技術概要：放射線科医に着想を得た乳がん超音波診断のためのクロスステージ注意多専門家ネットワーク

1. 問題定義

乳がん超音波検査は、乳がんの早期診断における重要な非侵襲的ツールであるが、良性・悪性の自動分類には重大な課題が存在する。主な課題は以下の通りである：

• 腫瘍の異質性と境界の不明瞭さ： 病変はしばしば不明瞭な縁と複雑な内部構造を示し、標準的なモデルによる特徴抽出を困難にする。
• データの不均衡： データセットはしばしばクラス不均衡に悩まされ、頑健な分類器の訓練を複雑にする。
• 臨床論理との乖離： 既存の深層学習アプローチは、単一のブランチで画像全体を入力とするものが多く、診断的に有用な病変情報を十分に抽出できていない。一方、手動による関心領域（ROI）の切り出しに依存する手法は、煩雑なワークフローと一貫性のない結果をもたらす。
• 現在のアーキテクチャの限界： 従来の畳み込みニューラルネットワーク（CNN）は、微小な病変や境界が不明瞭な病変に対して苦戦することが多く（場合によっては精度が 70% 未満）、限界がある。さらに、既存の専門家混合（MoE）の実装は、通常、解剖学的領域ではなく抽象的な特徴タイプによって専門家を分割しており、解釈可能性を制限している。加えて、標準的な注意機構（例：SE-Net）は単一レイヤー内で動作するため、階層的な特徴段階にわたる動的な相互作用を捉えられない。

2. 手法

本論文では、放射線科医の臨床診断ワークフロー（「腫瘍全体画像－腫瘍中心部－境界分析」）と整合するよう設計された**クロスステージ注意専門家混合ネットワーク（CSA-MoE-Net）**を提案する。

A. データ前処理とマルチビュー生成

手動による切り出しの代わりに、本モデルは単一の超音波画像とその対応する病変マスクから 3 つの異なる入力ビューを生成する：

1. 腫瘍全体画像（Expert-Img）： 元の画像を 224×224 にリサイズしたもので、グローバルな文脈を提供する。
2. 腫瘍中心部（Expert-Tumor）： マスクに形態学的侵食を適用して固体の病変体を分離し、内部のテクスチャとエコー特徴に焦点を当てて生成される。
3. 境界（Expert-Boundary）： 形態学的膨張と集合差演算を適用して、輪郭、棘状突起、縁の情報を包含する狭い帯を抽出し、生成される。

B. バックボーン：クロスステージ注意 ResNet-18

本モデルは、3 つの専門家ブランチすべてに対して修正された ResNet-18 をバックボーンとして使用する。主要な革新点は、単一レイヤー注意の限界を克服するクロスステージ注意モジュールである：

• メカニズム： ResNet-18 の 4 つの残差段階にわたって動的な接続を確立する。
• プロセス： 4 つのすべての段階からの特徴を収集し、統一された次元にマッピングする。学習可能なクエリベクトルが段階ごとのキーベクトルとの類似性を計算し、注意重み（$\alpha_k$）を生成する。
• 再較正： これらの重みは、最終段階の特徴マップをチャネルごとの乗算によって再較正するために使用され、有益なチャネルを強化し冗長性を抑制する。これにより、モデルは浅い詳細（境界）と深い意味論を動的に融合させることができる。

C. 専門家混合（MoE）ブロック

アーキテクチャは、3 つのブランチからなる MoE 構造を採用しており、各ブランチ（Expert-Img、Expert-Tumor、Expert-Boundary）は、クロスステージ注意 ResNet-18 バックボーンを使用して独立して特徴を抽出する。

• 適応的ゲーティングネットワーク： 2 層の MLP が 3 つの専門家の連結出力（$F_{concat}$）を受け取り、Softmax 関数を介して動的な重み（$w_1, w_2, w_3$）を計算する。
• 融合： 最終的な**融合専門家特徴（FEF）**は、3 つのブランチ出力の加重和である。このメカニズムは、入力特性に基づいて異なる病変側面を柔軟に優先する放射線科医の能力（例：悪性症例では境界の不规则性を強調する）を模倣する。

D. 分類

融合された 512 次元の特徴ベクトルは、シグモイド活性化関数を持つ全結合層を通過し、二値分類（良性対悪性）を行う。

3. 主要な貢献

1. 臨床的に整合したアーキテクチャ： 本モデルは、抽象的な特徴タイプに依存するのではなく、分析を全体画像、中心部、境界ビューに分離することで、放射線科医の論理を反映するように意思決定プロセスを明示的に構造化する。
2. クロスステージ注意機構： 従来のチャネル注意とは異なり、このモジュールはネットワークの異なる段階にわたる特徴の重要性を動的に評価し、不明瞭な境界や微小な病変の局在化を改善する。
3. 適応的ゲーティング融合： ゲーティングネットワークは専門家間で計算焦点を動的に割り当て、モデルが特定の病変特性に適応することを可能にする（例：不規則な縁を持つ場合に境界特徴の重みを増す）。
4. バックボーンからの独立性： 提案されたモジュール（クロスステージ注意と MoE）は、プラグ＆プレイコンポーネントとして設計されており、ResNet-18 だけでなく、VGG-16 や DenseNet-121 に統合された場合にも有効であることが実証されている。

4. 実験結果

実験は、2,129 枚の乳がん超音波画像（良性 1,108 例、悪性 1,021 例）のバランスの取れたデータセットで行われた。モデルの安定性を確保するため、20 回の独立した実行で評価された。

CSA-MoE-Net（ResNet-18 バックボーン）のパフォーマンス：

• 精度： 96.33%（±0.70）
• 適合率： 94.09%（±1.20）
• 再現率： 98.53%（±0.70）
• F1 スコア： 96.25%（±0.70）
• AUC： 99.50%（±0.10）

比較分析：

• ベースライン ResNet-18 対比： CSA-MoE-Net は、精度を 3.01%、再現率を 5.37%、AUC を 5.42% 向上させた。
• アブレーション研究：
  • クロスステージ注意を除去（ResNet-MoE）すると、再現率（98.53% から 94.94% へ）と AUC が大幅に低下し、病変局在の感度向上におけるその役割が確認された。
  • Expert-Boundary ブランチを除去すると、アブレーションされたブランチの中で最も顕著な性能低下が生じ、悪性検出における境界特徴（棘状突起/不规则性）の臨床的有用性が実証された。
• 汎用性： VGG-16 および DenseNet-121 に適用した場合、モジュールは一貫して性能を向上させ、すべての設定で 95% 超の精度と 99% 超の AUC を達成した。

5. 意義と主張

本論文は、CSA-MoE-Net が、臨床的推論との構造的整合性を通じて深層学習の「ブラックボックス」性質に対処することで、コンピュータ支援診断のための信頼性の高い支援システムを提供すると主張する。

• 臨床的有用性： 本モデルの高い再現率（98.53%）は、見落とし診断（偽陰性）のコストが偽陽性よりもはるかに大きい乳がんスクリーニングにおいて重要であると強調されている。著者らは、ベースラインの ResNet-18 と比較して、提案モデルはスクリーニングコホートにおいて見落とされた悪性症例を減らすことで、より多くの命を救う可能性があると推定している。
• 解釈可能性： ゲーティング重みと専門家の貢献を可視化することで、モデルは透明な推論を提供し、臨床導入の障壁を低下させる可能性がある。
• 効率性： クロスステージ注意モジュールは、計算オーバーヘッドを最小限に抑え（パラメータ数の増加は約 2〜3%）ながら、大幅な性能向上をもたらす。
• 限界： 著者らは、本研究が単一センターの後ろ向きデータセットに基づいており、手動によるマスク注釈に依存していることを認めており、これが汎用性と展開コストに影響を与える可能性がある。また、ゲーティングネットワーク自体が個々の専門家の内部意思決定論理に関して「ブラックボックス」のまま残っていることも指摘している。

結論として、本論文は、乳がん超音波検査における深層学習の能力と臨床診断ワークフローの間のギャップを埋める、堅牢で解釈可能かつ高性能なソリューションとして CSA-MoE-Net を提示する。