人間の精度を超える：カリキュラム学習を用いたUSG画像からの胆嚢がん検出

私たちは、超音波画像（USG）から胆嚢がん（GBC）を検出するCNNベースのモデルの可能性を探ります。これまで、この分野での先行研究は知られていません。USGは、その低コストと利便性から、胆嚢疾患の診断に最も一般的に使用されるモダリティです。しかし、センサーの手動操作性により、USG画像は低い画像品質、ノイズ、および視点の変化という課題を抱えています。我々が最新の（SOTA）画像分類技術について詳細に調査した結果、これらの技術はUSG画像中の影のために重要な胆嚢領域を学習できないことがしばしば示されました。また、SOTAオブジェクト検出技術もノイズや隣接する臓器による偽テクスチャのために低い精度しか達成できません。これらの課題に対処するために、我々はGBCNetを提案します。GBCNetはまず、胆嚢（がんではなく）を検出して関心領域（ROIs）を抽出し、次に新しい多尺度・二次プーリングアーキテクチャを使用してGBCの分類に特化しています。偽テクスチャを効果的に処理するために、人間の視覚能力に着想を得たカリキュラムを提案し、これによりGBCNetにおけるテクスチャバイアスを軽減します。実験結果は、GBCNetがSOTA CNNモデルだけでなく専門医師にも大幅に優れていることを示しています。私たちの技術革新は他のUSG画像解析タスクにも汎用的であるため、有効性として乳腺がん検出におけるGBCNetの性能も示しています。プロジェクトページにはソースコード、学習済みモデル、データが公開されており、以下のURLでアクセスできます: https://gbc-iitd.github.io/gbcnet