MEDICINE & AI

タイトル：Exploring the role of preprocessing combinations in hyperspectral imaging for deep learning colorectal cancer detection 雑誌名：Sci Rep. 2025 Sep 23; 15(1): 32685. 概　要： 本研究は、ハイパースペクトルデータを用いた深層学習による癌診断におけるさまざまな前処理技術を比較しています。異なるスペクトルスケーリングやノイズ除去のオプション、血液や光の反射除去のレベルを考慮し、ハイパースペクトルデータから抽出したパッチのサイズがモデルの性能に与える影響を調査しました。また、癌組織が過小評価されているデータセットの不均衡を軽減するための戦略も検討しました。結果として、標準化が感度と特異度を大幅に改善し、大きな入力パッチサイズが性能を向上させる一方で、ノイズ除去は予期せず性能を低下させることが示されました。血液フィルタリングは反射光ピクセルのフィルタリングよりも効果的ですが、いずれのアプローチも顕著な結果を生み出しませんでした。前処理方法の比較を公正に行うために、一貫したテスト条件を維持することの重要性が強調されました。 方　法： 本研究は、ハイパースペクトルデータを用いた深層学習モデルの性能を評価するために、さまざまな前処理技術を比較するコホート研究です。異なるスペクトルスケーリング、ノイズ除去、血液および光の反射除去の手法を検討し、パッチサイズの影響を分析しました。データセットの不均衡を軽減するための戦略も評価しました。 結　果： 標準化は感度と特異度を改善し、パッチサイズが大きいほど性能が向上しましたが、ノイズ除去は性能を低下させました。血液フィルタリングは反射光フィルタリングよりも効果的でしたが、いずれの方法も顕著な改善を示しませんでした。前処理方法の比較において、一貫したテスト条件が重要であることが確認されました。 結　論： 前処理の選択が深層学習の性能を最大化するために重要であることが示されました。特に、標準化やパッチサイズの調整が性能向上に寄与する一方で、ノイズ除去の影響には注意が必要です。この研究は、医療画像処理における前処理の重要性を強調しています。