肺疾患の胸部X線画像からの検出を目的とした、適応的かつ利他的なPSOベースの深層特徴選択手法

肺炎は、特に世界の所得水準が低い地域において、乳幼児死亡の主要な要因の一つである。肺炎は、比較的簡易な機器および薬剤によって検出・治療可能であるにもかかわらず、発展途上国における肺炎の検出は依然として大きな課題である。こうした国々においては、専門医に比べて運用コストが低いコンピュータ支援診断（CAD）システムが有効に活用できる。本稿では、深層学習とメタヒューリスティックアルゴリズムの概念を用いて、胸部X線画像から肺炎を検出するCADシステムを提案する。まず、対象となる肺炎データセット上で微調整（fine-tuned）された事前学習済みResNet50から深層特徴を抽出する。その後、粒子群最適化（PSO）に基づく特徴選択手法を提案する。この手法は、記憶に基づく適応パラメータを導入して改良し、エージェントに利他的行動（altruistic behavior）を組み込むことで強化している。本手法を「適応的かつ利他的なPSO（Adaptive and Altruistic PSO: AAPSO）」と命名する。提案手法は、ResNet50モデルから得られる情報量の少ない特徴を効果的に排除することで、全体フレームワークの肺炎検出性能を向上させた。公開されている肺炎データセットを用いた広範な実験および包括的な分析により、本手法が他の多数の肺炎検出フレームワークと比較して優れた性能を示すことが確認された。さらに、AAPSOは肺炎検出にとどまらず、標準的なUCIデータセット、がん予測用遺伝子発現データセット、およびCOVID-19予測データセットにおいても評価された。全体的な結果は良好であり、AAPSOが多様な現実世界の問題に対応する上で有効であることを裏付けている。本研究の補足ソースコードは、以下のGitHubリポジトリにて公開されている：https://github.com/rishavpramanik/AAPSO