深層学習画像処理に基づく肝癌病理画像認識に関する研究
カテゴリ：診断支援・画像解析
公開日：2026年1月7日
タイトル：Research on liver cancer pathology image recognition based on deep learning image processing
雑誌名：Sci Rep. 2026 Jan 02; 16(1): 467. doi: 10.1038/s41598-025-24834-7. Epub 2026 Jan 02.
概 要：
肝癌の病理画像分析による正確な診断は、組織病理学的特徴の複雑さと異質性のために困難です。本研究では、MSAF-Netという新しいマルチスペースアテンション融合ネットワークを提案し、R、B、Y、エントロピー、LBPの5つの補完的特徴空間をSEブロック強化融合メカニズムとEfficientNet-Liteに基づく特徴抽出と統合しました。このフレームワークは、深層学習と工学的特徴空間を効果的に組み合わせることで、病理画像分析における新たな最先端技術を確立し、臨床応用において高い診断信頼性と計算効率を提供します。
方 法：
本研究では、MSAF-Netを用いて肝癌の病理画像を分析しました。提案されたネットワークは、5つの異なる特徴空間を統合し、SEブロックを用いた融合メカニズムを採用しています。主要評価指標として、精度94.7%、感度93.2%、特異度95.8%を達成しました。
結 果：
実験結果は、提案されたMSAF-Netが従来の単一空間手法に比べて、精度で6.3%、感度で7.1%、特異度で5.6%の有意な改善を示し、肝癌の病理画像分析において優れた性能を発揮することを示しました。
結 論：
MSAF-Netは、肝癌の病理画像分析において高い診断精度を実現し、臨床応用における信頼性と効率を向上させる可能性があることが示されました。