本研究では、多発性硬化症(MS)の脳MRI画像から病変を自動的に分割するSegHeDモデルを提案している。MSの画像データは、撮像条件や注釈スタイルが異なる複数のデータセットから構成されることが多く、従来の分割モデルでは対応が難しかった。
SegHeDは、横断面データと縦断データ、全病変注釈、新規病変注釈、消失病変注釈など、異種のデータ入力と多タスクの分割を可能にする。さらに、時間的一貫性、空間的整合性、体積制約などの解剖学的制約を組み込むことで、新規病変、消失病変、全病変の分割を同時に行うことができる。
実験では、5つのMSデータセットを用いて評価を行った。全病変分割では従来手法を大きく上回る性能を示し、新規病変分割でも競争力のある結果を得た。消失病変分割については、これまで取り組まれていなかった新しい課題であるが、一定の性能を示すことができた。
本手法は、異種のデータ入力と多タスクの分割を可能にし、MSの画像解析を大きく前進させる可能性がある。また、解剖学的制約の導入により、より信頼性の高い分割結果が得られることが期待される。
To Another Language
from source content
arxiv.org
Key Insights Distilled From
by Berke Doga B... at arxiv.org 10-03-2024
https://arxiv.org/pdf/2410.01766.pdfDeeper Inquiries