深層分離畳み込みを用いた精度診断のためのブラウザベースのマルチがん分類フレームワーク

科学分野:

• 人工知能
• 医療診断
• 計算病理学

背景:

• 正確ながん検出は非常に重要ですが、ディープラーニングのハードウェアとプライバシーの要求によって妨げられています。
• 既存のAIソリューションは、多くの場合、高性能コンピューティングと集中型データストレージを必要とします。
• データプライバシーの懸念は、機密性の高い医療アプリケーションへのAIの採用を制限しています。

研究 の 目的:

• マルチがん分類のためのブラウザベースのクライアントサイドディープラーニングフレームワークを開発すること。
• 特別なインフラストラクチャなしで、リアルタイムでプライバシーを保護するがん診断を可能にすること。
• リソースが限られた環境での高精度AI展開の実現可能性を実証すること。

主な方法:

• 130,000を超えるマルチがん画像で、深層分離畳み込みを使用したXceptionアーキテクチャをファインチューニングしました。
• クライアントサイド推論のためにTensorFlow.jsを使用したブラウザベースのフレームワークを実装しました。
• VGG16、ResNet50、EfficientNet-B0、およびVision Transformerモデルと比較してパフォーマンスをベンチマークしました。

主要な成果:

• トップ1精度99.85%、トップ5精度100%を達成し、すべての比較対象を上回りました。
• 標準的なウェブブラウザに適した軽量な計算要件を実証しました。
• Grad-CAMの可視化により、予測が関連する組織病理学的特徴に基づいていることが確認され、解釈可能性が保証されました。

結論:

• マルチがん診断のための、完全にブラウザにデプロイ可能な、プライバシーを保護するディープラーニングフレームワークを初めて提示します。
• 高精度の医療AIは、大幅なインフラストラクチャのオーバーヘッドや特別なハードウェアなしで達成可能です。
• AIのがん診断における公平で費用対効果の高いグローバル展開のための実用的な経路を確立します。