マンモグラフィにおける乳がん診断の向上：畳み込みニューラルネットワークと説明可能なAIの評価と統合

乳がんのマンモグラフィ画像から診断するためのディープラーニング（DL）モデルはしばしば「ブラックボックス」として機能し、医療専門家がその意思決定プロセスを信頼し理解することが難しくなります。本研究は、CBIS-DDSMデータセットを使用して乳がんの診断を強化するための畳み込みニューラルネットワーク（CNN）と説明可能な人工知能（XAI）を組み合わせた統合フレームワークを提案します。この方法論は、データセットの制約に対抗するための詳細なデータ前処理パイプラインと高度なデータ拡張技術を含み、VGG-16、Inception-V3、ResNetなどの事前学習されたネットワークを使用した転移学習が採用されました。本研究の焦点は、AIが生成した説明と専門家の注釈との整合性を定量的に評価するためにハウスドルフ測度を利用することによって、モデル予測の解釈におけるXAIの効果を評価することです。このアプローチは、AI支援診断における信頼性と倫理的公正性を促進するためにXAIにとって重要です。