MEDICINE & AI

タイトル：PCSA-Net: pyramid channel and spatial attention network for multiclass renal disease diagnosis using CT images 雑誌名：Sci Rep. 2026 Feb 09; 16(1): 5953. 概　要： 本研究は、腎不全の診断を自動化するためのAI駆動システムの開発に焦点を当て、特に腎結石、腫瘍、嚢胞の3つの主要な腎疾患を対象としています。深層学習の進展により、注意メカニズムが医療画像分析における畳み込みニューラルネットワーク（CNN）の性能向上に寄与することが示されています。本研究では、空間的およびチャネルの注意重みを抽出するピラミッドマルチスケール畳み込みに基づく新しい手法「PCSA」を提案します。この手法は、医療画像内の複雑な領域に焦点を当てる能力を向上させることを目的としています。PCSAモジュールは、さまざまなCNNバックボーンアーキテクチャに統合可能であり、腎疾患の診断精度を向上させることが実証されました。 方　法： 本研究では、PCSAモジュールを複数のバックボーンネットワークに組み込み、その性能を評価しました。PCSAは、ピラミッドマルチスケール畳み込みを用いて特徴表現を再構築し、空間的およびチャネルの注意重みを抽出します。これにより、マルチスケールの文脈情報を正確に統合し、腎疾患の分類において優れた精度を達成しました。 結　果： PCSAを強化したネットワークは、複数の最先端画像分類手法を上回る性能を示し、腎疾患の分類において高い精度を達成しました。特に、提案したPCSAモジュールは、腎疾患の自動診断を支援する可能性があることが示されました。 結　論： PCSA-Netは、腎疾患の診断において自動化、正確性、スケーラビリティをサポートする可能性を持つことが示されました。このモジュール設計は、実際の診断ワークフローへの統合を容易にし、将来的にはより広範な腎病理に適応できることが期待されます。