深層学習とラジオミクスを用いた乳腺腫瘍の知的かつ精密な補助診断
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：Intelligent and precise auxiliary diagnosis of breast tumors using deep learning and radiomics.
雑誌名：PLoS One. 2025; 20(6): e0320732. doi: 10.1371/journal.pone.0320732. Epub 2025 Jun 02.
概 要：
乳がんは女性に最も一般的な悪性腫瘍であり、早期診断が死亡率を低下させるために重要です。従来の診断方法には精度と一貫性に関する重大な制限があります。本研究では、深層学習とラジオミクスを組み合わせた知的診断モデルを開発し、乳腺腫瘍の診断を向上させることを目的としました。このモデルは、MobileNetとResNeXtにインスパイアされた深さ分離可能およびグループ化畳み込みを統合し、特徴処理の効率を向上させ、パラメータを削減します。
方 法：
本研究では、深層学習とラジオミクスを組み合わせた知的診断モデルを開発しました。AI-DhabyaniおよびTCIAの乳腺超音波データセットを使用して、内部および外部でモデルを検証し、VGG16、ResNet、AlexNet、MobileNetと比較しました。内部検証セットでは、精度83.84%、AUC 0.92を達成し、他のモデルを上回りました。外部検証セットでは、精度69.44%、AUC 0.75を示し、高い堅牢性と一般化能力を示しました。
結 果：
内部検証セットでは、モデルが83.84%の精度と0.92のAUCを達成し、外部検証セットでは69.44%の精度と0.75のAUCを示しました。これにより、モデルの高い堅牢性と一般化能力が確認されました。
結 論：
深層学習とラジオミクスを用いた知的診断モデルを開発し、乳腺腫瘍の診断を改善しました。このモデルは、MobileNetとResNeXtにインスパイアされた深さ分離可能およびグループ化畳み込みを組み合わせ、特徴処理の効率を向上させ、パラメータを削減しました。AI-DhabyaniおよびTCIAの乳腺超音波データセットを用いて内部および外部で検証され、他のモデルと比較されました。