結膜および強膜画像からの非侵襲的貧血検出における注意マップ説明可能性を備えたビジョントランスフォーマーの使用

科学分野:

• 医療診断
• 眼科学
• ヘルスケアにおける人工知能

背景:

• 鉄欠乏性貧血は広範な健康問題です。
• 現在の診断方法（ヘモグロビン測定など）は侵襲的です。
• 結膜および強膜の蒼白などの視覚的兆候は貧血を示す可能性があります。

研究 の 目的:

• 強膜結膜画像を使用した非侵襲的な貧血検出方法を開発すること。
• 貧血分類におけるビジョントランスフォーマー（ViT）モデルの有効性を評価すること。
• モデルの透明性のための説明可能性技術を組み込むこと。

主な方法:

• 貧血検出のための強膜結膜画像を利用しました。
• 転移学習を用いたビジョントランスフォーマー（ViT）モデルを採用しました。
• モデルの意思決定を視覚化するために説明可能性技術を実装しました。

主要な成果:

• 貧血分類で98.47%の高い全体精度を達成しました。
• ViTモデルが関連する画像特徴に焦点を当てる能力を実証しました。
• ViTのパフォーマンスを他の機械学習および深層学習アルゴリズムと比較しました。

結論:

• ViTモデルは、貧血検出のための高精度で非侵襲的なアプローチを提供します。
• 説明可能性分析は、モデルの診断プロセスに関する洞察を提供します。
• この方法は、侵襲的な貧血診断手順への依存を減らす可能性を示しています。