臨床口腔画像から再発性アフタ性潰瘍を診断するためのニューラルネットワークモデル
カテゴリ：公衆衛生・予防医療
公開日：2026年2月19日
タイトル：Neural network models for diagnosing recurrent aphthous ulcerations from clinical oral images.
雑誌名：Sci Rep. 2025 Aug 12; 15(1): 29519.
概 要：
本研究は、口腔内の潰瘍の段階を分類するために、畳み込みニューラルネットワーク（CNN）を用いた診断モデルの開発に焦点を当てています。従来、口腔潰瘍の診断は、歯科医や医師による視覚的評価と詳細な質問に基づいて行われていました。私たちは、3つのカスタムモデルを開発し、異なる潰瘍の段階を区別する効果を比較しました。最も優れた性能を示したUlcerNet-2は、RMSpropオプティマイザーとSoftmaxおよびSELU活性化関数を使用し、96%の検証精度を達成しました。この結果は、UlcerNet-2が口腔潰瘍の診断ツールとしての大きな可能性を持つことを示唆しています。
方 法：
この研究では、口腔潰瘍の段階を分類するために、畳み込みニューラルネットワーク（CNN）を用いた3つのカスタムモデルを開発しました。モデルの性能を評価するために、さまざまなオプティマイザーと活性化関数を検討し、最適な構成を決定しました。UlcerNet-2は、RMSpropオプティマイザーを使用し、SoftmaxおよびSELU活性化関数を組み合わせて高い精度を達成しました。
結 果：
UlcerNet-2は、96%の検証精度を達成し、口腔潰瘍の段階を分類する上での優れた性能を示しました。モデルは高い精度、適合率、再現率のバランスを保ち、臨床実践における口腔潰瘍の検出と段階付けを向上させる可能性があります。
結 論：
UlcerNet-2は、口腔潰瘍の診断において高精度な分類を実現し、臨床現場での応用が期待される先進的な診断ツールとしての可能性を示しました。