光学粒子群知能技術とResnet Inceptionv2 HCNNを用いた脳腫瘍セグメンテーションのための強化画像登録
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：Enhanced image registration based brain tumour segmentation using optical particle swarm intelligence technique with Resnet Inceptionv2 HCNN
雑誌名：Sci Rep. 2025 Sep 30; 15(1): 33893. doi: 10.1038/s41598-025-09373-5. Epub 2025 Sep 30.
概 要：
本研究は、脳腫瘍の早期診断と治療を目的としたAI技術を用いた医療画像のスクリーニングに焦点を当てています。画像登録と不適切なセグメンテーションによる精度の低下を解決するために、最適な画像特徴工学に基づく光学粒子群知能技術（OPSIT）を提案し、Resnet-Inceptionv2-Hyper Convolution Neural Network（HCNN）を用いて脳腫瘍を効果的に特定します。前処理として、Cascaded Absolute Median Filter（CAMF）を用いて特徴スケーリングを正規化し、Active Contour Colour Histogram Evolution（ACCHE）を適用して腫瘍領域を変化させます。最終的に、提案システムは腫瘍検出の精度を向上させることを目指しています。
方 法：
本研究では、画像登録とセグメンテーションの精度を向上させるために、OPSITを用いた特徴選択とResnet-Inceptionv2-HCNNを組み合わせた手法を採用しています。前処理にはCAMFを使用し、Otsuの閾値で特徴スケーリングを正規化します。腫瘍領域の変化にはACCHEを用い、Hyperactive slicing window segmentationで病変領域の特徴を抽出します。
結 果：
提案したシステムは、腫瘍検出領域の正確なスケーリングを実現し、精度、感度、特異度、ROC性能において他のシステムと比較して高い結果を示しました。具体的な数値は記載されていませんが、精度向上が確認されています。
結 論：
OPSITとResnet-Inceptionv2-HCNNを組み合わせたアプローチは、脳腫瘍の検出精度を大幅に向上させる可能性があり、医療現場での応用が期待されます。