教員活動データベース

脳画像AI解析における信頼性

発表形態：: 一般講演（学術講演を含む）
主要業績：: 主要業績
単著・共著：: 共著
発表年月：: 2023年06月

DOI：: 10.11517/pjsai.JSAI2023.0_3J1GS104
会議属性：: 国内会議
査読：: 無し
リンク情報：

日本語フィールド

著者：

川口淳, 石丸悠子, 高尾結佳, 大迫亮介

題名：

脳画像AI解析における信頼性

発表情報：

JSAI2023-2023年度人工知能学会全国大会（第37回）（ハイブリッド開催）, 2023, 6, 6-9(現地開催+オンライン開催)

キーワード：

脳画像解析, 人工知能, 生物統計学

概要：

本論文では、脳画像解析における信頼性についてのレビューし見解を述べた後に、実験として、脳画像の実データにおけるAI解析法の説明性評価を行った．レビューからの結果として，解析に十分な信頼性を与えるには，膨大なサンプルサイズを必要とされるが，新規知見を得るような脳画像解析においては少サンプルサイズとなり，その状況下でも信頼性が評価される必要があることを主張した．OASISデータに対して，アルツハイマー病群と正常群の脳の違いによる分類問題におけるAI解析法に対する説明性の評価を行った．実験結果として，F1値を用いた評価の場合，ResNet モデルの説明法としてGradCAM++の説明個所が真の領域と最もよく一致していることがわかった．

抄録：

人工知能学会全国大会論文集第37回セッションID: 3J1-GS-1-04

英語フィールド

Author：

KAWAGUCHI A, ISHIMARU Y, TAKAO Y, OSAKO R

Title：

Reliability in AI for Brain Imaging Analysis

Announcement information:

The 37th Annual Conference of the Japanese Society for Artificial Intelligence, 2023(hybrid event), 2023, 6, 6-9(On-site+On-line)

Keyword：

Brain Imaging Analysis, AI, Biostatistics

An abstract：

In this paper, after reviewing and discussing the reliability of brain image analysis, we conducted an experiment to evaluate the explainable AI analysis methods on real brain image data. The review claimed that brain imaging analyses that yield new findings need to be evaluated for reliability even in small sample size situations, while a large sample size is necessary to provide sufficient reliability in the analysis. We evaluated the explainable AI analysis methods on the classification problem of brain differences between Alzheimer's disease and normal groups for the OASIS data. The experimental result showed that in the case of evaluation using the F1 score, the GradCAM++ method for the ResNet model best matched the true regions.