UAE：マルチモーダル医療画像における普遍的解剖学的埋め込み
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：UAE: Universal Anatomical Embedding on multi-modality medical images
雑誌名：Med Image Anal. 2025 Jul; 103: 103562.
概 要：
本研究では、医療画像分析における解剖構造（病変やランドマーク）の特定が重要であることを背景に、UAE（Unified framework for learning Anatomical Embeddings）を提案します。UAEは、外見、意味、異なるモダリティ間の解剖学的埋め込みを学習することを目的としています。具体的には、プロトタイプ対照損失を用いた意味埋め込み学習、固定点に基づくマッチング戦略、異なるモダリティ間の埋め込み学習のための反復アプローチを組み込んでいます。UAEは、ランドマーク検出や病変追跡、CT-MRIのアフィン/剛体登録などのタスクで徹底的に評価され、従来の最先端手法を上回る性能を示しました。
方 法：
本研究は、UAEを用いた解剖学的埋め込み学習のフレームワークを構築し、意味埋め込み学習、固定点マッチング、異なるモダリティ間の埋め込み学習を行いました。評価には、1ショットランドマーク検出、長期CTスキャンでの病変追跡、CT-MRIのアフィン/剛体登録が含まれ、さまざまな視野での性能を検証しました。
結 果：
UAEは、従来の手法と比較して、ランドマークベースの医療画像分析タスクにおいて優れた性能を示しました。特に、1ショットランドマーク検出や病変追跡、CT-MRI登録において、UAEは高い精度を達成しました。
結 論：
UAEは、解剖学的埋め込みの学習において強力で多用途なアプローチを提供し、医療画像分析の分野におけるランドマーク検出の精度向上に寄与する可能性があります。