頸椎骨折の自動識別のための効率的な深層学習アプローチ
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：An efficient deep learning based approach for automated identification of cervical vertebrae fracture as a clinical support aid.
雑誌名：Sci Rep. 2025 Jul 15; 15(1): 25651.
概 要：
頸椎骨折は患者の健康に重大なリスクをもたらします。正確な診断と迅速な治療が必要であり、頸椎骨折の自動分析は非常に重要です。本研究では、頸椎の軸方向CTスキャンスライスにおける骨折の識別と分類のための新しいハイブリッド転移学習アプローチを提案します。RSNA（北米放射線学会）の注釈付き頸椎骨折データセットを使用し、CTスキャンスライスの前処理と特徴抽出を行います。最も性能の良いモデルであるInception-ResNet-v2をU-Netのアップサンプリングコンポーネントと組み合わせたハイブリッドアーキテクチャを構築しました。このモデルは、2984枚のテストCTスキャンスライスに対して98.44%の全体精度を達成し、放射線科医による95%の予測精度を3.62%上回る結果を示しました。
方 法：
本研究は、RSNAデータセットを用いたコホート研究です。CTスキャンスライスは前処理され、特徴が抽出されます。四つの異なる事前学習済み転移学習モデルを使用して頸椎の異常を検出し、最終的にInception-ResNet-v2とU-Netのアップサンプリングコンポーネントを組み合わせたハイブリッドモデルを構築しました。主要評価指標は、2984枚のテストCTスキャンスライスに対する全体精度98.44%です。
結 果：
ハイブリッドモデルは2984枚のテストCTスキャンスライスに対して98.44%の全体精度を達成しました。これは、放射線科医による95%の予測精度を3.62%上回る結果です。このモデルは、従来の深層学習モデルよりも優れた性能を示しました。
結 論：
本研究のハイブリッドモデルは、頸椎骨折の迅速かつ正確な診断を支援するための強力なツールを医療専門家に提供し、臨床意思決定支援システムの進展に寄与する可能性があります。これにより、患者の転帰と医療の効率が向上することが期待されます。