画像前処理と最適化感度:脳腫瘍診断における畳み込みニューラルネットワークへの示唆

Summary

本研究は、固定アーキテクチャ内で前処理パイプラインと最適化器を評価するための制御された枠組みを用い、古典的前処理が脳腫瘍分類におけるオプティマイザーおよび畳み込みニューラルネットワーク(CNN)にどのように影響するかを明らかにすることを目指します。

Abstract

磁気共鳴画像法(MRI)を用いた脳腫瘍の分類は、腫瘍の大きさ、形状、質感に変化があるため課題があります。 従来の画像前処理手法は入力品質向上に一般的に用いられていますが、オプティマイザーの挙動やCNN性能への影響はまだ十分に調査されていません。本研究は、前処理が収束、一般化、分類精度に与える影響を様々な最適化器間で検証します。公開されているKaggleデータセットを活用し、画像のサイズ変更のみを行うベースラインパイプラインと、グレースケール変換、ぼかし、形態的フィルタリングを行う従来型パイプラインの2つの前処理パイプラインを作成しました。次に、これらのパイプラインが3つの最適化器、すなわちアダム、平均二乗根伝播(RMSProp)、および確率勾配降下(SGD)にどのように影響するかを検証します。プロトコル変数を分離するために、全体的に固定されたCNNアーキテクチャが使用されます。パフォーマンスは、正確性、正確性、想起性、F1スコアを用いて評価され、5重の相互検証によって検証されます。結果は、ベースラインの前処理がすべてのオプティマイザーで一貫して高い精度とより安定した収束をもたらし、RMSPropとSGDは5重クロス検証で平均精度99.53%の最高を達成していることを示しています。これらの発見は、前処理が最適化器のパフォーマンスに与える影響について十分に研究されていない点に対処し、医療画像解析における堅牢性と解釈性を向上させるために前処理対応型トレーニング戦略の必要性を強調しています。

Introduction

磁気共鳴画像法(MRI)を用いた脳腫瘍の分類は神経腫瘍学において極めて重要な課題であり、早期かつ正確な診断が治療計画や患者の転帰に直接影響します^。CNNは、生の画像データから階層的な空間的およびテクスチャ的特徴を直接学習できるため、このプロセスの自動化における主流のアプローチとなっています^。しかし、入力データの品質はモデル性能の重要な決定要因であり続けます。グレースケール変換、ガウスぼかし、しきい値付け、形態演算などの古典的な前処理技術が、ノイズを低減し構造的境界を強調するために日常的に適用^{されます。}Gangadharanらは脳腫瘍予測のための深層学習モデルの比較解析を行い、アーキテクチャ間のパフォーマンスのばらつきとデータセット特性の重要性を強調しました^。6。Qureshiらは、^{診断精度を}損なうことなく計算効率とリアルタイムの適用性を重視し、多クラス腫瘍検出のための超軽量CNNを提案しました。構造イメージングを超えて、QureshiらはマルチパラメトリックMRIスキャンからの融合多オミクス特徴を用いて、メチルグアニン-DNAメチルトランスフェラーゼ(MGMT)プロモーターのメチル化状態を予測し、非侵襲的な腫瘍プロ^{ファイリングのための}統合データモダリティの可能性を示しました。これらの変換が広く普及しているにもかかわらず、CNNのトレーニング動態、最適化器の挙動、解釈可能性に与える影響は依然として十分に解明されていません。

脳腫瘍分類の最近の進展は、アーキテクチャの複雑性、セグメンテーション・分類ハイブリッド、転移学習に焦点を当てています。例えばMultiFeNetは、空間表現を強化するためにマルチスケール特徴融合を用^{いていますが}、アンサンブルモデルや3D CNNは計算^{オーバーヘッドの増加}を伴いながらも高精度^{を提供します。}サポートベクターマシン(SVM)を用いたウェーブレット変換やセルラーオートマトンベースのエッジ検出などのハイブリッド手法に関する最近の研究は、通常、手作業の特徴付けや多段階処理を必要とします^12,13。不均衡なデータセットに関する比較研究は、クラスごとの一般化を達成する際の課題を浮き彫りにしています。¹⁴。VGGやResNetのような事前学習ネットワークを用いた転移学習アプローチは、MRI分類^15、16、17で有望な結果を示しています。しかし、前処理はしばしば固定された上流ステップとして扱われます。これらのモデルは、入力変換が最適化器やセマンティック保持の収束にどのように影響するかを単独で解明することはほとんどありません。

前処理を意識した研究がこのギャップを浮き彫りにし始めています。Ivanescuらは、過剰なフィルタリングが微妙な^{腫瘍パターンに対する}CNN感度を低下させることを示しました。Vuらは、グレースケール変換やリサイズが文脈情報を破棄し、診断精度に影響を与えることを示しました^。Hooperらは、上流のCTフィルタリングが性能の変動を誘発し、CNNがドメインシフトに対していかに脆弱である^かを明らかにしました。Kunduらは、セグメンテーションを改善するためにガウスベースの強度変換を提案しました^。18;しかし、最適化装置の感度は評価されませんでした。一方、AsiriらとAamirらは脳^{腫瘍検出のために}CNNハイパーパラメータを最適化^し、Adamの優れた性能を前処理の変化にどのように反応するかを分析せずに指摘しました。勾配加重クラス活性化マッピング(Grad-CAM)やSHapley加法解析(SHAP)などの説明可能性ツールは、クラス識別領域を可視化することでCNN意思決定の理解を深めました。^19,20。これらの手法は、前処理が意味保持を改善するか歪めるかを検証するために不可欠です。

しかし、前処理が固定アーキテクチャ下での最適化器の収束、一般化、解釈可能性にどのように影響するかを体系的に検証した研究はほとんどありません。これらは臨床的にも計算的にも重要な問題です。臨床的には、過度な平滑化や強度変換は診断に関連した質感や空間勾配を減衰させ、局所化の正確度や臨床医の信頼を低下させる可能性があります。計算面では、オプティマイザは特徴スケールや勾配分散の変化に対して異なる反応を示します。入力複雑さと最適化ダイナミクスの不一致は、不安定な収束や一般化の質を生じさせることがあります。

これに対応するため、私たちは、Adam、RMSProp、SGDの3つのオプティマイザー間でベースライン(リサイズのみ)と従来型の前処理パイプラインを、一貫したCNNアーキテクチャとBR35H Kaggleデータセット²¹を用いて体系的に比較するデュアルパスフレームワークを導入しました。分類性能、収束速度、解釈可能性をGrad-CAMを用いて評価し、5重クロスバリデーションを経て検証します。従来のアーキテクチャ変更と前処理の変更を混同していたのとは異なり、このプロトコルは前処理を独立変数として分離し、積極的なフィルタリングが最適化器や空間注意のパフォーマンスを妨げることを示しています。

ここで提示されるフレームワークは、既存のモデルに比べていくつかの利点を持っています。まず、前処理戦略と最適化器の相互作用を明示的に評価しており、これはアンサンブルや転移学習の研究でしばしば見落とされがちな次元です(15,16,17)。第二に、固定されたCNNアーキテクチャを維持し、再構成が通常^非現実的である実際の展開制約をシミュレートします。第三に、視覚帰属手法を統合して意味保持を評価することであり、これはラジオマイクおよび手作業^{特徴研究の}先行研究を補完するものです。最後に、フレームワークは前処理を意識した訓練戦略の再現可能な洞察を提供し、堅牢性と解釈性の両方を向上させます。

前処理手法^3,4,5、最適化研究^16,17、説明可能性ツール^19,20の洞察を統合することで、本研究は正確性、安定性、臨床的関連性のバランスを取った実用的かつ解釈可能な脳腫瘍分類のパイプラインを提示します。

Protocol

図1 はプロトコルのワークフローの概要を示しています。本研究は、古典的画像前処理がCNNの性能およびMRIを用いた脳腫瘍分類における最適化装置の挙動に与える影響を検証します。このプロトコルには、データセット準備、デュアルパス前処理パイプライン、モデルアーキテクチャ、最適化装置の設定、パフォーマンス評価、解釈可能性検証が含まれます。すべての実験はPython 3.10.12で、Kerasバージョン2.13.1、TensorFlowバックエンド、OpenCVバージョン4.8.0、Matplotlibバージョン3.8.0を使用して実行されました。

データセットの準備
本研究では、Kaggle²¹のBR35H脳腫瘍MRIデータセット(腫瘍存在(「はい」)と腫瘍欠如(「いいえ」)に均等に分けられた3,000枚の画像で構成されました。すべての画像はOpenCVのcv2.resize関数を用いて128×128ピクセルにリサイズされ、実験間で入力寸法を標準化しました。Scikit-learnのtrain_test_splitを用いた層別サンプリングは、トレーニングセット(80%)と検証セット(20%)にわたるバランスの取れた表現を確保し、各フォールドでのクラス分布の一貫性を維持しました。

BR35H公開データセットに加え、Ultralytics脳腫瘍データセット(https://docs.ultralytics.com/datasets/detect/brain-tumor/)から収集した独立したデータセットを用いてこのプロトコルを検証しました。このデータセットは、有効なトレーニングセット878枚の画像とテストセット223枚の画像で構成されており、明確に定義された2つのクラスがあります:ネガティブ(脳腫瘍のない画像)とポジティブ(脳腫瘍を含む画像)。この独立したデータセットの導入により、元のデータを超えたフレームワークの汎用性と堅牢性をさらに評価することができました。

前処理パイプライン
古典的な画像前処理の影響を評価するために、2つの異なる前処理パイプラインが実装されました。ベースライン前処理(BP)パイプラインは、画像を128ピクセルにリサイズするだけで、追加の変換を行わず×、生のピクセル強度と構造的特徴を制御条件として保持しました。従来の前処理(TP)パイプラインは、OpenCV関数を用いた一連の古典的な画像処理ステップを適用しました。グレースケール変換(cv2.cvtColor)によるチャネル次元の低減、ガウスのぼかし(cv2.ノイズを抑制しコントラストを高めるためのGaussianBlur24、高強度構造をセグメント化するためのしきい値化(cv2.threshold)、エッジを精緻化しアーティファクトを減らす形態的操作(cv2.侵食、cv2.dilate)26、関心領域を特定するための輪郭検出(cv2.findContours)などがあります。このパイプラインはコントラストを高め、視覚的な雑多さを減らしましたが、診断上重要なテクスチャを抑制するリスクもありました。

モデルアーキテクチャ
前処理や最適化器の選択の影響を分離するために、カスタムCNNが実装され、すべての実験で一定に保たれました。アーキテクチャは入力層(128 × 128 × 1)、3つの畳み込み層(最初の層は32フィルター、次の2層は64フィルター、すべて2 × 2カーネルと整流線形単位(ReLU)の活性化を用い)、それぞれに2×2の最大プーリングが続きました。出力は平坦化され、ReLU活性化された128ユニットの密層を通過し、その後ドロップアウト層(レート=0.5)、最後に2値分類用の単一のシグモイドユニットを通過しました。この設計は解釈可能性と計算効率のバランスを取っており、リソース制約の厳しい臨床ハードウェアに適しています。

最適化装置の設定
固定されたハイパーパラメータで3つのオプティマイザーが評価されました:Adam(学習率=0.001、β₁ =0.99、β₂ =0.999、epsilon = 1e−07)、RMSProp(学習率=0.001、rho = 0.9、epsilon = 1e−07)、およびSGD(学習率=0.005、運動量=0.9、ネステロフ無効化)。訓練パラメータは実験間で一定に保たれ、バッチサイズは32、50エポーク、早期停止(忍耐=10)をKerasコールバックで実装し、過学習防止に使われました。

パフォーマンス評価
パフォーマンスは、Scikit-learnのclassification_reportで計算された正確性、正確さ、想起率、F1スコアを用いて評価されました。Matplotlibを用いて訓練および検証損失曲線をプロットし、収束速度を評価し過学習を検出しました。結果は集計され、異なる前処理条件下でのオプティマイザーの感度を比較するために可視化されました。

解釈可能性検証
解釈可能性は、最終畳み込み層から生成されたGrad-CAMの可視化を用いて検証されました。ヒートマップはKerasおよびTensorFlow関数を用いて生成され、Matplotlibを使って元のMRI画像に重ね合わせられました。この措置により、CNNの空間的注意が臨床的に関連した腫瘍領域と整合し、透明性と診断の信頼を支えました。

Results

Adam オプティマイザー - ベースライン前処理:
図2は、ベースライン前処理付きAdamオプティマイザーを用いた脳腫瘍分類モデルの性能を示しています。混同行列は腫瘍と非腫瘍症例のほぼ完璧な分離を示しており、600サンプル中誤分類はわずか8件のみです。付随する分類報告書は、両クラスとも正確に、想起率、F1スコアすべて0.98以上であることを裏付けています。

伝統的な前処理を用いたAdam Optimizer:
図3は、Adam 最適化器と従来の前処理で訓練されたCNNモデルの分類性能を示しています。モデルは全体の精度95.83%を達成し、両クラスともにバランスの取れた精度と0.96の記憶力スコアを達成しました。混同マトリックスは腫瘍陽性と腫瘍陰性の判別が強く、343件の非腫瘍症例のうち333件、257件の腫瘍症例...

Discussion

本研究におけるCNNベースの脳腫瘍分類の成功は、主に前処理設計と最適化器選択という2つのプロトコル要素によって支えられました。画像のリサイズのみで構成されるベースラインの前処理は、ネイティブのピクセル強度と空間構造を保持し、臨床的に関連した特徴を学習することを可能にしました。これに対し、従来の前処理手法(グレースケール変換、ガウスブラー、しきい値、形態演算など)は特徴抽象化を導入し、微妙な腫瘍の手がかりを抑制し、パフォーマンスや解釈性を低下させました。

最適化器の選択は収束速度と一般化にさらに影響を与えました。アダプティブオプティマイザーであるAdamとRMSPropは、クリーン入力条件下で迅速な収束と安定した性能を示しました。SGDは収束が遅いものの、ベースライン前処理と組み合わせることで強い一般化と最小限の過学習を示しました。これらの発見は、医療画像ワークフローにおける堅牢なCNN学習を確保するために、前処理戦略を最適化装置の動態と整合させることの重要性を強調しています。

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
APIラッパー	ケラス	2.13.1(RRID:SCR_016345)	CNNアーキテクチャとトレーニングのための高水準API
帰属ツール	グラッドCAM実装	カスタム(Keras経由)	CNNの注意の視覚的説明
BR35H脳腫瘍MRIデータセット	カグル	https://www.kaggle.com/ahmedhamada0/brain-tumor-detection	分類のためのラベル付きMRI画像の出典およびnbsp;
脳腫瘍データセット	ウルトラリティクス	https://docs.ultralytics.com/datasets/detect/brain-tumor/
ディープラーニングライブラリ	テンソルフロー	2.15.0 (RRID:SCR_018345)	CNNモデル実装のバックエンド
画像処理	OpenCV	4.8.0 (RRID:SCR_015526)	前処理:グレースケール、ぼかし、しきい値、形態
プログラミング言語	パイソン	3.10.12 (RRID:SCR_008394)	すべての実験の実行環境
可視化	Matplotlib	3.8.0 (RRID:SCR_008624)	損失曲線とGrad-CAMオーバーレイのプロット