SAM駆動のデュアルスウィン変換器による咽頭癌検出のための適応的病変強調
カテゴリ：診断支援・画像解析
公開日：2026年2月19日
タイトル：SAM-Swin: SAM-driven dual-swin transformers with adaptive lesion enhancement for Laryngo-Pharyngeal tumor detection
雑誌名：Med Image Anal. 2026 Mar; 109: 103906. doi: 10.1016/j.media.2025.103906. Epub 2025 Dec 08.
概 要：
咽頭癌（LPC）は頭頸部領域において非常に致死的な悪性腫瘍です。本研究では、デュアルブランチネットワークアーキテクチャを通じた腫瘍検出の最近の進展を背景に、SAM駆動のデュアルスウィン変換器（SAM-Swin）を提案します。このモデルは、Segment Anything Model 2（SAM2）の強力なセグメンテーション能力を活用し、病変の正確なセグメンテーションを実現します。また、マルチスケール病変認識強調モジュール（MS-LAEM）を導入し、異なるスケールでの補完的特徴の学習を適応的に強化します。さらに、マルチスケールクラス認識ガイダンス損失（CAG損失）を実装し、クラス特異的特徴の抽出能力を向上させます。実験では、3つのLPCデータセットを用いて、SAM-Swinが最先端の手法を上回る性能を示し、LPC検出の進展と患者のアウトカム改善の可能性を示しました。
方 法：
本研究は、咽頭癌の検出のためにSAM-Swinという新しいモデルを提案しています。モデルは、First Affiliated Hospital（FAHSYSU）、Sun Yat-sen UniversityのSixth Affiliated Hospital（SAHSYSU）、Southern Medical UniversityのNanfang Hospital（NHSMU）から収集した3つのLPCデータセットを使用しています。FAHSYSUデータセットは内部トレーニングに使用され、SAHSYSUおよびNHSMUデータセットは外部評価に利用されました。
結 果：
広範な実験により、SAM-Swinは最先端の手法を上回る性能を示し、咽頭癌の検出における有望な可能性を示しました。特に、病変のセグメンテーション精度や特徴抽出の質が向上し、患者のアウトカム改善に寄与することが期待されます。
結 論：
SAM-Swinは咽頭癌の検出において高い精度を持ち、病変の正確なセグメンテーションとクラス特異的特徴の抽出を実現することで、診断精度の向上に寄与する可能性があります。このモデルは、今後の臨床応用において重要な役割を果たすことが期待されます。