MRI画像を用いた希少神経疾患の多層分類のためのクロスアテンションガイド付き説明可能な深層トランスフォーマーモデル
カテゴリ：医療現場の業務効率化
公開日：2026年6月23日
タイトル：Cross-attention guided explainable deep transformer model for multi-level classification of rare neurological disorders using MRI images.
雑誌名：Sci Rep. 2026 Jun 22; 16(1): doi: 10.1038/s41598-026-58491-1.
概 要：
この研究は、希少神経疾患の多層分類のために、クロスアテンションガイド付き説明可能な深層トランスフォーマーモデル（CAXDT-MLCRND）を提案しています。従来の深層学習手法は、一般的な疾患の分類に特化しており、希少疾患のような視覚的に類似したパターンの識別が困難でした。本モデルは、局所特徴を表現する畳み込みニューラルネットワークと、グローバルな文脈依存性を捉えるトランスフォーマーベースのネットワークを統合し、動的な相互作用を可能にする新しいクロスアテンション戦略を採用しています。さらに、ベイズ最適化を用いてハイパーパラメータを調整し、臨床的信頼性を確保するためにEigen Class Activation Mapping（EigenCAM）を用いて説明可能性を組み込んでいます。
方 法：
本研究は、オープンアクセスのMRIデータセットを用いてCAXDT-MLCRNDシステムの実験結果を検証しました。モデルは、局所特徴とグローバル特徴を融合し、グラフニューラルネットワーク（GNN）、深層信念ネットワーク（DBN）、スタックオートエンコーダ（SAE）を統合したソフトボーティングベースのアンサンブルモデルを使用して、分類プロセスの堅牢性と一般化を向上させます。
結 果：
CAXDT-MLCRNDモデルは、共存する神経疾患の同時予測において、マルチラベル分類性能の向上を示しました。実験結果は、希少神経疾患の検出において、臨床応用を支援するための堅牢で解釈可能なアプローチであることを確認しました。
結 論：
提案されたモデルは、リソースが限られた環境における希少神経疾患の検出を支援するための有効な手段であり、臨床的な解釈性を向上させることが期待されます。