[論文レビュー] Comparing Results of Thermographic Images Based Diagnosis for Breast Diseases

Érick Oliveira Rodrigues, Aura Conci+4 more|arXiv (Cornell University)|Aug 30, 2022

Infrared Thermography in MedicineMedicine参考文献 8被引用数 18

ひとこと要約

本研究では、UFPE病院の公開データセット（102枚の静的赤外線画像、正常例54例、所見あり48例）を用いて、機械学習分類器を比較し、赤外線熱画像法による乳房疾患の検出を評価した。最高性能を示した先行研究の特徴量を用い、順次最小最適化（SMO）アルゴリズムを適用した結果、61.7%の正答率とYouden指数0.24を達成した。

ABSTRACT

This paper examines the potential contribution of infrared (IR) imaging in breast diseases detection. It compares obtained results using some algorithms for detection of malignant breast conditions such as Support Vector Machine (SVM) regarding the consistency of different approaches when applied to public data. Moreover, in order to avail the actual IR imaging's capability as a complement on clinical trials and to promote researches using high-resolution IR imaging we deemed the use of a public database revised by confidently trained breast physicians as essential. Only the static acquisition protocol is regarded in our work. We used lO2 IR single breast images from the Pro Engenharia (PROENG) public database (54 normal and 48 with some finding). These images were collected from Universidade Federal de Pernambuco (UFPE) University's Hospital. We employed the same features proposed by the authors of the work that presented the best results and achieved an accuracy of 61.7 % and Youden index of 0.24 using the Sequential Minimal Optimization (SMO) classifier.

研究の動機と目的

• 機械学習を用いた赤外線熱画像法の乳房異常検出における診断的潜在能力を評価すること。
• 標準化された公開熱画像データセット上で、異なる分類アルゴリズムの性能を比較すること。
• 高解像度の静的熱画像法が臨床的乳房疾患スクリーニングにおける補助的ツールとしての有効性を検証すること。
• 改良・医師確認済みの公開データベース上で、最高性能を示した先行研究の特徴量を用いてベンチマークを確立すること。
• 臨床的妥当性を備えた信頼性の高い公開データセットを提供することで、熱画像法研究の促進を図ること。

提案手法

• UFPE大学病院で収集された、Pro Engenharia（PROENG）の公開データベースに掲載された102枚の静的赤外線熱画像を用いた。
• 一貫性と比較可能性を確保するため、最高性能を示した先行研究で用いられた同一の特徴量セットを適用した。
• 正常例対異常例の二値分類に、順次最小最適化（SMO）分類器を用いた。
• 正答率やYouden指数を含む標準的指標を用いて、モデルの性能を評価した。
• 動的または熱調節反応解析を含まない、静的取得プロトコルに限定して分析を行った。
• 臨床的関連性と再現可能性を確保するため、医師が確認済みの公開データセットを用いた。

実験結果

リサーチクエスチョン

• RQ1 機械学習を用いた赤外線熱画像法は、悪性乳房疾患と正常例を区別する上で、臨床的に意味のある正答率を達成できるか？
• RQ2 標準化された熱画像データセットに適用した場合、SMO分類器の性能は他のアルゴリズムと比べてどうなるか？
• RQ3 医師が確認済みの高解像度公開データベースを用いることで、熱画像診断研究の信頼性はどの程度向上するか？
• RQ4 静的熱画像法の診断的有用性は、正答率およびYouden指数で測定すると、どの程度か？
• RQ5 先行研究で最高性能を示したモデルからの一貫した特徴抽出が、新たなデータセットでも同等の結果を再現できるか？

主な発見

• SMO分類器は、102枚の熱画像テストセットにおいて61.7%の診断正答率を達成した。
• Youden指数0.24は、正常例と異常例の間の診断的分離が中程度であることを示しており、限定的ではあるが非自明な分離が確認された。
• 本研究では、熱画像法と機械学習を組み合わせることで、公開データセット上での測定可能な診断性能が得られることを確認した。
• 標準化された特徴量セットと医師が確認済みのデータセットを用いることで、先行研究の結果の再現性が示された。
• 性能水準から、熱画像法は標準的画像診断モodalitiesに取って代わることは難しいが、臨床的スクリーニングにおける補助的ツールとしての役割を果たす可能性がある。
• 公開、高解像度、医師が確認済みのデータベースの活用により、今後の熱画像法研究の信頼性と再現性が向上した。