要約
AUTO-PCOS分類チャレンジは、ポリ胱胞性卵巣症候群（PCOS）の診断能力を向上させるために、健常と異常の超音波画像フレームを自動的に分類する人工知能（AI）の開発を目指しています。本報告書では、InceptionV3アーキテクチャを使用した転移学習を活用して、高精度な二値分類を達成するための堅牢なAIパイプラインの構築方法について説明します。前処理手順により、データセットが訓練、検証、テストに最適化されました。また、LIMEやサリエンシーマップなどの解釈可能性手法により、モデルの意思決定プロセスに関する重要な洞察が得られました。当方針は90.52%の精度を達成し、検証データにおける適合率、再現率、F1スコアなどの指標が90%を超える結果となりました。このプロジェクトはAIが医療分野で持つ変革の可能性を強調しており、特にPCOSのような診断課題への対応においてその効果を示しています。主要な研究結果、課題、および今後の改善提案について議論し、信頼性があり解釈可能かつ拡張性のあるAI駆動型医療診断ツールの開発パスウェイを示しています。注：「LIME」は「Local Interpretable Model-agnostic Explanations」の略称であり、「サリエンシーマップ」は「saliency maps」の日本語訳です。これらの用語は専門的な文脈で使用されるため、原文も併記しました。