COVID-19肺感染のCT画像からの正確なセグメンテーションのためのカプセルネットワーク強化U-Netアーキテクチャ
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：CAD-Unet: A capsule network-enhanced Unet architecture for accurate segmentation of COVID-19 lung infections from CT images.
雑誌名：Med Image Anal. 2025 Jul; 103: 103583.
概 要：
本研究は、COVID-19肺炎の診断におけるCT画像の重要性に着目し、肺感染のセグメンテーションを行う新しい深層ネットワークアーキテクチャ「CAD-Unet」を提案します。COVID-19感染のセグメンテーションは、境界が不明瞭でコントラストが限られているため困難です。本研究では、従来のU-Netフレームワークにカプセルネットワークを組み込み、複雑な病変の空間情報を抽出することを目指しました。提案モデルは、4つの公開データセットでの実験を通じて、優れたセグメンテーション性能を示しました。
方 法：
本研究は、CAD-Unetという新しい深層ネットワークアーキテクチャを用いた研究です。カプセルネットワークをU-Netフレームワークに組み込み、カプセルエンコーダパスとU-Netエンコーダ間の結合パスを設計しました。これにより、両ネットワーク構造の補完的な利点を最大限に活用し、効率的な情報融合を実現しました。実験は、バイナリセグメンテーションおよびマルチクラスセグメンテーションタスクを含む4つの公開データセットで行われました。
結 果：
提案したCAD-Unetモデルは、実験において優れたセグメンテーション性能を示しました。具体的な数値は記載されていませんが、従来の手法と比較して高い精度を達成しました。
結 論：
CAD-Unetは、COVID-19肺感染のセグメンテーションにおいて高い精度を持つことが示され、医療現場での迅速かつ正確な診断に寄与する可能性があります。