複数の癌の組織病理診断における説明可能性ベースの最適化されたディープラーニングとモバイルアプリケーションの開発
Ritu Tandon1, Narendra Pal Singh Rathore2, Shweta Agrawal3
1Department of Computer Science and Engineering, Sage University, Indore, India.
Microscopy research and technique
|January 9, 2026
まとめ
補完的残差保持ネットワークとガイド付きガウス結合アームアルゴリズム（C2RN2GC2A）という新しいディープラーニングモデルは、病理組織画像のがん分類精度を向上させます。この新しいアプローチは、効率を高め、より良い臨床的意思決定のための解釈可能な結果を提供します。
科学分野:
- 医用画像解析; 計算病理学; 腫瘍学における人工知能
背景:
- 病理組織画像の分析は、がん診断に不可欠ですが、解釈可能性、計算コスト、精度の点で課題に直面しています。; 既存のモデルは透明性を欠くことが多く、臨床的な信頼と採用を妨げています。
主な方法:
- 残差学習とガウス摂動を統合して特徴抽出と効率を高めるC2RN2GC2Aを開発しました。; メタヒューリスティック最適化、特徴選択、および収束の加速のために、二段階ガイド付きカオスカプチーノアルゴリズム（2GC2A）を採用しました。; 層別DeepLIFT関連性伝播（LDLRP）を使用して、説明可能なAIを実現し、分類に影響を与える重要な画像領域を特定しました。
結論:
- C2RN2GC2Aフレームワークは、正確で解釈可能な病理組織画像分析のための堅牢なソリューションを提供します。; 高度なAI技術の統合は、がん分類における診断能力と臨床的信頼を高めます。
