BIOゲノム・バイオ
CT画像とGANベース拡張を用いた肺がん分類のためのCNN-RNNフレームワーク
CNN-RNN framework for lung cancer classification using CT imaging and GAN-based augmentation
FIFrontiers in Artificial Intelligence · CC BY 4.0
AIが原文を翻訳・要約しています
本研究では、CT画像とGANベースの拡張を用いた説明可能な肺がん分類のためのGenAI駆動型CNN–RNNフレームワークを提案する。このフレームワークは、空間特徴抽出のための畳み込みニューラルネットワーク、逐次依存性分析のためのLSTMベースのリカレント学習、少数クラスの表現を改善するためのGAN支援拡張、および分類性能向上のための注意機構ガイド付き特徴融合を統合している。公開されているIQ-OTH/NCCD肺がんCT画像データセットを使用して実験評価が行われた。Adamオプティマイザと50エポックで学習され、5分割交差検証で評価された結果、提案フレームワークは精度92.84%、適合率91.76%、再現率90.42%、F1スコア91.08%、ROC-AUC値0.94を達成した。Grad-CAMとSHAP可視化手法は、予測結果に影響を与える重要な病変領域を強調することで解釈性を向上させた。この結果は、提案されたCNN–RNNフレームワークが、限られた医療画像条件下でのCT画像ベースの肺がん分類をサポートできることを示唆している。
CONTEXT文脈編集部による背景整理
本記事は学術研究レベルの肺がんCT画像分類フレームワークの提案であり、具体的な製品化・実用化・規制承認・企業活動には至っていない。CNN-RNNとGAN拡張を組み合わせた点は技術的興味深いが、限定的な公開データセットでの評価であり、実臨床での有効性や商用化の見通しは不明。現時点では投資判断に直結する具体的な事象とは言えず、out_of_scopeと判断する。
原文を読むAnalyzed at 2026年7月28日 15:00