MEDICINE & AI

タイトル：Multi-encoder self-adaptive hard attention network with maximum intensity projections for lung nodule segmentation 雑誌名：Comput Biol Med. 2025 Oct; 197(Pt B): 111059. 概　要： 肺結節の正確なセグメンテーションは、早期の肺癌診断において重要であり、患者の生存率を大幅に向上させる可能性があります。本研究では、CT画像を用いた肺結節分析のための効率的なエンドツーエンドフレームワーク「MESAHA-Net」を提案します。このネットワークは、3つのエンコーディングパス、アテンションブロック、デコーダーブロックから構成され、前方および後方の最大強度投影（MIP）画像を統合して肺結節の文脈理解を深めます。さらに、自己適応ハードアテンションメカニズムを導入し、結節領域に基づくROIマスクによって生成された特徴を管理します。このフレームワークは、LIDC-IDRIデータセットで評価され、様々な肺結節タイプに対して高いロバスト性を示し、従来の最先端技術を上回るセグメンテーション性能を達成しました。 方　法： 本研究は、肺結節セグメンテーションのためのエンドツーエンドのコホート研究であり、LIDC-IDRIデータセットを使用して評価されました。MESAHA-Netは、3つのエンコーディングパスとアテンションブロックを持ち、最大強度投影画像を用いてCTスライスパッチを統合します。主要評価指標は、セグメンテーション性能と計算複雑性です。 結　果： MESAHA-Netは、様々な肺結節タイプに対して高いロバスト性を示し、従来の最先端技術を上回るセグメンテーション性能を達成しました。具体的な数値は示されていませんが、リアルタイムの臨床実装に適した性能を持つことが確認されました。 結　論： 提案したMESAHA-Netは、肺結節のセグメンテーションにおいて高精度かつ効率的な手法であり、AI駆動の診断ツールの臨床での実装に向けた有望なアプローチを提供します。