MEDICINE & AI

タイトル：Attend-and-Refine: Interactive keypoint estimation and quantitative cervical vertebrae analysis for bone age assessment 雑誌名：Med Image Anal. 2025 Dec; 106: 103715. 概　要： 小児矯正歯科において、成長の可能性を正確に推定することは、効果的な治療戦略を策定するために不可欠です。本研究は、側面頭部X線写真を用いて成長のピークを特定し、頸椎の形態を分析することでこの可能性を予測することを目的としています。頸椎成熟（CVM）特徴を包括的に分析することで、矯正介入の最適なタイミングを判断するための信頼性の高い効率的なツールを提供します。特に、頸椎のキーポイントの詳細な注釈が重要であり、労力を要する作業です。これを軽減するために、ユーザーインタラクティブな深層学習モデル「Attend-and-Refine Network（ARNet）」を導入しました。このモデルは、ユーザーのフィードバックに応じて画像特徴を適応的に再調整するインタラクションガイド再調整ネットワークを特徴としており、キーポイントの構造的一貫性を保つ形態認識損失関数を組み合わせています。この新しいアプローチは、キーポイントの特定における手動作業を大幅に削減し、プロセスの効率と精度を向上させます。さまざまなデータセットで広範に検証されたARNetは、優れた性能を示し、医療画像における広範な適用性を持っています。結論として、本研究は小児矯正歯科における成長の可能性を評価するための効果的なAI支援診断ツールを提供し、この分野における重要な進展を示しています。 方　法： 本研究は、側面頭部X線写真を用いた頸椎成熟特徴の分析に基づくもので、ユーザーインタラクティブな深層学習モデルARNetを使用しています。ARNetは、ユーザーのフィードバックに基づいて画像特徴を再調整するインタラクションガイド再調整ネットワークを備え、形態認識損失関数を用いてキーポイントの構造的一貫性を保持します。 結　果： ARNetは、頸椎のキーポイント注釈において手動作業を大幅に削減し、プロセスの効率と精度を向上させることが確認されました。さまざまなデータセットでの検証により、ARNetは優れた性能を示し、医療画像における広範な適用性を持つことが明らかになりました。 結　論： 本研究は、小児矯正歯科における成長の可能性を評価するための効果的なAI支援診断ツールを提供し、医療現場での応用が期待される重要な進展を示しています。