乳がんは女性の健康に大きな脅威をもたらす腫瘍の一つであり、その分子サブタイプは患者の臨床治療薬などと密接な関係があります。乳がんの分子サブタイプを正確に判別することは、臨床治療の指針と予後の改善に重要な役割を果たします。本論文では、1次元畳み込みニューラルネットワーク（1D-CNN）と蛍光分光技術を組み合わせたエンドツーエンドの解析手法を提案しており、解析過程でスペクトルの前処理を必要とせず、プロセスを簡素化し、より多くの有効情報を保持します。自主設計・構築したレーザー誘導蛍光分光システムを用いて、4種類の乳がんサブタイプ組織の自己蛍光スペクトルを取得し、ガウス関数によるスペクトルデータのフィッティングを通じて乳がん組織の生化学的情報の定量および定性分析を行いました。1D-CNNモデルを利用してスペクトルデータの深層特徴をさらに掘り下げ、高精度な乳がんサブタイプの識別を実現しました。さらに、Grad-CAM（勾配重み付きクラス活性化マップ）技術を用いてモデルが注目する重要なスペクトル領域を可視化解析し、モデルの解釈性を高めました。実験結果により、乳がんサブタイプ組織の分類精度は98.7%、再現率は97.2%、適合率は98.1%、F1スコアは97.7%に達しました。本研究で提案した手法は良好な臨床応用の展望を示しており、乳がんの分子型診断のための有効な技術的手段を提供できます。

スペクトル解析;乳がん分型;蛍光分光;1次元畳み込みニューラルネットワーク