シフトウィンドウアテンションとクロススケール融合による脳腫瘍セグメンテーションのための堅牢なフレームワークSwinCLNet
カテゴリ：診断支援・画像解析
公開日：2026年6月27日
タイトル：SwinCLNet: a robust framework for brain tumor segmentation via shifted window attention and cross-scale fusion
雑誌名：Sci Rep. 2025 Dec 12; 16(1): 2105. doi: 10.1038/s41598-025-31937-8.
概 要：
本研究では、脳腫瘍のセグメンテーションにおける課題を克服するために、新しいモデルSwinCLNetを提案します。このモデルは、ウィンドウベースのマルチヘッド自己注意、シフトウィンドウマルチヘッド自己注意、クロススケールデュアル融合、および残差大カーネル注意を3D U-Netアーキテクチャに統合しています。これにより、腫瘍の境界を正確に表現し、長距離の空間依存性を捉えることが可能になります。
方 法：
SwinCLNetは、BraTS2023および2024データセットを用いたテストに基づく評価を行いました。エンコーダーはウィンドウベースとシフトウィンドウのマルチヘッド自己注意モジュールを使用して文脈情報を捉え、デコーダーはクロススケールデュアル融合モジュールを用いて腫瘍境界を補完します。さらに、残差大カーネル注意モジュールをスキップ接続に適用し、受容野を拡大します。
結 果：
提案したSwinCLNetモデルは、Diceスコアとハウスドルフ距離において優れた性能を示しました。特に、平均Diceスコアは約4.53%向上し、ハウスドルフ距離の95パーセンタイルは約30.89%減少しました。これにより、腫瘍コアや腫瘍強化領域において特に効率的であることが示されました。
結 論：
SwinCLNetモデルは、脳腫瘍のセグメンテーションにおいて高い精度を実現し、特に難易度の高い腫瘍領域において優れた性能を発揮することが確認されました。このモデルは、今後の臨床応用において有望な結果をもたらす可能性があります。