肺および大腸癌の診断における転移学習モデルの強化融合と最適化に基づく臨床診断
カテゴリ：診断支援・画像解析
公開日：2026年2月19日
タイトル：An enhanced fusion of transfer learning models with optimization based clinical diagnosis of lung and colon cancer using biomedical imaging
雑誌名：Sci Rep. 2025 Jul 07; 15(1): 24247.
概 要：
この研究は、肺および大腸癌（LCC）の早期診断を目的としたFTLMO-BILCCDモデルを提案しています。従来の診断法に加え、深層学習（DL）を活用することで、より迅速かつコスト効果の高い癌診断が可能になります。FTLMO-BILCCDモデルは、画像前処理にメディアンフィルターを使用し、CapsNet、EfficientNetV2、MobileNet-V3 Largeを用いて特徴抽出を行います。さらに、TPA-BiGRUを用いた分類と、ベルーガクジラ最適化（BWO）によるハイパーパラメータの最適化を実施し、99.16%の高精度を達成しました。
方 法：
この研究は、LCC-HIデータセットを用いた実験に基づいています。画像前処理にはメディアンフィルターを使用し、特徴抽出にはCapsNet、EfficientNetV2、MobileNet-V3 Largeを融合したモデルを採用しています。分類にはTPA-BiGRUを使用し、BWOによってハイパーパラメータを最適化しました。
結 果：
FTLMO-BILCCDモデルは、既存のモデルに対して99.16%の優れた精度を示しました。これにより、肺および大腸癌の診断において高い分類性能を実現しました。
結 論：
FTLMO-BILCCDモデルは、臨床生物医学画像を用いた肺および大腸癌の診断において、従来の手法を上回る精度を示し、医療現場での応用が期待されます。