低データ環境における狂犬病診断：データ拡張と転移学習の影響に関する比較研究

arXiv cs.CV / 2026/4/23

📰 ニュースDeveloper Stack & InfrastructureTools & Practical UsageModels & Research

共有:

要点

本研究は、蛍光顕微鏡による診断で専門家の解釈が必要になる一方で、低サンプル量の地域では知見が不足しがちな課題に取り組んでいる。
蛍光画像を対象に、4つの深層学習アーキテクチャ（EfficientNetB0、EfficientNetB2、VGG16、ViT-B16）で転移学習を行うAI駆動の自動診断パイプラインを提案した。
データ拡張を3手法で比較した結果、TrivialAugmentWideが重要な蛍光パターンを保持しつつロバスト性と汎化性能を高める点で最も有効だった。
155枚の顕微鏡画像（陽性123・陰性32）という小規模データで、クラス不均衡とデータ制約の中でも、幾何学・色の拡張と層化3分割交差検証で選択したEfficientNetB0が切り出し画像で最良の分類性能を示した。
実運用を見据えてオンラインツールを公開し、さらなる最適化によって医用画像分野への展開を進められる枠組みを提示している。