AIと希少疾病 ── 希少な血液疾患 ── 2026-10-16

血液塗抹画像を入力に、画像のノイズ・赤血球の形のばらつき・細胞の重なりという難所を挙げ、Medav-Gaussian フィルタで除ノイズし、Tsallis エントロピーに基づく閾値処理で細胞を切り分け、画像を水増しする。幾何学的特徴と一次統計量の特徴を抽出し、PShCN-Net で分類する。学習データの 90% で評価し正解率は 91.945%。外部検証はなく、多施設データでの検証が今後の課題である。 — イメージアブストラクト ── 記事の全体像を 1 枚に（画像を押すと拡大）

希少な血液疾患 1 本。筆頭: Medav-Gaussian フィルタと Pyramid Shepard CNN による鎌状赤血球症の分類

対象誌と選び方は索引の頁に

希少な血液疾患（血友病・鎌状赤血球症など）の治療・治験とAI

Medav-Gaussian フィルタと Pyramid Shepard CNN による鎌状赤血球症の分類
Sickle cell disease classification using Medav-Gaussian filter and Pyramid Shepard CNN
Scientific Reports · 2026-10-13 · 証拠の段階: 画像分類モデルの開発研究（外部検証なし）
抄録（全訳）
鎌状赤血球症（SCD）は健康に深刻なリスクをもたらす。有効な治療には、正確な分類が必要である。SCD ではヘモグロビン遺伝子が変異し、赤血球（RBC）が鎌のような形に変わる。そのため酸素がうまく運ばれず、血管が詰まる。しかし、血液塗抹標本の画像から SCD を正確に分類するのはまだ難しい。画像にノイズがあり、RBC の形がまちまちで、細胞どうしが重なるためである。
本研究はこれらの課題に対し、深層学習（DL）による手法 Pyramid Shepard 畳み込みニューラルネットワーク（PShCN-Net）を作った。血液塗抹画像から SCD を分類する手法である。最初の処理では、Medav-Gaussian（MG）フィルタで画像のノイズを除く。次に、Tsallis エントロピーに基づく閾値処理で細胞を切り分ける（セグメンテーション）。モデルの頑健性を高めるため、画像の水増し（オーグメンテーション）を行う。そのうえで、幾何学的な特徴と一次統計量の特徴を抽出する。分類には、提案する PShCN-Net を用いる。PShCN-Net は、精度を高めるために PyramidNet と Shephard 畳み込みニューラルネットワークの構造を組み合わせたモデルである。
学習データの 90% で評価したところ、PShCN-Net の成績は次のとおりであった。正解率 91.945%、真陽性率 93.235%、真陰性率 92.345%、適合率 91.437%、F1 スコア 92.327%、偽陽性率 7.655%、偽陰性率 6.765%。今後は、より大規模で多様な多施設の血液塗抹画像データセットで PShCN-Net を検証する。汎用性と臨床での適用可能性をさらに評価するためである。
掲載誌の IF 相当：5.2（OpenAlex の直近 2 年の平均被引用数・2026-10-06 時点の値、2026-10-07 に取得。正式な IF（Clarivate）ではない）
書誌：Ponnada S, Majji R, Rout AK, Selvaraju S. Sickle cell disease classification using Medav-Gaussian filter and Pyramid Shepard CNN. Sci Rep. 2026 Oct 13 [Epub ahead of print]. doi:10.1038/s41598-026-75109-8.
確認の範囲：抄録のみ確認

← この号の目次へ