CT画像解析の精緻化：脳組織セグメンテーションのためのU-Netにおける適応的融合の探求
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：Refining CT image analysis: Exploring adaptive fusion in U-nets for enhanced brain tissue segmentation.
雑誌名：PLoS One. 2025; 20(6): e0323692.
概 要：
本研究は、非造影CT（NCCT）を用いて急性脳出血や脳梗塞を迅速に診断するための脳組織セグメンテーション手法を提案します。深層学習アルゴリズムは脳領域を超えた誤警報を生成することが多いため、適応的結果融合戦略を導入し、脳組織内での検索操作を制限することで誤警報を減少させます。様々なU-Netモデルを訓練し、融合戦略を探求しました。最終的に、9x9のガウスフィルターを適用し、バイナリ化を行うことで偽陽性を軽減しました。
方 法：
本研究は、20人の虚血性脳卒中患者（男性14人、女性4人、平均年齢68.9±11.7歳）を対象にしています。適応的融合戦略を用いた脳組織セグメンテーション手法を開発し、U-Netモデルを訓練しました。性能評価には、IoU（Intersection over Union）とHD（Hausdorff Distance）を用い、COCOデータセットのサブセットで外部検証を行いました。
結 果：
UNet2+およびUNet3+との融合ではIoUが0.955、HDが1.33を達成し、U-net、UNet2+、UNet3+との融合ではIoUが0.952、HDが1.61でした。COCOデータセットでの評価では、UNet2+およびUNet3+との融合でIoUが0.463、HDが584.1、U-net、UNet2+、UNet3+との融合でIoUが0.453、HDが728.0でした。
結 論：
適応的融合戦略は誤警報を大幅に減少させ、深層学習に基づく脳梗塞セグメンテーションアルゴリズムの訓練効果を向上させることが示されました。この手法は、脳病変セグメンテーションのための多用途でデータに依存しないアプローチとして期待されます。