Renal-AI: 電子顕微鏡画像における腎微細構造の特徴をマルチスケールで検出するための深層学習プラットフォーム

科学分野:

• 腎臓学
• 医用画像処理
• 人工知能

背景:

• 透過型電子顕微鏡（TEM）は、腎疾患の診断に不可欠です。
• TEM画像の Пmanual interpretationは時間がかかり、ばらつきがあります。
• 微細構造の特徴の自動検出は、診断精度と効率を向上させることができます。

研究 の 目的:

• 腎生検TEM画像における6つの主要な微細構造の特徴の自動検出のためのYOLOv8-OBBに基づく深層学習アーキテクチャの導入と評価。
• 小さく、コントラストが低く、向きが様々に変化する特徴の検出を強化するためにYOLOv8-OBBアーキテクチャを改良すること。
• これらの深層学習ツールの臨床的適用性を評価すること。

主な方法:

• グレースケール入力チャネル、改良ブロック（FPRbl）を備えた高解像度P2特徴ピラミッド、および4分岐指向性検出ヘッドを備えた変更YOLOv8-OBBアーキテクチャを開発しました。
• 2つの学習済みバリアントを比較しました：以前のモデル（学習済み + GSch + 4FExL）と新しく開発されたモデル（学習済み + FPRbl）。
• パフォーマンスは、定量的指標（F1スコア、mAP@0.5）と定性的な専門家による視覚検査を使用して評価されました。

主要な成果:

• 両モデルは、それぞれF1スコア0.93および0.92、mAP@0.5スコア0.953および0.941で、強力なパフォーマンスを示しました。
• （学習済み + GSch + 4FExL）モデルは、微妙な所見に対する再現率が高かったです。
• （学習済み + FPRbl）モデルは、よりクリーンで高信頼度のバウンディングボックスを生成しました。

結論:

• YOLOv8-OBBにおけるターゲットを絞ったアーキテクチャの改良は、腎TEM画像における困難な微細構造の特徴の検出を効果的に強化します。
• 開発された深層学習モデルは、腎病理学における診断効率の向上と解釈のばらつきの低減に臨床的適用性を示しています。
• ウェブベースのプラットフォーム（Renal-AI）への翻訳は、これらのAIツールの実用的な有用性を示しています。