MEDICINE & AI

タイトル：Multi-level semi-supervised GAN enables accurate segmentation of breast ultrasound images. 雑誌名：Scientific Reports. 2026 Apr 09; doi: 10.1038/s41598-026-46741-1. 概　要： 本研究では、乳がん診断における重要な手法である超音波画像の病変セグメンテーションを改善するために、マルチレベル半教師あり生成対抗ネットワーク（MLSS-GAN）を提案します。ピクセルレベルの注釈に伴う高コストと労力が、乳房超音波（BUS）画像セグメンテーションアルゴリズムの進展を妨げています。提案手法は、生成器と新しいマルチレベル分類器を持つディスクリミネーターを組み込み、画像レベルとピクセルレベルのタスクに対して異なるデコーダーを使用することで、より包括的なセグメンテーション監視を実現します。実験結果は、特に限られた数の注釈付きBUS画像での条件下において、提案手法の優れた性能を示しました。 方　法： 本研究は、乳房超音波画像セグメンテーションのためのマルチレベル半教師あり生成対抗ネットワーク（MLSS-GAN）を用いたアプローチです。提案手法では、特徴抽出のためのエンコーダーと、画像レベルおよびピクセルレベルのタスクに特化した2つのデコーダーを持つディスクリミネーターを使用しています。BUSIデータセットを用いて、完全教師ありおよび半教師ありアプローチとの比較を行い、効果を評価しました。 結　果： 提案手法は、BUSIデータセットにおいて、限られた数の注釈付きBUS画像の条件下でも、従来の完全教師ありおよび半教師ありアプローチと比較して優れた性能を示しました。特に、異なる特徴表現において実際のBUS画像に近い画像を生成する能力が強化され、分類特徴空間が豊かになりました。 結　論： MLSS-GANは、乳房超音波画像のセグメンテーションにおいて、限られた注釈データでの性能を向上させることができることが示されました。この手法は、今後の乳がん診断支援システムにおいて有用なツールとなる可能性があります。