2.5DトランスフォーマーバックボーンU-ネットモデルを用いたMRIにおける脳卒中損傷セグメンテーションの強化
Mahsa Karimzadeh1, Hadi Seyedarabi1, Ata Jodeiri2
1Faculty of Electrical and Computer Engineering, University of Tabriz, Tabriz 51666, Iran.
Brain sciences
|August 28, 2025
まとめ
この研究は,精密な脳卒中病変のセグメンテーションのためのトランスフォーマーバックボーンを備えた改良されたU-Netディープラーニングモデルを導入します. この新しいアプローチは 早期の臨床介入のための 診断手段を大幅に強化します
科学分野:
- 医学画像分析
- 深層学習
- 神経イメージング
背景:
- MRIによる脳卒中病変の正確なセグメンテーションは 診断と治療計画に不可欠です
- 既存の方法は,精度と計算の複雑性のバランスをとる上で課題に直面しています.
研究 の 目的:
- 脳卒中病変の精密なセグメンテーションのための新しいディープラーニングモデルを開発し評価する.
- トランスフォーマーベースのバックボーンと2.5DのアプローチでU-Netアーキテクチャを強化する.
主な方法:
- ミックス・ビジョン・トランスフォーマー (MiT) のバックボーンでU-Netモデルを実装した.
- 3DMRIデータスライスを処理するために2.5D方法を利用しました.
- 2015年のISLESデータセットで評価されたパフォーマンスは4倍クロス検証を使用しています.
主要な成果:
- 提案されたU-Netは,MiTバックボーンと2.5Dメソッドで優れた性能を達成しました.
- ダイス係数は0.8153±0.0101で,IOUは0.7835±0.0079である.
- CNNベースのUNet,nnU-Net,TransUNet,SwinUNetを含む他の最先端のモデルを上回りました.
結論:
- トランスフォーマーバックボーンと2.5Dテクニックを統合することで 脳卒中の病変のセグメンテーションを大幅に改善します
- 開発されたモデルは,臨床診断アプリケーションのためのより信頼性と効率的なツールを提供します.
