核心概念
本研究は、ゴール条件付き強化学習を用いて、超音波検査の標準的な診断ビューや介入的なビューへの自動ナビゲーションを可能にする新しい手法を提案する。
摘要
本研究は、経食道心エコー検査(TEE)のナビゲーションを支援するための新しい手法を提案している。TEEは心臓疾患の診断と治療に重要な役割を果たしているが、複雑な画像取得と解釈のため、熟練した訓練が必要とされる。
提案手法は、ゴール条件付き強化学習(GCRL)に基づいており、コントラスト学習を活用している。具体的には以下の工夫を行っている:
- 患者間の解剖学的変化に対する一般化を改善するための新しいコントラスト患者バッチング(CPB)手法と、データ拡張コントラスト損失を導入した。
- 標準的な診断ビューだけでなく、左心耳閉鎖術などの介入的なビューにも対応できる単一のモデルを実現した。
大規模なデータセット(789人)を用いて開発したモデルは、140人の検査データに対して、位置誤差6.56mm、角度誤差9.36度と、個別のビューを対象とした従来手法と同等以上の性能を示した。さらに、左心耳ビューへのナビゲーションを定量的に検証し、提案手法の有用性を示した。
本手法は、TEE検査時の技術習得支援や検査の標準化に貢献できると期待される。
統計資料
提案手法は、位置誤差6.56mm、角度誤差9.36度を達成した。
左心耳ビューへのナビゲーションでは、位置誤差9.02mm、角度誤差10.18度を示した。
引述
"本研究は、ゴール条件付き強化学習を用いて、超音波検査の標準的な診断ビューや介入的なビューへの自動ナビゲーションを可能にする新しい手法を提案する。"
"提案手法は、標準的な診断ビューだけでなく、左心耳閉鎖術などの介入的なビューにも対応できる単一のモデルを実現した。"