改善駆動アプローチによるアルツハイマー病分類のための複数の深層学習モデルの比較分析
カテゴリ：高齢者医療・介護
公開日：2025年11月23日
タイトル：Comparative analysis of multiple deep learning models with mitigation-driven approaches for enhanced Alzheimer's disease classification
雑誌名：Sci Rep. 2025 Nov 22; doi: 10.1038/s41598-025-27914-w. Epub 2025 Nov 22.
概 要：
アルツハイマー病の診断は構造的MRIから行う際に困難であり、深層学習は自動的な認知症検出において有望ですが、異なる神経ネットワークアプローチの包括的な比較が不足しています。本研究では、1346人の患者から得られた14,983枚の2Dグリッド画像を用いて、10種類の深層学習アーキテクチャを比較しました。ECAResNet269が最も高いバランス精度63%を達成し、クラス不均衡の緩和戦略を用いることで、さらに性能が向上しました。この2Dグリッド手法は、3Dアプローチに比べて96%の診断情報を保持し、処理速度は4.2倍向上しました。
方 法：
本研究は、1346人の患者から得られた14,983枚のT1加重MRIスキャンを用いた比較研究です。10種類の深層学習アーキテクチャ（伝統的CNN、Vision Transformers、Capsule Networks）を比較し、患者レベルでのデータ分割を行いました。主要評価指標は、バランス精度63%で、感度と特異度はそれぞれ認知症38%/77%、軽度認知障害（MCI）72%/66%、健康対照44%/90%でした。
結 果：
ECAResNet269は、バランス精度63%を達成し、クラス不均衡の緩和戦略を用いることで、74%のバランス精度と78%（健康対照）、76%（MCI）、69%（アルツハイマー病）の感度を示しました。伝統的CNNアーキテクチャが最も効果的であり、2Dグリッド手法は診断精度と計算効率のバランスを成功裏に保ちました。
結 論：
ECAResNet269は臨床的に関連する性能を達成し、認知症スクリーニングアプリケーションに適しています。2Dグリッド手法は、標準的な臨床ハードウェアでの展開を可能にする計算効率を提供します。