MEDICINE & AI

タイトル：Pancreas segmentation in CT scans: A novel MOMUNet based workflow 雑誌名：Comput Biol Med. 2025 Jul; 193: 110346. 概　要： この研究は、CTスキャンにおける膵臓の自動セグメンテーションの精度を向上させるための新しい三段階のワークフローを提案しています。膵臓はサイズの変動が大きく、クラスの不均衡が生じやすいため、従来の手法では十分な精度が得られませんでした。提案するワークフローでは、まず背景を除去するExternal Contour Cropping（ECC）を用いてクラスの不均衡を軽減し、次にSize Ratio（SR）技術でトレーニングデータセットを再構築し、最後に1.31百万パラメータの超軽量セグメンテーションモデルMOMUNetを開発しました。このアプローチにより、膵臓や大腸などの小さな臓器のセグメンテーション精度が大幅に向上しました。 方　法： 本研究は、膵臓のセグメンテーションを改善するための三段階のワークフローを採用しています。第一に、ECCを用いて背景を除去しクラスの不均衡を軽減します。第二に、SR技術を用いてターゲット臓器の相対的なサイズに基づいてトレーニングデータセットを再構築します。第三に、1.31百万パラメータのMOMUNetモデルを開発し、限られた計算資源での最適な性能を目指しました。 結　果： 提案したワークフローは、NIH-PancreasデータセットでのDice Score（DSC）を2.56%、MSD-Pancreasデータセットで2.97%向上させました。また、MSD-Colonデータセットにおける大腸癌のセグメンテーションでは、DSCが68.4%に達し、最先端モデルを上回る結果を示しました。 結　論： 提案したMOMUNetベースのワークフローは、膵臓や大腸などの小さな腹部臓器のセグメンテーション精度を大幅に向上させることができ、低リソースの医療施設でも深層学習を利用しやすくする可能性があります。