大腸ポリープのリアルタイム描画に適用された深層学習モデル
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：Deep learning model applied to real-time delineation of colorectal polyps
雑誌名：BMC Med Inform Decis Mak. 2025 Jun 04; 25(1): 206. doi: 10.1186/s12911-025-03047-y. Epub 2025 Jun 04.
概 要：
本研究は、YOLACTを基にしたリアルタイムポリープ描画モデル（RTPoDeMo）の性能を評価し、内視鏡検査でのリアルタイム使用を目指しています。深層学習モデルは医療分野での診断精度向上に寄与する可能性がありますが、YOLACTの医療への応用は未探索です。2,188枚の内視鏡画像を用いて、リアルタイムでのポリープ検出とセグメンテーションを実施しました。
方 法：
本研究では、Mask-RCNN、YOLACT、YOLACT++などの12種類のアーキテクチャを、ResNet50、ResNet101、DarkNet53と組み合わせてテストしました。データセットの準備には、前処理とセグメンテーションの注釈付け、最適化された画像拡張が含まれます。
結 果：
YOLACT-ResNet50を使用したRTPoDeMoは、COCO注釈に基づいて72.3 mAPと32.8 FPSを達成しました。画像ごとの精度は99.59%、感度は90.63%、特異度は99.95%、F1スコアは0.94でした。専門家が検出した36のポリープのうち、RTPoDeMoは1つを見逃し、シニア内視鏡医は6つを見逃しました。モデルは専門家との良好な一致を示し、Cohenのカッパ係数は0.72でした。
結 論：
本モデルは、YOLACTを大腸ポリープのリアルタイム描画に適応させる新たな視点を提供します。将来的には、内視鏡検査中に切除すべきポリープの特性を改善する可能性があります。