DeepLOC：手首X線画像における骨病変の局在および分類を目的とした深層学習手法

近年、コンピュータ支援診断（CAD）システムは、放射線技師による正確かつ効率的な医用画像解析を支援する上で大きな可能性を示している。本論文では、新たに提案されたブロックを用いたYOLO（You Only Look Once）とシフトウィンドウ変換器（Swin）の組み合わせを活用し、手首X線画像における骨病変の局在化および分類に向けた新規アプローチを提示する。本手法は、手首X線画像解析における2つの重要な課題、すなわち骨病変の正確な局在化と異常の精密な分類に対応している。YOLOフレームワークは、リアルタイムオブジェクト検出の特性を活かして骨病変の検出と局在化に用いられる。さらに、変換器ベースのモジュールであるSwinは、局在化された領域（ROIs: Regions of Interest）から文脈情報を抽出し、正確な分類を実現するために用いられている。