事前ドメイン知識を用いた歯周病分類のための帰納的マルチインスタンスマルチラベル学習
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：Abductive multi-instance multi-label learning for periodontal disease classification with prior domain knowledge
雑誌名：Med Image Anal. 2025 Apr; 101: 103452.
概 要：
本研究は、歯周病（歯周炎や歯肉炎）の診断における機械学習の利用を提案します。従来の方法は、潜在的な関心領域（ROI）を検出・分類し、全体の画像ラベルを決定する二段階プロセスを採用していますが、歯周病の診断には特定の影響を受けた領域を特定する専門的な知識が必要です。そこで、ABductive Multi-Instance Multi-Label（AB-MIML）学習アプローチを提案し、全体の口腔内画像を「バッグ」、局所パッチを「インスタンス」として扱います。この方法は、画像、パッチ、ラベル間の複雑な対応関係をモデル化し、医師の専門知識と画像の構造情報を知識ベースに変換し、帰納的推論を行うことで分類と診断を支援します。
方 法：
本研究では、AB-MIMLアプローチを用いた実験を行い、歯周病の診断における性能を評価しました。具体的には、全体の口腔内画像を「バッグ」とし、局所パッチを「インスタンス」として扱い、医師の専門知識を活用した知識ベースを構築しました。実験は、さまざまな指標に基づいて行われ、提案手法の優位性を確認しました。
結 果：
提案したAB-MIML手法は、従来の最先端アプローチと比較して、歯周病の診断において優れた性能を示しました。また、診断プロセスに関連する重要な領域を特定する上でも有用であり、医師の判断と密接に一致する結果が得られました。
結 論：
AB-MIMLアプローチは、歯周病の診断において専門的な知識を活用し、診断精度を向上させる可能性が示されました。この手法は、医療現場での実用化が期待され、診断プロセスの改善に寄与することが期待されます。