Kronecker自己組織化マップ順調波ネットワークを用いた超音波ベースの腎臓結石分類

科学分野:

• 泌尿器科学
• 医用画像処理
• 人工知能

背景:

• 腎臓結石症は、重篤な合併症を引き起こす可能性のある一般的な泌尿器科疾患です。
• 腎臓結石の従来の超音波診断は、手動による解釈に依存しており、精度と効率の点で限界があります。
• 主観的な解釈を克服し、適時の検出を強化するためには、自動診断ツールが必要です。

研究 の 目的:

• 超音波画像を用いた自動腎臓結石分類のための新しい深層学習モデルを開発・評価すること。
• 従来の診断方法と比較して、診断精度と効率を向上させること。

主な方法:

• Kronecker自己組織化マップ順調波ネットワーク（KSOMFHNet）と呼ばれる深層学習モデルを開発しました。
• 画像の前処理には、ノイズ除去のために二重両側フィルタリングを使用しました。
• 腎臓のセグメンテーションは、深層再帰的残差ネットワーク（DRRN）を使用して行われました。
• 特徴抽出は、BRIEF、形状、およびGLCM記述子を組み合わせて行われました。
• 分類には、DKNとSOMNetのハイブリッドアーキテクチャを利用しました。

主要な成果:

• KSOMFHNetは訓練データに対して高い性能指標を達成しました。精度：91.984％、真陽性率（TPR）：90.543％、真陰性率（TNR）：92.248％、適合率：90.179％、F1スコア：90.360％

結論:

• 提案されたKSOMFHNetは、正確かつ効率的な腎臓結石分類のための重要な可能性を示しています。
• 自動化された深層学習アプローチは、臨床現場での手動解釈に代わる有望な選択肢を提供します。
• 広範な臨床展開のためには、さらなる検証が推奨されます。