SegMotion-Net：心エコー動画からの心筋梗塞早期検出のためのセグメンテーション誘導運動分析
カテゴリ：診断支援・画像解析
公開日：2026年7月19日
タイトル：SegMotion-Net: Segmentation-guided motion analysis for early myocardial infarction detection from echocardiography video
雑誌名：Med Image Anal. 2026 Jul 15; 113: 104212. doi: 10.1016/j.media.2026.104212.
概 要：
心筋梗塞（MI）は依然として重大な臨床課題であり、早期発見が不可逆的な心筋損傷を防ぐために重要です。しかし、心エコーを用いたMIの検出は医師の主観的解釈に依存しており、観察者間のばらつきやパフォーマンスの最適化が課題となっています。本研究では、SegMotion-Netというフレームワークを提案し、セグメンテーションに基づく解剖学的先行知識と運動表現学習を統合してMIを検出します。具体的には、心拍サイクル全体の時空間特徴を集約するタスク特化型メモリ機構を用いて、左心室（LV）壁のセグメンテーションを正確に行います。
方 法：
本研究は、心エコー動画を用いた心筋梗塞の検出に関するもので、SegMotion-Netは心拍サイクルにわたる時空間特徴を集約するメモリ機構を採用しています。LV壁のセグメンテーション精度を向上させるために、予測マスクを用いたメモリ強化モジュールを導入しています。HMC-QUデータセットを用いて、SegMotion-NetはLV壁のセグメンテーションで93.5%のDice係数、MI分類で86.7%のAUCと87.5%のF1スコアを達成しました。
結 果：
SegMotion-Netは、LV壁のセグメンテーションで93.5%のDice係数を達成し、MI分類では86.7%のAUCと87.5%のF1スコアを示しました。複数のプライベートデータセットでの外部検証により、異なるセンター間でのロバスト性が確認されました。特に、心エコーのみの評価設定において、経験豊富な心臓専門医に近いパフォーマンスを達成しました。
結 論：
SegMotion-Netは、LV壁のセグメンテーションと運動ダイナミクスを明示的にモデル化することで、心筋梗塞の検出において解釈可能で臨床的に意義のある意思決定支援を提供することが示されました。