MEDICINE & AI

タイトル：Robust Bi-CBMSegNet framework for advancing breast mass segmentation in mammography with a dual module encoder-decoder approach 雑誌名：Sci Rep. 2025 Jul 08; 15(1): 24434. 概　要： 乳がんは世界中の女性に影響を与える一般的な疾患であり、早期スクリーニングが死亡率を大幅に低下させることができます。マンモグラムはスクリーニングに広く使用されていますが、手動での読影は誤診を引き起こす可能性があります。コンピュータ支援診断は、医師が迅速かつ正確な判断を下すのを助け、患者に利益をもたらします。しかし、マンモグラムにおける乳房腫瘤のセグメンテーションと分類は、周囲の腺組織と形状が似ているため困難です。本研究では、Bi-Contextual Breast Mass Segmentation Framework（Bi-CBMSegNet）を提案し、マンモグラム内での乳房腫瘤セグメンテーションの精度と効率を向上させることを目指しています。 方　法： 本研究は、乳房腫瘤のセグメンテーションを改善するために、Global Feature Enhancement Module（GFEM）とLocal Feature Enhancement Module（LFEM）からなる二つのモジュールを持つエンコーダ・デコーダアーキテクチャを採用したBi-CBMSegNetを開発しました。GFEMはマンモグラム内のすべての位置から特徴を集約し、同質領域の表現を強化します。一方、LFEMは特定の位置に関連する意味情報を強調し、異質領域の輪郭を洗練させます。 結　果： Bi-CBMSegNetは、二つの公開されたマンモグラフィーデータベースで厳密に評価され、計算効率と性能指標において優れた結果を示しました。これにより、医療画像処理、特に乳がんスクリーニングにおいて重要な進展が期待されます。 結　論： Bi-CBMSegNetは、乳房腫瘤のセグメンテーションにおいて精度と効率を大幅に向上させることが示され、診断および治療計画プロセスの改善に寄与する可能性があります。