LDCT画像におけるボクセル正規化：肺結節悪性度分類のためのテクスチャ特徴選択におけるその重要性：2施設からの洞察

科学分野:

• 医用画像
• 医療における人工知能
• 放射線学

背景:

• 肺がんは、世界的にがん死亡の主要な原因です。
• 低線量コンピューテッドトモグラフィー（LDCT）を用いた早期検出は、客観的基準の欠如と手動解釈の必要性によって課題となっています。
• 公開されているデータセットは、病理学的確認を欠き、ボクセルサイズが可変であることが多く、モデルの信頼性に影響を与えます。

研究 の 目的:

• 肺結節分類におけるボクセル正規化の影響を評価すること。
• 解釈可能な結節アノテーション統合のための高速フーリエ変換（FFT）ベースの輪郭融合手法を導入すること。
• 処理済みLDCTデータを用いた結節分類のための機械学習および深層学習モデルを開発および評価すること。

主な方法:

• 2施設から収集した415人の患者のLDCT画像にボクセル正規化を適用しました。
• アテンションメカニズムを備えたトランスフォーマーを含む、機械学習および深層学習モデルを開発しました。
• 生成敵対ネットワークに代わる解釈可能な手法として、新しいFFTベースの輪郭融合手法を導入しました。

主要な成果:

• ボクセル正規化により、データセット間の特徴の重複が64%改善され、選択の安定性が向上しました。
• 機械学習モデルは92.6%の精度を達成し、深層学習モデルは98.5%の精度に達しました。
• FFTベースの手法は、GANの限界を克服する、臨床的に解釈可能な専門家によるアノテーションの統合を提供しました。

結論:

• ボクセル正規化は、肺結節分類の信頼性を向上させます。
• FFTベースの手法は、医用画像における深層学習応用の解釈可能性のための実行可能なアプローチを提示します。
• これらの発見の意義を探るために、さらなる多施設共同研究が推奨されます。