効率的なEfficientNetV2とGrad-CAM++を用いた説明可能なマンモグラフィー解析による頑健ながん診断
1Department of Information Systems, Faculty of Computing and Information Technology, King Abdulaziz University, Rabigh 21911, Saudi Arabia.
Diagnostics (Basel, Switzerland)
|January 10, 2026
まとめ
本研究は、マンモグラムにおける正確ながん検出のための説明可能なディープラーニングフレームワークを導入する。このモデルは解釈可能性を高め、早期診断のための信頼性の高いスクリーニングを提供する。
科学分野:
- 医用画像
- 人工知能
- 腫瘍学
背景:
- 乳がんは世界的に女性の死亡原因の主なものです。
- マンモグラフィーの解釈は、主観性とばらつきのために課題に直面しています。
- ディープラーニングは自動検出を提供しますが、解釈可能性が欠けています。
研究 の 目的:
- マンモグラムからの乳がん分類のための説明可能なディープラーニングフレームワークを開発すること。
- 自動マンモグラフィー解析における臨床的信頼と解釈可能性を高めること。
主な方法:
- 画像の前処理にコントラスト制限適応ヒストグラム均等化（CLAHE）を使用しました。
- 特徴抽出にEfficientNetV2を使用し、特徴洗練に畳み込みブロック注意モジュール（CBAM）を使用しました。
- 予測の解釈可能性のために勾配重み付きクラス活性化マッピング++（Grad-CAM++）を統合しました。
主要な成果:
- MIASで99.85%、DDSMで99.40%、InBreastで99.70%の高い分類精度を達成しました。
- 高いF1スコアで既存の方法を上回る優れたパフォーマンスを示しました。
- 悪性症例に対する優れた感度と計算オーバーヘッドの削減を示しました。
結論:
- 提案されたフレームワークは、マンモグラフィーを用いた乳がんスクリーニングのための頑健で解釈可能なソリューションを提供します。
- 乳がん検出におけるディープラーニングの診断精度と臨床的適用性を向上させます。
