早期膵臓がん検出のためのスケーラブルAIフレームワーク

この論文は、マルチモーダルCT画像を用いた早期膵臓がん検出のための新しいAIフレームワーク（SRFA）を提案しています。このフレームワークは、微妙な視覚的手がかりと患者固有の解剖学的バリエーションという課題に対処しています。セグメンテーションにMAGRes-UNet、特徴抽出にDenseNet-121、特徴選択にハイブリッドメタヒューリスティック（HHO-BA）、分類にハイブリッドViT-EfficientNet-B3モデルを使用し、デュアル最適化（SSAとGWO）を組み合わせることが主な貢献です。報告された高い精度、F1スコア、および特異性は、早期検出と臨床結果を改善する可能性を示唆しています。

• •早期膵臓がん検出のための新しいSRFAフレームワークを提案。
• •セグメンテーション、特徴抽出、特徴選択、分類を含む多段階アプローチを採用。
• •高い精度とF1スコアを達成し、従来のモデルと最新のモデルを上回る。
• •ハイブリッドメタヒューリスティックとデュアル最適化を使用してパフォーマンスを向上。