MEDICINE & AI

タイトル：Deep learning model for grading carcinoma with Gini-based feature selection and linear production-inspired feature fusion. 雑誌名：Sci Rep. 2025 Jul 01; 15(1): 21225. 概　要： 本研究は、腎細胞癌（RCC）および肝細胞癌（HCC）の正確なグレーディングを目的とし、経済理論に触発された新しい特徴選択と融合のフレームワークを提案します。従来の深層学習手法は、組織病理画像に見られる複雑なパターンに対処するのが難しく、分類精度に影響を与えます。本研究では、注意機構を組み込んだ3つの畳み込みニューラルネットワーク（CNN）アーキテクチャ（MobileNetV2、DenseNet121、InceptionV3）を基盤モデルとして使用し、重要な画像領域を動的に特定します。さらに、ジニに基づく特徴選択法を用いて最も識別的な特徴を優先し、各ネットワークから抽出された特徴を線形生産関数に基づく融合技術で最適に組み合わせ、最終予測への貢献を最大化します。実験評価では、RCCで93.04%、HCCで98.24%の高精度を達成し、本手法の堅牢性と効果を示しています。 方　法： 本研究は、腎細胞癌（RCC）および肝細胞癌（HCC）のグレーディングを対象とした実験的評価を行いました。使用した基盤モデルは、MobileNetV2、DenseNet121、InceptionV3の3つのCNNアーキテクチャで、注意機構を組み込んでいます。ジニに基づく特徴選択法を用いて、最も識別的な特徴を選定し、線形生産関数に基づく融合技術で特徴を最適に組み合わせました。 結　果： 提案した手法は、腎細胞癌（RCC）で93.04%、肝細胞癌（HCC）で98.24%の高精度を達成しました。これにより、従来の最先端モデルを上回る性能を示し、癌のグレーディングにおける本手法の効果と堅牢性が確認されました。 結　論： 本研究で提案した深層学習モデルは、腎細胞癌および肝細胞癌の正確なグレーディングを実現し、従来の手法を上回る性能を示しました。このアプローチは、癌の診断と治療戦略の策定において有望な可能性を持っています。