セグメンテーションに基づく心拡大検出のための半教師あり心胸比推定
カテゴリ：手術支援
公開日：2026年2月19日
タイトル：Segmentation-based cardiomegaly detection based on semi-supervised estimation of cardiothoracic ratio
雑誌名：Sci Rep. 2024 Mar 08; 14(1): 5695.
概 要：
本研究は、心拡大の検出における神経ネットワークの臨床応用を促進することを目的としています。従来のモデルのブラックボックス特性と一般化能力の不確実性に対処するため、心臓と胸部の領域をセグメンテーションする2つの異なる神経ネットワークを用いたアーキテクチャを開発しました。このセグメンテーション結果を基に心胸比を推定し、所定の閾値に基づいて心拡大の有無を分類します。ピクセルレベルのラベル付き胸部X線画像が不足しているため、両モデルは半教師ありで最適化され、手動注釈のコストを大幅に削減しました。最終的な分類結果の解釈性が向上し、アーキテクチャの一般化能力がクロスドメイン設定で評価されました。
方 法：
本研究では、心臓と胸部の領域をセグメンテーションするために2つの神経ネットワークを使用した半教師あり学習を採用しました。ピクセルレベルのラベル付きデータが不足しているため、セグメンテーションモデルは半教師ありの方法で最適化され、手動注釈のコストを削減しました。心胸比の推定に基づいて心拡大を分類するための閾値を設定しました。
結 果：
半教師あり最適化により、セグメンテーションモデルの効果が確認され、最終的な分類アーキテクチャの堅牢性が示されました。セグメンテーション出力は、最終的な分類結果の解釈性を大幅に向上させました。クロスドメイン設定での評価により、アーキテクチャの一般化能力が確認されました。
結 論：
本研究のアーキテクチャは、心拡大の検出において効果的かつ解釈可能な手法を提供し、半教師あり学習の利点を活かすことで、臨床現場での神経ネットワークの応用を促進する可能性があります。