U-Netと事前学習済みバックボーンU-Netアーキテクチャを用いたグリオーマのセマンティックセグメンテーションの向上
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 glioma semantic segmentation using U-net and pre-trained backbone U-net architectures.
雑誌名：Sci Rep. 2025 Aug 29; 15(1): 31821.
概 要：
本研究は、グリオーマの異なるサブリージョン（浮腫、壊死、活性腫瘍領域）のセグメンテーションが治療決定や管理において重要であることを背景に、U-Netおよび事前学習済みバックボーンネットワークを用いたグリオーマのセマンティックセグメンテーションの適用を示します。使用したデータは、Multimodal Brain Tumor Segmentation (BraTS) 2021チャレンジから得られたMRI画像です。ResNet、Inception、VGGネットワークをバックボーンとして用いたU-Netアーキテクチャを適用し、精度（ACC）とIoUを評価指標としました。
方 法：
本研究は、BraTS 2021チャレンジからのデータを用いたコホート研究です。U-Netおよび事前学習済みバックボーンU-Netを用いてグリオーマ領域のセマンティックセグメンテーションを行い、ResNet、Inception、VGGをバックボーンとして使用しました。主要評価指標は、精度（ACC）とIoUです。
結 果：
ResNet-U-Netを用いたT1Gd画像での訓練が、壊死および活性腫瘍領域のセグメンテーションにおいて最も高いACCとIoUを示しました。また、T2-FLAIRを用いたResNet-U-Netは、浮腫のセグメンテーションに適した組み合わせであることが示されました。
結 論：
提案されたフレームワークのアーキテクチャとモジュールは科学的に根拠があり、実用的であることが確認され、グリオーマのセマンティックセグメンテーション能力を向上させるための貴重な情報の抽出と集約を可能にします。ResNet-U-Netは、医師がグリオーマ領域を自動的に抽出するのに有用であることが示されました。