新しい畳み込みニューラル ネットワークの開発者らは、彼らの方法により、標準的な画像診断を使用した多発性硬化症 (MS) 病変のセグメンテーションの精度を向上できると述べています。
新しい研究では に掲載されました ニューロイメージングジャーナル彼らは、彼らの方法が既存のセグメンテーション アルゴリズムよりも優れていると言っています。1
局所的な脳病変は MS の重要な診断マーカーです。また、これらは治療反応を評価し、将来の障害を予測するためにも使用できると、責任著者であるマウント・サイナイ・ヘルス・システムのアイカーン医科大学のフランチェスコ・ラ・ローザ博士らは指摘する。病変の数と体積もMS研究において「不可欠な」データポイントであると彼らは付け加えた。
「信頼性の高い病変セグメンテーションは、中心静脈兆候や常磁性リム病変などの高度なイメージングバイオマーカーを研究するための基盤を提供します」と研究者らは書いている。
MS病変はT2強調（T2w）磁気共鳴画像法（MRI）を使用して特定できるが、MS病変を手動でセグメント化するプロセスには時間がかかり、評価者間のばらつきがあるため問題があると研究者らは述べた。機械学習と人工知能 (AI) の新たな進歩により、病変のセグメンテーションを自動化できるようになりました。この課題を達成するために、さまざまなアプローチが開発されており、自動化された MS セグメンテーションは、 国際競争 昨年開催され、アイカーン医科大学も参加した2。
La Rosa 氏らは、自動セグメンテーションのアプローチの中で最も成功しているのは、畳み込みニューラル ネットワークに基づいていると述べました。それでも彼らは、自動化手法の「大多数」では、T2w体液減衰反転回復（FLAIR）MRIとT1強調画像の両方の使用が必要であると述べた。新しいアルゴリズムのほとんどは、臨床現場で必ずしも取得または実行可能であるとは限らない研究グレードのスキャンでもトレーニングされています。
そこで、La Rosa らは、T2w FLAIR 画像のみを使用して効果的な自動化手法の開発を模索しました。研究チームは、MS患者からの668回のスキャンを使用してディープラーニングベースのアルゴリズムを作成した。スキャンは 1.5 および 3 T MRI スキャナーを使用して取得されました。彼らはそのアルゴリズムを、多発性硬化症における FLAIR Lesion Analysis の略称である FLAMeS と名付けました。
研究では、開発者は研究グレードと臨床グレードの MRI スキャンの両方を使用して、FLAMeS を 2 つの公的に利用可能なアルゴリズムと比較しました。 「ベンチマーク手法」は、Lesion Segmentation Toolbox (LST) 手法と Sequence Adaptive Multimodal SEGmentation (SAMSEG) アルゴリズムでした。 LST の「ツールボックス」は、実際には 3 つの異なるメソッドのパッケージです。 La Rosa らは、FLAIR 画像のみが利用可能な場合にはいずれかの方法を使用し、FLAIR スキャンと T1w スキャンの両方が利用可能な場合には 2 つ目の AI ベースの方法を使用しました。
研究者らは 3 つの外部データセットを使用してアルゴリズムを評価しました。メソッドのパフォーマンスは 2 つの異なる方法で評価されました。盲検化された 2 人の専門家が、アルゴリズムのパフォーマンスを定性的に評価する任務を負いました。さらに、標準的なセグメンテーションメトリクスを使用して、自動化された病変マスクとグラウンドトゥルース病変マスクを比較することによって定量的評価が実行されたと著者らは述べています。
20 件のスキャンの定性的レビューでは、1 人の専門家が 15 件で最も正確なセグメンテーション方法として FLAMeS を選択し、もう 1 人が 17 件で FLAMeS を選択しました。定量分析においても、FLAMeS は他の方法よりも優れており、陽性的中率と偽陽性率が優れていると La Rosa 氏らは述べています。彼らは、他の2つの方法は大小の病変を見逃したが、FLAMeSは10 mm3未満の病変のみを見逃したと付け加えた。
研究者らは、彼らのアルゴリズムが他のアルゴリズムよりも優れたパフォーマンスを発揮したのは、基礎となるアーキテクチャが優れているか、より優れたトレーニングデータを備えているためである可能性があると述べた。彼らは、両方の要因が関与している可能性が高いと考えていると述べた。
調査員らは、他の人が手法を微調整できるようにすることを期待してモデルを公開したと述べた。
「画質、解像度、取得プロトコルの変動に対する精度と復元力の向上により、FLAMeS は MS 研究アプリケーションにとって貴重なツールとなります。」と彼らは述べています。
参考文献:
- デレスケヴィッチ E、ラ ローザ F、ドス サントス シウバ J 他多発性硬化症の脳病変を自動セグメンテーションするための新しい畳み込みニューラル ネットワーク。 J ニューロイメージング。 2025;35(5):e70085。土井:10.1111/jon.70085
- Antonacopoulos A、Chaudhuri S、Chellappa R、他。多発性硬化症病変セグメンテーションに関する ICPR 2024 コンペティション – 方法と結果。 パターン認識能力 2024 年 11 月 30 日にオンラインで公開。doi:10.1007/978-3-031-80139-6_1
1765811849
#畳み込みニューラル #ネットワークにより #病変のセグメンテーションが向上
2025-12-15 15:05:00