BrainSeg：包括的なマルチモーダル脳組織セグメンテーション、区画化、病変ラベリングのための一般化フレームワーク
カテゴリ：診断支援・画像解析
公開日：2026年7月11日
タイトル：BrainSeg: a generalized framework for comprehensive multimodal brain tissue segmentation, parcellation, and lesion labeling.
雑誌名：NPJ Digit Med. 2026 Jul 10; doi: 10.1038/s41746-026-02894-x.
概 要：
本研究では、脳の正確なセグメンテーションが定量的神経画像解析において重要であることを指摘し、既存の手法が人間のライフスパンや多様な画像モダリティに対して一般化されていないことを問題視しています。これに対処するために、BrainSegという新しい統一フレームワークを提案し、ライフスパン全体をカバーする大規模データセットを使用して、再訓練や微調整なしで多様な単一およびマルチモーダル入力シナリオに適応可能です。実験は、妊娠14週から100歳までのデータを対象に行い、26のデータセットから得られた45,998のマルチモーダルスキャンを使用しました。
方 法：
BrainSegは、ライフスパンデータを用いたコホート研究に基づいています。データは、妊娠14週から100歳までの範囲で収集され、26のデータセットからの45,998のマルチモーダルスキャンを含みます。主要評価指標は、組織セグメンテーション、脳の区画化、病変ラベリングにおけるDice比率です。
結 果：
BrainSegは、内部検証において組織セグメンテーションで96.94%、脳の区画化で94.25%、病変ラベリングで91.06%の平均Dice比率を達成しました。外部検証でも高い精度を維持し、組織セグメンテーションで94.01%、脳の区画化で91.20%の平均Dice比率を示しました。
結 論：
BrainSegは、包括的な脳セグメンテーションのための柔軟で信頼性の高い分析ツールとして機能し、大規模な神経画像研究における基盤ツールとしての可能性を示しています。