[論文レビュー] Evaluating LeNet Algorithms in Classification Lung Cancer from Iraq-Oncology Teaching Hospital/National Center for Cancer Diseases

Jafar Abdollahi|arXiv (Cornell University)|May 19, 2023

Radiomics and Machine Learning in Medical Imaging被引用数 5

ひとこと要約

本研究では、イラクがん研究所病院および国立がん疾患センターで収集されたCT画像を用いて、LeNetベースの畳み込みニューラルネットワーク（CNN）を用いた肺がん分類の評価が行われた。IQ-OTH/NCCDデータセットを用いて、モデルは99.51％の正確性、93％の感度、95％の特異性を達成し、高精度な肺腫瘍検出において既存の手法を上回った。

ABSTRACT

The advancement of computer-aided detection systems had a significant impact on clinical analysis and decision-making on human disease. Lung cancer requires more attention among the numerous diseases being examined because it affects both men and women, increasing the mortality rate. LeNet, a deep learning model, is used in this study to detect lung tumors. The studies were run on a publicly available dataset made up of CT image data (IQ-OTH/NCCD). Convolutional neural networks (CNNs) were employed in the experiment for feature extraction and classification. The proposed system was evaluated on Iraq-Oncology Teaching Hospital/National Center for Cancer Diseases datasets the success percentage was calculated as 99.51%, sensitivity (93%) and specificity (95%), and better results were obtained compared to the existing methods. Development and validation of algorithms such as ours are important initial steps in the development of software suites that could be adopted in routine pathological practices and potentially help reduce the burden on pathologists.

研究の動機と目的

• CT画像を用いた自動肺がん検出のためのディープラーニングモデルの開発および妥当性評価。
• AI支援分類により診断の正確性を向上させ、病理医の作業負荷を軽減すること。
• イラクの実臨床データセットを用いたLeNetアーキテクチャの性能評価。
• 日常的な病理的診断に応用可能なソフトウェアツールの開発に貢献すること。

提案手法

• LeNetベースの畳み込みニューラルネットワーク（CNN）を、公開済みのIQ-OTH/NCCDデータセットのCT画像で学習させた。
• 階層的な畳み込み層および全結合層を用いて特徴抽出と分類を実行した。
• モデルはイラクがん研究所病院および国立がん疾患センターのデータセットを用いて学習および検証された。
• 肺腫瘍検出の分類性能を最適化するためにハイパーパrameterを調整した。
• モデルの頑健性を評価するために、正確性、感度、特異性といった評価指標が用いられた。

実験結果

リサーチクエスチョン

• RQ1 LeNetベースのCNNは、実臨床環境におけるCT画像からの肺がん分類で高い正確性を達成できるか？
• RQ2 LeNetモデルの性能は、既存の手法と比較してどのように異なるか？
• RQ3 自動分類により、病理医の診断負担をどの程度軽減できるか？
• RQ4 このモデルをイラクの地域的臨床データセットに適用した際の感度と特異度はいかほどか？

主な発見

• LeNetベースのモデルは、イラクがん研究所病院／国立がん疾患センターデータセットにおいて99.51％の分類正確性を達成した。
• 感度93％を示し、肺腫瘍の強力な検出能力を示した。
• 特異度は95％に達し、がんでない症例における偽陽性率が低かった。
• 全体の正確性およびバランスの取れた性能指標において、既存の手法を上回った。