深層学習を用いた解剖学的スケールの局在化による微小出血の自動検出に向けて
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：Toward automated detection of microbleeds with anatomical scale localization using deep learning.
雑誌名：Med Image Anal. 2025 Apr; 101: 103415.
概 要：
本研究は、脳内の微小出血（CMB）の自動検出とその解剖学的局在の特定を目的とした新しい3D深層学習フレームワークを提案します。CMBは脳組織内の小さな血液成分の慢性的な沈着物であり、その解剖学的位置に応じて様々な脳血管疾患と関連しています。手動でのCMB検出は時間がかかり、エラーが発生しやすいため、提案手法では3D U-Netをバックボーンとしたエンドツーエンドモデルを用いてCMBを検出し、解剖学的情報を活用して偽陽性を減少させます。結果として、提案手法は感度94.66%を達成し、偽陽性の平均数を0.56に減少させました。
方 法：
本研究は、3D深層学習フレームワークを用いたコホート研究です。CMB検出には3D U-Netと領域提案ネットワーク（RPN）を組み合わせたモデルを使用し、特徴融合モジュール（FFM）とハードサンプルプロトタイプ学習（HSPL）を導入して偽陽性を減少させます。解剖学的局在化には、3D U-Netセグメンテーションネットワークを用いて脳の解剖学的構造をセグメント化します。主要評価指標は感度と偽陽性の平均数です。
結 果：
提案したRPNは、感度94.66%を達成し、偽陽性の平均数は0.86から0.56に減少しました。解剖学的局在化タスクにより、検出性能が向上し、偽陽性の平均数がさらに減少しました。
結 論：
提案した深層学習フレームワークは、微小出血の自動検出とその解剖学的局在の特定において高い性能を示し、臨床現場での応用が期待されます。