多パラメトリックMRIにおける脳膠芽腫セグメンテーションのための地域認識型および系列情報型マルチデコーダーネットワーク
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：Regional-aware and sequence-informed multi-decoder network for robust brain glioma segmentation in multi-parametric MRI
雑誌名：Comput Biol Med. 2026 Jan 15; 201: 111387.
概 要：
この研究は、脳膠芽腫のサブリージョンを多パラメトリックMRIから正確にセグメント化するための新しい深層学習フレームワークを提案しています。脳腫瘍の診断、手術計画、治療モニタリングにおいて、周囲の非強調FLAIR高信号、非強調腫瘍コア、強調腫瘍の効果的な区別は困難です。本研究では、マルチデコーダーアーキテクチャ、MRIシーケンスに基づくガイダンス戦略、改良された自己注意メカニズムを導入し、精度の高い地域特異的セグメンテーションを実現しました。BraTS 2023データセットでは、平均Dice類似係数（DSC）0.9009、95パーセンタイルHausdorff距離（HD95）6.61mmを達成し、特に強調腫瘍の区別において最先端の手法を上回りました。
方 法：
この研究は、深層学習に基づくフレームワークを用いて、脳膠芽腫のセグメンテーションを行うコホート研究です。提案されたモデルは、マルチデコーダーアーキテクチャを採用し、各デコーダーが診断対象に最適なMRIシーケンスに合わせて調整されるガイダンス戦略を実装しています。主要評価指標は、BraTS 2023データセットにおけるDSCとHD95です。
結 果：
提案された方法は、BraTS 2023データセットにおいて平均DSC 0.9009、HD95 6.61mmを達成しました。特に強調腫瘍のセグメンテーションにおいて、最先端の手法を上回る性能を示しました。また、外部データセット（BraTS 2020、BraTS Africa、MRBrainS18、BraTS 2024治療後）での検証により、最も困難なシナリオで最大4.09%のDSC向上が確認されました。
結 論：
このフレームワークは、脳膠芽腫のセグメンテーションにおいて、臨床的洞察と方法論的革新を統合した堅牢で一般化可能な解決策を提供し、個別化された治療計画とアウトカム評価の改善を支援する可能性があります。