MEDICINE & AI

タイトル：Enhancing neurological disease diagnostics: fusion of deep transfer learning with optimization algorithm for acute brain stroke prediction using facial images 雑誌名：Sci Rep. 2025 Apr 10; 15(1): 12334. 概　要： 本研究は、顔画像を用いた急性脳卒中の予測と分類モデルを向上させるための新しい手法（ENDDFTL-ABSPFI）を提案します。脳卒中は高齢者において主要なリスクであり、従来の診断法に加えて、人工知能（AI）を活用した迅速な検出が注目されています。提案手法では、画像前処理にファジーベースのメディアンフィルタを使用し、Inception-V3とEfficientNet-B0を用いて特徴抽出を行います。さらに、畳み込みニューラルネットワークと双方向長短期記憶（CNN-BiLSTM）モデルを用いて脳卒中の分類を行い、マルチオブジェクティブセイルフィッシュ最適化（MOSFO）によるハイパーパラメータ選択を実施します。シミュレーション結果は、Kaggleデータセットを用いて評価され、提案手法は既存の方法に対して98.60%の高い精度を示しました。 方　法： 本研究は、顔画像を用いた急性脳卒中予測のためのコホート研究です。画像前処理にはファジーベースのメディアンフィルタを使用し、特徴抽出にはInception-V3とEfficientNet-B0を融合したモデルを採用しています。脳卒中の分類にはCNN-BiLSTMモデルを使用し、MOSFOによるハイパーパラメータの最適化を行いました。評価にはKaggleデータセットを使用し、様々な指標でシミュレーションを行いました。 結　果： 提案したENDDFTL-ABSPFI手法は、急性脳卒中の予測において98.60%の精度を達成しました。これは、既存の手法と比較して優れた結果を示しており、顔画像を用いた脳卒中診断の新たな可能性を示唆しています。 結　論： ENDDFTL-ABSPFI手法は、顔画像を用いた急性脳卒中の検出と分類において高い精度を実現し、神経疾患診断の向上に寄与する可能性があります。この手法は、AIを活用した迅速な診断の実現に向けた重要なステップとなるでしょう。