームワーク
1Research Scholar, Department of Computer Science and Engineering, Koneru Lakshmaiah Education Foundation, Aziz Nagar, Hyderabad, Telangana, 500075, India. divya.kotla@outlook.com.
Scientific reports
|August 31, 2025
まとめ
この研究はCXR-MultiTaskNetを導入し,正確な胸部X線疾患分類と病変の局所化のための統一されたディープラーニングフレームワークです. 臨床的解釈性を向上させ,多種多様な疾患を効果的に治療します.
科学分野:
- 医療用イメージング
- 医療における人工知能
- 放射線科
背景:
- 自動化された胸部X線 (CXR) 分析は,マルチラベル疾患分類と病変の局所化において課題に直面しています.
- 既存の方法は,分類とローカライゼーションを隔離し,解釈性とパフォーマンスを制限します.
- 現在のマルチタスク・ラーニング・フレームワークは タスクの干渉に苦しんでおり 臨床的な説明が欠けています
研究 の 目的:
- 統合された深層学習フレームワーク (CXR-MultiTaskNet) を開発し,CXRにおける胸部疾患の同時分類と病変の局所化を図る.
- 自動化されたCXR分析の解釈性と臨床的有用性を向上させる.
- タスクの干渉や説明の難しさなど,既存の方法の限界に対処する.
主な方法:
- ResNet50 機能抽出器とタスク固有のヘッドを使用して,統一されたマルチタスクディープラーニングフレームワーク (CXR-MultiTaskNet) を実装しました.
- 臨床説明性を高めるためにGrad-CAMベースのモジュールを統合しました.
- クラス不均衡と病変検出性を考慮して,表現抽出と検出に最適化された関節損失関数を開発しました.
- 双重注意に基づく階層的な特徴抽出アプローチを使用して,解釈性と病気の検出を改善しました.
主要な成果:
- 疾患分類のマクロF1スコア0.965と病変の局所化の平均IOU0.851で高い性能を達成した.
- 最先端のシングルタスクとマルチタスクのベースラインと比較して優れたパフォーマンスを示した.
- このフレームワークは,疾患レベルとピクセルレベルの両方の予測を提供し,包括的で説明可能な分析を可能にします.
結論:
- CXR-MultiTaskNetフレームワークは,自動化された胸部X線分析のための統合された,解釈可能な,スケーラブルなソリューションを提供します.
- 正確な予測と明確な説明を提供することで 臨床的意思決定を強化します
- このフレームワークは 放射線学における次世代の説明可能なAIの基盤として機能します
