デジタル乳房トモシンセシス画像を用いた乳がん検出のための高度な深層学習フレームワーク
G Bharatha Sreeja1, S Sudha2, T M Inbamalar3
1231516 ECE Department, Easwari Engineering College , Chennai, Tamil Nadu, India.
Biomedizinische Technik. Biomedical engineering
|January 11, 2026
まとめ
本研究では、デジタル乳房トモシンセシス（DBT）画像を用いた乳がん検出のための深層学習フレームワークを紹介します。高度なモデルは診断パフォーマンスを大幅に向上させ、早期乳がん検出のための有望なツールを提供します。
科学分野:
- 医用画像処理
- 人工知能
- 腫瘍学
背景:
- 早期かつ正確な乳がん検出は、患者の生存率を向上させるために重要です。
- デジタル乳房トモシンセシス（DBT）は、乳がん診断のための高度な画像処理機能を提供します。
研究 の 目的:
- DBT画像を用いた乳がん検出のための堅牢な深層学習フレームワークを開発すること。
- 検出パフォーマンス向上のために、シングルスライスおよびマルチスライスDBT入力の両方を活用すること。
主な方法:
- 正規化、リサイジング、ラプラシアンピラミッド強調（LPE）を含む画像前処理。
- 網羅的特徴選択（EFS）を用いた特徴抽出、融合、および選択。
- ResNet V2、MobileNet V3、およびInception V3+を組み合わせたハイブリッド分類モデル、XGBoostアンサンブル学習およびハイパーパラメータ最適化を使用。
主要な成果:
- マルチスライスDBT入力を利用したハイブリッドモデルは、優れた精度、感度、特異度、およびAUCを示しました。
- ラプラシアンピラミッド強調（LPE）、特徴融合、および網羅的特徴選択（EFS）は、診断パフォーマンスを大幅に向上させました。
結論:
- 高度な深層学習手法は、乳がん検出パフォーマンスを向上させるための大きな可能性を示しています。
- 今後の作業には、臨床意思決定支援システム、マルチセンターデータセット、およびその他の画像モダリティとの統合が含まれます。
