薬剤関連有害事象を予防するためのインスタンスセグメンテーションマスク付き薬剤画像データセット

本文: arXiv:2603.10825v1 アナウンス種別: new 要旨: 薬剤の誤薬および薬剤関連有害事象（ADEs）は、現実世界の設定で薬剤を信頼性高く同定することの難しさから生じることが多く、患者の安全性に重大なリスクをもたらします。AIベースの錠剤認識モデルは有望な解決策を提供しますが、包括的なデータセットの不足が開発を妨げています。既存の錠剤画像データセットは、重なり合う錠剤、照明のばらつき、遮蔽といった現実世界の複雑さをほとんど捉えていません。MEDISEGは8262枚の画像にわたって32種類の異なる錠剤タイプのインスタンスセグメンテーションアノテーションを提供することでこのギャップを埋めます。個別の錠剤画像から混雑したデソテ箱に至るまで、さまざまな条件を包含しています。我々はMEDISEG上でYOLOv8とYOLOv9を訓練し、その有用性を示すため、IoU 0.5における平均適合率を3-Pillsサブセットで99.5%、32-Pillsサブセットで80.1%を達成しました。さらに、少数ショット検出プロトコルの下でMEDISEGを評価し、MEDISEGでのベース訓練が、遮蔽された多錠剤シナリオにおける未知の錠剤クラスの認識を既存データセットと比較して有意に改善することを示しています。これらの結果は、堅牢な教師あり訓練を支援するだけでなく、限られた監督の下で移転可能な表現を促進するデータセットの能力を強調しており、薬剤の安全性のためのAI駆動システムの開発とベンチマークにとって貴重なリソースとなっています。