データ拡張とセグメンテーションは本当に常に必要か？COVID-19のX線とその手法からの洞察
arXiv cs.CV / 2026/4/30
📰 ニュースModels & Research
要点
- 本論文は、COVID-19の胸部X線をAIで信頼性高く分類するには肺のセグメンテーションが必要だと主張し、従来研究で見落とされがちな点が信頼性に懸念を生むと述べています。
- クラス活性化マッピングを用いてCNNの注意領域を可視化し、肺領域のセグメンテーションの必要性を裏付ける結果を示しています。
- データ拡張あり／なしで学習したモデルを比較したところ、ある閾値を超える追加拡張でテスト精度が低下し、過学習が示唆されました。
- 著者らはSDL-COVIDという手法を提案し、COVID-19検出で95.21%の精度と偽陰性率の低下を報告しています。
- 総じて、本研究は医用画像AIパイプラインにおいて、セグメンテーションや拡張が有益になる条件と、汎化を損なう可能性がある条件を具体的に示しています。
