排尿膀胱尿道造影画像における後尿道弁の自動検出：診断と分類を強化する新しいAIベースのパイプライン
カテゴリ：手術支援
公開日：2026年2月19日
タイトル：Automated detection of posterior urethral valves in voiding cystourethrography images: A novel AI-Based pipeline for enhanced diagnosis and classification.
雑誌名：Comput Biol Med. 2025 Feb; 185: 109509.
概 要：
後尿道弁（PUV）は男性尿路の稀な先天性異常で、尿道閉塞や腎疾患のリスクを高める可能性があります。従来の診断は画像技術の主観的解釈に依存しています。本研究では、AIベースのパイプラインを用いて排尿膀胱尿道造影（VCUG）画像におけるPUV検出の自動化と精度向上を目指しました。主な目的は、セグメント化された尿道領域から自動的に計算された尿道比に基づいてPUVの存在を検出することです。
方 法：
181枚のVCUG画像が9人の臨床医によってPUVの存在を判断するために評価されました。DenseNet、MobileNet、ResNet、VGGなどの異なるエンコーダーがUnetおよびUnet++アーキテクチャと組み合わされ、尿道領域のセグメンテーションが行われました。セグメンテーション性能を向上させるために、前処理および後処理のステップも検討されました。尿道比は画像処理と形態学的操作を用いて自動的に計算され、最終的にPUVまたは非PUVに分類されました。
結 果：
PUVと非PUVのケース間で81.52%の全体分類精度が達成されました。DenseNet201とUnetの組み合わせが最良のセグメンテーション性能（Diceスコア係数66.15%）を示しました。PUV検出のための尿道比の最適カットオフ値は2.01と決定されました。
結 論：
VCUG画像からのPUV検出は、自動セグメンテーションと処理を通じて主観性を減少させ、医師の負担を軽減することができます。提案されたアプローチは、PUV診断とフォローアップの完全自動化に向けた将来の取り組みの基盤となる可能性があります。