MEDICINE & AI

タイトル：Cervical cancer image analysis: Detection and segmentation using self-guided quantum GANs and musical chairs optimization DOI：10.1016/j.compbiomed.2026.111633 概　要： 本研究は、長期的なヒトパピローマウイルス（HPV）感染による子宮頸癌の検出とセグメンテーションを、自己指導型量子生成対抗ネットワーク（SQGAN）とミュージカルチェア最適化（MCOA）を用いて行う方法を提案しています。従来の深層学習アルゴリズムによる検出方法は性能が低く、誤りが多いことが課題です。提案手法では、画像の明瞭性を向上させる初期処理としてAPMFを使用し、正確な領域識別のためにグラフ強化ファジークラスタリング（GEFC）を用いてセグメンテーションを行います。特徴抽出には適応因果決定トランスフォーマー（ACDT）を使用し、SQGANによる分類を行います。提案手法は、SIPaKMeDデータセットで評価された従来の手法よりも優れた結果を示し、98.6%の精度、98.4%の適合率、98.8%の再現率、98.7%のF1スコアを達成しました。この研究は、子宮頸癌の早期発見を支援する高精度で計算効率の良い診断ツールの開発に寄与します。 方　法： 本研究では、自己指導型量子生成対抗ネットワーク（SQGAN）とミュージカルチェア最適化（MCOA）を用いた子宮頸癌の検出とセグメンテーションを行う手法を提案しています。初期処理としてAPMFを用いて画像の明瞭性を向上させ、グラフ強化ファジークラスタリング（GEFC）でセグメンテーションを行います。特徴抽出には適応因果決定トランスフォーマー（ACDT）を使用し、SQGANによる分類を行います。提案手法はSIPaKMeDデータセットで評価されました。 結　果： 提案手法は、SIPaKMeDデータセットにおいて、正常、LSIL、HSIL、SCCの各クラスで、精度98.6%、適合率98.4%、再現率98.8%、F1スコア98.7%を達成しました。これにより、提案されたSQGAN-MCOフレームワークは、従来の技術よりも顕著に優れた性能を示しました。 結　論： 提案されたSQGAN-MCOフレームワークは、子宮頸癌の早期発見を支援するための高精度で計算効率の良い診断ツールの開発に寄与し、臨床現場での自動化された医療画像分析と癌の意思決定の向上に貢献する可能性があります。