Alapfogalmak
多様な集団(成人、小児、サブサハラアフリカ)の脳MRIデータを用いて、Convolutional Neural Networksを活用して脳腫瘍のセグメンテーションを高精度化する。
Kivonat
本研究は、BraTS-GoATチャレンジに向けた取り組みである。脳腫瘍のセグメンテーションは、患者の癌進行を評価する上で重要な手順であるが、手動セグメンテーションには専門家の多大な時間を要し、観察者間・観察者内のばらつきが生じる課題がある。
本研究では、医療画像セグメンテーションに優れたMedNeXtアーキテクチャをベースラインとして採用し、モデルアンサンブルや後処理を施すことで、精度向上を図った。具体的には以下の通り:
MedNeXt-Bおよび-Mモデルを5分割交差検証で学習
複数モデルの予測結果を平均化してアンサンブル化
連結成分分析や平均確率に基づく後処理を実施
実験の結果、バリデーションデータセットにおいて平均DSC 85.54%、HD95 27.88を達成した。大規模モデルの活用や後処理の最適化により、従来のBraTSチャレンジよりも高い精度が得られた。
Statisztikák
成人、小児、サブサハラアフリカ地域の患者データを含む2,251件の脳MRI画像が学習に、360件が検証に使用された。