羊の肺病変肉眼評価に向けた説明可能な深層学習フレームワーク（SPIRO）

3行まとめ

• 羊の肺病変を肉眼画像から自動分類するため、病理組織学的に検証された深層学習モデルの有用性を検証した。
• YOLOv11とEfficientNetB0の併用で正解率90%を達成し、腫瘍病変ではF1スコア0.99の高精度を示した。
• 屠畜場での疾病監視や病理検査の客観的評価を支援し、羊の群健康管理の効率化に寄与する可能性がある。

この論文の要約

目的

羊の肺疾患の正確な検出と分類は、動物福祉や食品安全、屠畜場での疾病監視において重要である。本研究では、羊の肺病変を自動分類する、病理組織学情報に基づく説明可能な2段階深層学習フレームワークの有用性を評価した。

対象と方法

肉眼検査および病理組織診断により正常、炎症性、腫瘍性に分類された羊の肺画像1,052枚を用いた。4種のCNNモデルを比較し、最も良好な性能を示したEfficientNetB0と、肺領域を検出するYOLOv11を組み合わせた2段階パイプラインを構築した。モデルの解釈性は勾配加重型クラス興奮マッピング（Grad-CAM）を用いて評価した。

主な結果

本パイプラインは全体のテスト正解率90%、加重F1スコア0.88を達成した。腫瘍性病変では適合率0.98、再現率0.99、F1スコア0.99と極めて高い分類性能を示し、正常肺と炎症性肺のF1スコアはそれぞれ0.83、0.82であった。興奮マッピング解析により、診断上重要な肺領域に基づいて予測が行われていることが示された。

臨床的意義

説明可能なAIにより、羊の肺の死後評価を客観的かつ生物学的根拠に基づいて行える可能性が示された。本技術は屠畜場サーベイランスや病理診断、群健康モニタリングへの応用が期待される。

⚠️ この要約はAIが自動生成したものです。