MobileNetV1と説明可能な人工知能 (XAI) に基づいたビジョントランスフォーマーを使用して異なるBI-RADS乳がん診断
Israa Abdelsabour1, Ahmed Elgarayhi1, Mohammed Sallah1
1Physics Department, Faculty of Science, Mansoura University, Mansoura, 35516, Egypt.
Scientific reports
|February 17, 2026
まとめ
MobileNetV1とVision Transformer (ViT) を組み合わせた新しいハイブリッドのディープラーニングフレームワークは,マンモグラフィから乳がん (BC) の分類に99%以上の精度を達成しています. この解釈可能なAIツールは,BCの早期発見を強化し,臨床意思決定をサポートします.
科学分野:
- 人工知能 (AI) とは,人工知能 (AI) のことです.
- メディカルイマージング (医学イメージング)
- 機械学習 (Machine Learning) とは,機械学習 (Machine Learning) について学ぶことです.
背景:
- 乳がん (BC) は依然として世界的な健康問題であり,先進的な診断ツールが必要である.
- 現在のコンピュータ支援診断システム (CAD) は,精度,有効性,解釈可能性の改善を必要とする.
- マンモグラフィによる正確なBC分類は,適切な介入と患者のアウトカムを改善するために不可欠です.
研究 の 目的:
- マンモグラフィの画像を用いたBI-RADS乳がんの分類のための新しいハイブリッドディープラーニング (DL) フレームワークを導入する.
- デュアルストリームネットワークアーキテクチャを通じてBC診断の正確性と解釈性を向上させる.
- 乳がんの検出における臨床的意思決定支援のための効果的で説明可能なAIソリューションを開発する.
主な方法:
- MobileNetV1 (ローカル機能) とVision Transformer (ViT) (グローバルコンテキスト) を融合したハイブリッドDLフレームワークが開発されました.
- このフレームワークは,機能レベルの融合を採用し,その後にバッキングベースのロジスティック回帰 (LR) 分類器を使用し,頑丈性を向上させました.
- 評価は,キング・アブドゥラジズ大学BCマモグラムデータセット (KAUBC) を5倍クロス検証で利用し,最先端のモデルと比較した.
- 説明可能なAI (XAI) テクニック (Grad-CAM,Grad-CAM++) は,視覚的な解釈性のために使用されました.
主要な成果:
- 提案されたMobileNetV1-ViT-Baggingフレームワークは,すべてのBI-RADSカテゴリーで高い,安定したパフォーマンスを達成しました.
- 精度 (ACC),感度 (SEN),および特異性 (SPE) は,乳がんの分類において99%を超えました.
- XAI技術は,診断的に重要な領域を成功裏に強調し,モデルの予測に視覚的な説明を提供しました.
結論:
- MobileNetV1-ViT-Baggingフレームワークは,多クラスBI-RADS BC診断のための効果的な,計算的に構造化され,説明可能なソリューションを提供します.
- ハイブリッドアプローチは,マンモグラフィーにおける臨床的意思決定支援アプリケーションの強力な可能性を実証しています.
- この研究は,医療画像の分析と解釈性を改善するために,CNNとトランスフォーマーを融合させる効果を強調しています.
