注意機構を用いたU-Net++による説明可能なAI強化胎児超音波画像セグメンテーションによる周産期医療の進展
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：Advancing prenatal healthcare by explainable AI enhanced fetal ultrasound image segmentation using U-Net++ with attention mechanisms.
雑誌名：Sci Rep. 2025 Jun 04; 15(1): 19612.
概 要：
本研究は、胎児超音波画像のセグメンテーションにおける自動化技術の精度向上を目指し、U-Net++を用いたフレームワークを開発しました。このアプローチにより、時間を要するプロセスを最小限に抑え、標準化された胎児発育評価が可能になります。提案されたモデルは、低コントラストでノイズの多い超音波データからの特徴抽出を強化するために、注意機構を組み込んでいます。評価の結果、97.52%のDice係数、95.15%のIoU、3.91mmのHausdorff距離を達成し、臨床での信頼性向上に寄与する説明可能なAIの要素も統合されています。
方 法：
この研究では、U-Net++とResNetバックボーンを用いたセグメンテーションフレームワークを開発しました。モデルは、U-Net++のネストされたスキップ接続とResNet-34の残差学習を活用し、胎児超音波画像の大規模コレクションに対して評価を行いました。主要評価指標として、Dice係数、IoU、Hausdorff距離を使用しました。
結 果：
開発したモデルは、97.52%のDice係数、95.15%のIoU、3.91mmのHausdorff距離を達成し、従来の手法を上回る結果を示しました。また、Grad-CAM++を統合することで、モデルの決定に対する説明が可能となり、医療専門家がモデルの機能を理解できるようになりました。
結 論：
提案されたシステムは、高精度な医療画像ソリューションを生成するために深層学習と説明可能なAIを組み合わせており、臨床ワークフローへの適用が期待されます。このフレームワークは、周産期診断の向上に寄与し、医療結果を改善する可能性があります。