血管構造を利用したアンサンブル型眼疾患検出システム
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：Ensemble-based eye disease detection system utilizing fundus and vascular structures
雑誌名：Sci Rep. 2025 Jun 02; 15(1): 19298.
概 要：
この研究は、網膜疾患の診断のための新しいAIベースのフレームワーク「RetinaDNet」を提案しています。網膜疾患は視力喪失や失明のリスクを高めるもので、特に高齢化や糖尿病などの慢性疾患が影響しています。従来の診断方法は、画像を手動で分析するため、早期発見や精度に問題がありました。本研究では、網膜画像と血管セグメンテーション画像を用いた二重入力を活用し、転移学習とアンサンブル学習アルゴリズムを組み合わせることで、診断の精度とモデルの安定性を向上させています。
方 法：
本研究は、AIを用いた網膜疾患診断のためのフレームワークを開発しました。デュアルブランチ入力を採用し、網膜画像と血管セグメンテーション画像を組み合わせています。転移学習とアンサンブル学習を利用し、小規模サンプルサイズでも高い精度を維持できるように設計されています。主要評価指標として、糖尿病網膜症の診断タスクで99.2%、網膜疾患分類タスクで98.8%の精度を達成しました。
結 果：
RetinaDNetは、糖尿病網膜症の診断タスクで99.2%、網膜疾患分類タスクで98.8%の精度を達成しました。血管特徴を利用し、過学習のリスクを軽減することで、複数の指標において優れた性能を示しました。
結 論：
このAIベースのフレームワークは、網膜疾患の診断において高い精度と安定性を提供し、特に小規模データセットでの効果が期待されます。RetinaDNetは、網膜疾患の早期発見と診断の改善に寄与する可能性があります。