MEDICINE & AI

タイトル：A fine-tuned convolutional neural network model for accurate Alzheimer's disease classification 雑誌名：Sci Rep. 2025 Apr 04; 15(1): 11616. 概　要： 本研究は、アルツハイマー病（AD）の早期診断を目的とした新しい診断方法を提案しています。従来の機械学習モデルは、ラベル付けされたデータを多く必要とし、新しいデータセットへの適応が難しいため、限界があります。一方、深層学習モデルは計算資源とデータを多く消費します。そこで、磁気共鳴画像（MRI）スキャンを用い、転移学習を活用した畳み込みニューラルネットワーク（CNN）を用いることで、診断精度を向上させることを目指しました。研究では、AlexNet、GoogleNet、MobileNetV2の3つの異なる事前学習済みCNNアーキテクチャを使用し、複数のソルバーで実装しました。結果として、Kaggle MRIデータセットで99.4%、OASISデータベースで98.2%の分類精度を達成しました。 方　法： この研究では、アルツハイマー病の診断において、MRIスキャンを用いた転移学習を活用した畳み込みニューラルネットワーク（CNN）モデルを構築しました。使用したアーキテクチャは、AlexNet、GoogleNet、MobileNetV2の3種類で、それぞれ異なるソルバー（Adam、確率的勾配降下法（SGD）、二乗平均平方根法（RMSprop））を用いて実装しました。 結　果： 提案したモデルは、Kaggle MRIデータセットで99.4%、OASISデータベースで98.2%の分類精度を達成しました。これにより、転移学習が従来のモデルの限界を克服し、アルツハイマー病の早期かつ正確な診断を可能にする効果的な手法であることが示されました。 結　論： 転移学習を活用したCNNモデルは、アルツハイマー病の診断精度を大幅に向上させることができ、患者の治療管理や病気の進行に関する洞察を提供する可能性があります。これにより、早期介入が可能となり、患者にとっての利益が期待されます。