超音波画像を用いた乳がん検出および分類のための説明可能なAIベースのハイブリッドDRM-Net転移学習モデル
Shahid Mohammad Ganie1, Majid Bashir Malik2, Mir Aadil3
1Department of Health Information Management and Technology, College of Applied Medical Sciences, King Faisal University, 31982, Al-Ahsa, Saudi Arabia. sganie@kfu.edu.sa.
Scientific reports
|December 19, 2025
まとめ
本研究では、超音波画像からの乳がん診断を強化するための新しいハイブリッド深層転移学習モデルDRM-Netを紹介します。DRM-Netは精度を大幅に向上させ、臨床的意思決定を支援します。
科学分野:
- 医用画像
- 人工知能
- 腫瘍学
背景:
- 乳がんは世界中の女性の主な死因です。
- 早期診断は、効果的な治療と患者の転帰の改善にとって重要です。
- 深層転移学習は、医用画像分析において有望です。
主な方法:
- 乳房超音波データセットで6つの転移学習モデルをトレーニングしました。
- パフォーマンスの高い転移学習モデルを組み合わせたハイブリッドモデル（DRM-Net）を開発しました。
- 画像の前処理、マスキング、データ拡張、およびハイパーパラメータ調整を採用しました。
- 説明可能なAI（XAI）クラス活性化マッピング（CAM）を使用してモデルの決定を解釈しました。
結論:
- ハイブリッドDRM-Netモデルは、乳がん診断精度の向上に大きな可能性を示しています。
- このAI駆動型アプローチは、情報に基づいた臨床的意思決定をサポートできます。
- このモデルの適用性は、他の超音波ベースの診断タスクにも及びます。
