MEDICINE & AI

タイトル：Guided image generation for improved surgical image segmentation 雑誌名：Med Image Anal. 2024 Oct; 97: 103263. 概　要： 本研究は、手術領域における大規模データセットと高品質な注釈データの不足が、正確で堅牢な機械学習モデルの開発を制限していることに着目しています。生成モデルを用いて、現実に近い多様な合成画像を生成することが可能であることが示されていますが、手術領域では十分に探求されていません。本研究では、セグメンテーションマップから合成画像を生成する新しい生成モデル「Surgery-GAN」を提案します。このモデルは、画像品質を向上させるための正規化層を組み合わせており、異なる手術データセットにおいて新しく現実的で多様な手術画像を生成できることを示しています。 方　法： 本研究では、Surgery-GANという生成モデルを用いて、セグメンテーションマップから合成手術画像を生成しました。実験には、胆嚢摘出術、部分腎摘除術、根治的前立腺摘除術の3つの手術データセットを使用し、合成画像と実際の画像を組み合わせて他の機械学習モデルの性能向上を図りました。具体的には、5つの異なるセグメンテーションモデルを訓練し、合成画像の使用がセグメンテーション性能を改善することを確認しました。 結　果： Surgery-GANを用いて生成した合成画像は、実際の画像のみを使用した場合と比較して、常に平均セグメンテーション性能を向上させました。例えば、根治的前立腺摘除術においては、平均セグメンテーション性能が最大5.43%向上しました。また、特にトレーニングセットで過小評価されているクラスにおいては、特定のクラスの性能向上が最大61.6%に達することが示されました。 結　論： Surgery-GANは、手術画像の生成において新たな可能性を示し、合成画像を用いることでセグメンテーションモデルの性能を向上させることができることが確認されました。このアプローチは、手術領域における機械学習モデルの開発において重要な進展をもたらす可能性があります。