このページは機械翻訳されています。他のページは英語で表示される場合があります。 View in English

刺激されたラーマン散乱画像の事前処理が,がん組織を検出する深層神経ネットワークの性能に与える影響

Andreas Weber ^1,2, Kathrin Enderle-Ammour ¹, Karl-Moritz Schröder ¹

⁰Institute for Surgical Pathology, Medical Center, Faculty of Medicine, University of Freiburg, Freiburg, Germany.

Quantitative Imaging in Medicine and Surgery +

|

2025年9月2日

PubMedで要約を見る

まとめ

刺激されたラマン散乱画像の簡単な事前処理は,深層学習がん組織の分類を大幅に改善します. ピクセル値を [0, 1] にスケーリングすると,複雑な方法と比較して性能と安定性が向上します.

科学分野

医療用画像検査
コンピューター病理学
腫瘍学における人工知能

背景

刺激されたラーマン散射 (SRS) 画像は,手術中の組織構造学的データを提供します.
データの事前処理は,腫瘍組織と非腫瘍組織を区別するディープラーニング (DL) アルゴリズムにとって非常に重要です.
様々なSRS画像プリプロセッシング技術がDLの性能に与える影響は,まだ十分に調査されていない.

研究の目的

DLベースの癌分類のためのSRS画像に対する異なる事前処理技術の影響を評価する.
6つの異なるDLアーキテクチャの性能を5つの事前処理方法で比較する.
癌の検出におけるDLモデルの精度を高めるための最適の事前処理戦略を特定する.

主な方法

6つのDLアーキテクチャ (VGG19,ResNet50,InceptionResNetV2,Xception,ConvNeXt,Vision Transformer) が使用されました.
5つの異なる画像前処理手順を体系的に比較した.
口腔状細胞癌および非小細胞肺癌 (n=542) の注釈されたSRSデータセットがトレーニングおよび評価に使用されました.
性能はバランスのとれた精度,精度,リコール,F1スコアを使用して評価され,クラスアクティベーションと解釈可能性のための注意マップが使用されました.

主要な成果

簡単なピクセル値のスケーリングにより,すべてのテストされたDLネットワークで優れた安定した分類性能が得られました (平均F1スコア = 0.8327,SD = 0.0622).
複雑な前処理方法では,性能が著しく低下し,安定性が低下しました (平均F1スコア = 0.7213,SD = 0.2315;P≤0.05).
最高の絶対的な性能は,原始刺激されたラマン組織学画像で達成された (平均F1スコア=0. 8478,SD=0. 1487).

結論

SRS画像の事前処理は,がん組織分類のためのDLアルゴリズムの性能と安定性に重大な影響を及ぼします.
基本的なピクセルスケーリングは,腫瘍学におけるSRS画像分析のための堅牢で効果的な事前処理戦略を提供します.
術後診断におけるDL精度を最大化するために,さらなる研究により,前処理パイプラインを最適化することができます.

キーワード:

刺激されたラーマン散射顕微鏡 (SRS顕微鏡) ディープラーニング (DL) 画像処理刺激されたラマン組織学 (SRH)