論文技術要約：単一ラベル胸部 X 線画像の多疾患分類における深層学習アーキテクチャの比較分析

論文タイトル: Comparative Analysis of Deep Learning Architectures for Multi-Disease Classification of Single-Label Chest X-rays
掲載誌: Charmo Journal of Natural Sciences and Technologies (CJNST), Vol. 2, Issue 1, 2025
著者: Ali M. Bahram, Saman Muhammad Omer, Hardi M. Mohammed

---

1. 背景と課題 (Problem)

胸部 X 線（CXR）は、世界的に最も広く使用されている呼吸器および心臓疾患の診断手法ですが、以下の課題に直面しています：

• 診断精度の限界: 放射線科医の不足や、読影者間のばらつき（inter-observer variability）により、診断の精度が低下するリスクがあります。
• リソース制約: 医療リソースが限られた環境では、高度な診断支援ツールの導入が困難です。
• 既存研究のギャップ: 深層学習を用いた疾患分類の研究は進んでいますが、バランスの取れた多クラスデータセットを用いて、同一のトレーニング条件で最新のアーキテクチャ（CNN と Transformer）を厳密に比較評価した研究は不足しています。また、多くの研究でクラス不均衡（Normal 症例が過剰など）が問題視されています。

2. 目的 (Aims)

本研究の主な目的は、以下の点です：

• 7 つの主要な深層学習モデルを、バランスの取れた 5 疾患クラスの胸部 X 線データセットを用いて比較評価すること。
• 性能指標（精度、AUROC など）と計算効率（パラメータ数、推論時間）のトレードオフを分析し、異なるリソース環境（高機能サーバーからモバイル端末まで）での展開可能性を明らかにすること。

3. 手法 (Methodology)

3.1 データセットの構築と前処理

• データソース: NIH Clinical Center、COVID-19 Radiography Database、Tuberculosis Chest X-ray Database の 3 つの公開リポジトリを統合。
• 対象疾患（5 クラス）: 心拡大（Cardiomegaly）、COVID-19、正常（Normal）、肺炎（Pneumonia）、結核（Tuberculosis）。
• クラス不均衡の解消:
  • アンダースampling: 多数派である「Normal」クラスを、最大少数派クラス（COVID-19: 3,616 枚）に合わせるためにランダムに削減。
  • オーバースampling: 少数派クラスに対して、回転、反転、明るさ調整などの制御されたデータ拡張を行い、各クラスを 3,616 枚に均等化。
  • 最終データ数: 合計 18,080 枚（各クラス 3,616 枚）。
• データ分割: **患者レベル（Patient-level）**で厳密に分割し、データリークを防止。
  • 訓練：70% (14,563 枚)
  • 検証：10% (1,455 枚)
  • テスト：20% (3,517 枚)

3.2 比較対象モデル (7 種類)

すべて ImageNet 事前学習済み重みを使用し、CheXNet のマルチラベル構成から単一ラベル 5 クラス分類へ変更してファインチューニングを行いました。

1. ConvNeXt-Tiny: 現代的な CNN（Transformer の設計思想を取り入れたもの）。
2. DenseNet121 / DenseNet201: 高密度接続を持つ CNN（CheXNet の基盤）。
3. ResNet50: 残差学習（Skip connection）を用いた CNN。
4. EfficientNetV2-M: 複合スケーリングを用いた効率的な CNN。
5. MobileNetV2: 軽量でリソース制約環境向けに設計された CNN。
6. Vision Transformer (ViT-B/16): 自己アテンションメカニズムに基づくトランスフォーマー。

3.3 評価指標

• 精度（Accuracy）、適合率（Precision）、再現率（Recall）、F1 スコア、AUROC。
• 計算効率：パラメータ数、トレーニング時間、推論時間、パラメータあたりの AUROC 効率。

4. 主要な結果 (Results)

4.1 性能評価

• 全体性能: 全ての 7 種類のモデルがテストセットで90% 以上の精度を達成しました。
• 最高性能モデル: ConvNeXt-Tiny が最も高い性能を示しました。
  • テスト精度：92.31%
  • 検証 AUROC: 98.64%
  • テスト AUROC: 95.70%
• その他の高性能モデル: ResNet50 (92.00%)、ViT-B/16 (91.87%)、DenseNet121 (91.71%) も高い性能を維持しました。
• 疾患ごとの難易度:
  • 非常に高い精度: 結核（TB）と COVID-19 は、特徴が明確なため、ほぼ全てのモデルで AUROC 99.97% 以上の完璧に近い分類精度を達成。
  • 課題となる疾患: 「正常（Normal）」、「心拡大（Cardiomegaly）」、「肺炎（Pneumonia）」は、画像的特徴の重なり（例：軽度の肺炎と正常、心拡大の境界線）により分類が困難でした。

4.2 計算効率とリソース制約

• 最も効率的なモデル: MobileNetV2 が最もパラメータ数が少なく（350 万）、トレーニング時間（48 分）と推論時間が最短でした。
  • 性能とのトレードオフ: 最高性能モデル（ConvNeXt-Tiny）の精度の約 98.3% を達成しながら、パラメータ数は 87.5% 削減されています。
  • 効率性指標（AUROC/パラメータ）で MobileNetV2 が圧倒的に優れており、モバイルやリソース制約環境での展開に最適です。
• トランスフォーマーの限界: ViT-B/16 はパラメータ数が最も多い（8580 万）にもかかわらず、性能面では CNN モデル（特に ConvNeXt や DenseNet）に劣りました。医療画像のような小規模・専門的なデータセットでは、CNN の帰納的バイアス（inductive bias）の方が有効であることが示唆されました。

4.3 解釈可能性 (Grad-CAM)

ConvNeXt-Tiny に対する Grad-CAM 解析により、モデルが臨床的に意味のある領域（肺炎の場合は肺実質の浸潤影、心拡大の場合は心影の輪郭、結核の場合は肺尖部など）に注目していることが確認され、診断支援としての信頼性が示されました。

5. 主要な貢献 (Key Contributions)

1. 統合されたバランス型データセットの構築: 複数の公開データソースを統合し、クラス不均衡を解消した 5 クラスの単一ラベル胸部 X 線データセットを構築。
2. 厳密な比較評価: 同一の前処理、トレーニング条件、評価指標を用いて、CNN と Transformer を含む 7 つの最先端アーキテクチャを体系的に比較。
3. 実用的な知見の提供: 医療現場の多様なリソース環境（高機能サーバーからモバイル端末まで）に適したモデル選択の指針を提供。特に、MobileNetV2 のような軽量モデルが、高い精度を維持しつつリソース制約を克服できることを実証。

6. 意義と結論 (Significance & Conclusion)

本研究は、大規模な計算リソースがなくても、胸部 X 線の多疾患分類において高い精度を達成可能であることを示しました。

• 臨床的意義: 放射線科医の負担軽減や、診断リソースが不足している地域（遠隔地や発展途上国）における AI 診断支援システムの導入を促進します。
• モデル選択の指針:
  • 高精度が求められる場合: ConvNeXt-Tiny または DenseNet シリーズ。
  • リソース制約（モバイル/エッジデバイス）の場合: MobileNetV2。
  • Transformer の適用: 医療画像の単一タスク分類においては、大規模なドメイン特化データがない限り、CNN 系の方が効率的である可能性が高い。

今後は、マルチラベル分類への拡張、多施設間での外部検証、臨床メタデータとの統合、および不確実性の定量化を通じた臨床実装への道筋が示唆されています。