ビデオカプセル内視鏡画像の複数畳み込みニューラルネットワークを用いた分類精度の向上

科学分野:

• 消化器病学
• 医用画像処理
• 人工知能

背景:

• ビデオカプセル内視鏡（VCE）は小腸の異常検出に役立ちますが、大量の画像処理に苦労しています。
• 現在のVCE画像のAI分類は、臨床グレードの診断精度（>99%）に達していません。

研究 の 目的:

• さまざまなカテゴリの未加工VCE画像を分類するための高精度AIシステムの開発。
• 新しい転移学習アプローチを使用したVCE画像分析の限界の克服。

主な方法:

• 複数の畳み込みニューラルネットワーク（CNN）を利用した転移学習アプローチが採用されました。
• このシステムは、画像セグメンテーションを必要とせずに特徴を自動抽出し、既存のモデルを特定の分類器に合わせてファインチューニングします。
• 17個のCNNを組み合わせて、16,000枚以上のVCE GI画像を対象にAIモデルを構築、テスト、検証しました。

主要な成果:

• 組み合わせた17個のCNNディープラーニングアプローチは、全体で99.79%の診断精度を達成しました。
• 出血や異物などの特定の病状は、100%の精度で特定されました。
• 混同行列、適合率、再現率、F1スコアによって高いパフォーマンスが検証されました。

結論:

• 未加工VCE画像の分類のための正確なAIディープラーニングモデルが開発されました。
• このシステムは、臨床現場でのさまざまな病状の診断改善の可能性を示しています。