MEDICINE & AI

タイトル：Acquisition-independent deep learning for quantitative MRI parameter estimation using neural controlled differential equations 雑誌名：Med Image Anal. 2026 Jan; 107(Pt A): 103768. 概　要： 本研究は、定量的MRI（QMRI）パラメータ推定における深層学習の適用を探求し、特にMR取得プロトコルの変化に対するロバスト性の欠如を克服することを目的としています。従来の深層学習手法は、異なる研究や臨床環境におけるQMRI取得プロトコルの違いに対して一般化できず、臨床試験や実践での実装が妨げられています。ニューラル制御微分方程式（NCDE）は、不完全で不規則にサンプリングされたデータの処理に適しており、QMRIパラメータ推定において有用です。本研究では、NCDEがQMRIパラメータの正確な推定において汎用的なツールとして機能することを示しました。 方　法： 本研究では、NCDEを用いたQMRIパラメータ推定の有効性を評価しました。対象としたQMRIモデルには、可変フリップ角T1マッピング、イントラボクセル不整合運動MRI、動的造影MRIが含まれます。シミュレーションと生体内での実験を通じて、NCDEの推定精度を最小二乗法（LSQ）と比較しました。 結　果： NCDEは、低SNRシミュレーションおよび腹部や脚などの困難な解剖学的領域において、LSQフィッティングよりも低い平均二乗誤差を達成しました。ただし、高SNR条件下ではこの改善は見られませんでした。NCDEは、推定誤差の分散を減少させることでパラメータ推定を改善する傾向がありました。 結　論： NCDEは、特に高い不確実性や低画質の画像において、QMRIパラメータ推定のための信頼性の高いアプローチを提供することが示されました。これにより、深層学習をQMRIパラメータ推定に広く適用するための主要な課題が解決されたと考えています。