脊椎X線画像解析のための微分可能な放射線幾何学を用いた神経幾何学的グラフ変圧器

科学分野:

• 医療画像における人工知能
• 神経幾何学的深層学習
• 説明可能なAI（XAI）

背景:

• 放射線画像解釈は、微妙な視覚的合図、解剖学的変動、および観察者間変動によって課題が生じます。
• 従来の深層学習モデルは、予測可能である一方で、解剖学的根拠と解釈可能性を欠くことが多く、臨床的信頼を妨げます。
• 医療画像分析において、精度と透明性の両方を備えたAIシステムが必要とされています。

研究 の 目的:

• 説明可能な医療画像分析のための神経幾何学的画像フレームワークであるSpineNeuroSymを導入すること。
• 幾何学を意識した学習と記号的推論を統合して、脊椎X線写真の信頼性と解釈可能性を向上させること。
• 医療画像における現在の深層学習アプローチの限界に対処するAIシステムを開発すること。

主な方法:

• 弱教師ありキーポイント/領域検出、デュアルストリームグラフ変圧器、および微分可能放射線幾何学モジュール（dRGM）を統合したSpineNeuroSymを開発しました。
• 論理的一貫性のための神経記号的制約レイヤー（NSCL）と、検証およびまれな表現型の生成のための対照幾何学拡散（CGD）モジュールを組み込みました。
• 6つの診断カテゴリ（すべり症、感染症、脊椎関節症、および正常な頸部、胸部、腰部脊椎）にわたる1613の脊椎X線写真で評価しました。

主要な成果:

• SpineNeuroSymは、脊椎X線画像データセットにおいて、89.4%の分類精度、0.872のマクロF1スコア、0.941のAUROCを達成しました。
• このフレームワークは、診断性能において8つの最先端の画像ベースラインを上回りました。
• 神経幾何学的モデリングと記号的制約を通じて、説明可能性、信頼性、再現性を向上させました。

結論:

• 神経幾何学的モデリング、記号的制約、および対照検証の統合は、説明可能で信頼性の高い医療画像AIを進歩させます。
• SpineNeuroSymは、医療画像分析のための透明で再現可能なAIシステムへの道を開きます。
• このフレームワークは、臨床実践における診断精度と信頼性の向上に大きな可能性を示しています。