手作り特徴と深層特徴の統合による皮膚疾患検出の改善
カテゴリ：公衆衛生・予防医療
公開日：2026年4月7日
タイトル：Integration of handcrafted and deep-level features to improve skin disease detection.
雑誌名：Front Artif Intell. 2026; 9: 1732440. doi: 10.3389/frai.2026.1732440.
概 要：
皮膚疾患は非常に一般的な健康問題であり、生活の質や医療システムに大きな影響を与えています。特にメラノーマは致死率が高く、2022年には約60,000人がこの病気で亡くなりました。本研究では、皮膚疾患の検出と予測のために、従来の方法の限界を克服する新しい深層学習モデル「Skin Disease Detection Network（SDNet）」を提案します。SDNetは、皮膚画像の階層的特徴を描写するために、2つの並行アームを持つ深層畳み込みニューラルネットワークを使用しています。
方 法：
SDNetは、2つのアームを持つ深層畳み込みニューラルネットワークです。1つ目のアームは、前処理されたオリジナル画像を用いた2D CNNを使用し、2つ目のアームは、グレーレベル共起行列（GLCM）、改良された局所バイナリパターン（ILBP）、および方向勾配ヒストグラム（HOG）特徴を受け取る1D CNNを使用して、皮膚画像のテクスチャと形状属性を描写します。評価にはDermNetデータセットを使用しました。
結 果：
SDNetは、5クラスの皮膚疾患検出において、全体の精度99.1%、再現率99.1%、適合率98.96%、F1スコア98.95%を達成しました。これにより、従来の最先端手法に対して顕著な改善が示されました。
結 論：
本研究は、SDNetの信頼性を活用した正確で効率的な皮膚疾患の識別に向けた重要な一歩を示しており、説明可能な人工知能（XAI）アプローチを通じてその可能性を強調しています。