DFU_DIALNet:Grad-CAMとLIMEの連携による信頼性の高い糖尿病足の潰瘍検出に向けて

科学分野:

• 医療用イメージング
• 医療における人工知能
• 糖尿病について

背景:

• 糖尿病足の潰瘍 (DFU) は,効果的な治療のために早期発見を必要とする深刻な糖尿病合併症です.
• 現在のDFU検出のディープラーニング (DL) モデルは,単一のデータセットに依存しているため,一般化性が欠けていることが多い.
• 堅牢で信頼性の高い透明な自動化されたDFU検出システムが必要です.

研究 の 目的:

• 糖尿病足の潰瘍 (DFU) の検出のための堅牢で信頼性の高い透明なディープラーニングの枠組みを開発する.
• クロスデータセットの検証を通じてDFU検出モデルの一般化性と信頼性を向上させる.
• 重要な潰瘍領域を局所化することによって,モデル解釈性を向上させる.

主な方法:

• DFUの検出と分類のために,DFU_DIALNetというカスタム化されたディープラーニングアプローチを提案しました.
• 統合されたGrad-CAMとLIMEのヒートマップで,潰瘍領域のモデル解釈と局所化が可能になる.
• 統合されたデータセット (DFUC2021 + 500 カスタム画像) と外部データセット (KDFU, DFUC2020) でモデルを検証し,確立されたDLモデルと比較した.

主要な成果:

• DFU_DIALNetは,統合されたデータセットで99.33%の精度,99%のF1スコア,および100%のAUCを達成し,従来のおよび他のDLモデルを上回りました.
• このモデルは,KDFUで95.61%,DFUC2020で99.54%の精度を達成し,外部データセットで高い信頼性を示しました.
• 効率的なDFU検出のためにStreamlitを使用してWebアプリケーションが開発されました.

結論:

• DFU_DIALNetは,糖尿病の足の潰瘍を自動検知するための,堅牢で信頼性の高い,解釈可能なソリューションを提供します.
• この研究は,既存のDFU検出モデルの一般化に関する懸念に対処しています.
• 開発された枠組みは,DFUの早期診断と治療を容易にし,重度の合併症を潜在的に軽減します.