MEDICINE & AI

タイトル：A novel hybrid ViT-LSTM model with explainable AI for brain stroke detection and classification in CT images: A case study of Rajshahi region. 雑誌名：Comput Biol Med. 2025 Mar; 186: 109711. 概　要： 本研究は、脳卒中の診断におけるCTスキャンの解釈の難しさを克服するために、Vision Transformer（ViT）とLong Short Term Memory（LSTM）を統合した新しいハイブリッドモデルを提案します。このモデルは、CT画像から重要な特徴を抽出し、時系列情報を処理することで脳卒中の特徴を正確に検出・分類します。また、データセットのクラス不均衡問題に対処し、説明可能なAI（XAI）手法を用いて信頼性のある予測を提供します。ラジシャヒ医科大学病院から収集したBrSCTHD-2023データセットを用いて評価し、最適化手法により最高94.55%の精度を達成しました。さらに、Kaggleの脳卒中データセットでも96.61%の精度を記録し、従来のCNNやViTモデルを上回る診断性能を示しました。 方　法： この研究は、CT画像を用いた脳卒中の検出と分類を目的としたハイブリッドモデルの開発に関するものです。ViTがCT画像から特徴を抽出し、LSTMがその時系列情報を処理します。データセットはラジシャヒ医科大学病院から収集されたBrSCTHD-2023を使用し、クラス不均衡に対処するための高度な戦略を採用しました。主要な評価指標は、異なる最適化手法に基づく精度です。 結　果： 提案したViT-LSTMモデルは、SGD、RMSProp、Adam、AdamWの各最適化手法を用いて、それぞれ73.80%、91.61%、93.50%、94.55%の精度を達成しました。また、Kaggleの脳卒中データセットでは96.61%の精度を記録し、従来のモデルと比較して優れた診断性能を示しました。 結　論： この研究は、深層学習の革新と専門知識を組み合わせ、臨床意思決定を支援するための信頼性のある診断ソリューションを提供することで、自動化された脳卒中診断の進展に寄与します。提案したモデルは、診断性能と一般化能力において従来のモデルを上回ることが確認されました。