CT画像における鼻前鼻炎に対するcnns,視力トランスフォーマー,およびハイブリッドネットワークのセグメンテーション性能の比較
Dahyun Song1, Su Yang2, Ji Yong Han1
1Interdisciplinary Program in Bioengineering, Graduate School of Engineering, Seoul National University, Seoul, Korea.
Scientific reports
|September 1, 2025
まとめ
ハイブリッドネットワークは,鼻側鼻腔を 鼻腔炎患者のCTスキャンでセグメント化し,CNNやViTよりも 精度や効率を向上させます. Swin UNETRとCoTrは,画像ガイドされた手術のサポートで有望な結果を示しています.
科学分野:
- 医療用イメージング
- 医療における人工知能
- 神経外科
背景:
- 副鼻腔の正確なセグメンテーションは,鼻腔炎の治療における画像誘導手術 (IGS) に不可欠です.
- 現在のセグメンテーション方法は,シヌス炎に罹患した個々のシヌスの比較研究が欠けている.
- CT画像は 副鼻炎による 副鼻腔の解剖学的変異と 構造の変化を明らかにします
研究 の 目的:
- コンヴォルションニューラルネットワーク (CNN),ビジョントランスフォーマー (ViT),および個々の鼻側鼻腔のためのハイブリッドネットワークのセグメンテーションパフォーマンスを比較する.
- 副鼻炎患者のCT画像で異なるネットワークアーキテクチャのセグメンテーションの精度と計算効率を評価する.
- 副鼻腔炎の文脈で正確な副鼻腔セグメンテーションのための最適なネットワークを特定する.
主な方法:
- CNN,ViT,およびハイブリッドネットワーク (Swin UNETR,CoTr) のパラナザルシヌスセグメンテーションの比較分析
- ジャカード指数 (JI),ダイス類似度係数 (DSC),精度 (PR),リコール (RC),および95%のハウズドルフ距離 (HD95) を用いた評価.
- パラメータ数 (パラム) と推論時間 (IT) を通じて計算効率の評価.
主要な成果:
- Swin UNETRハイブリッドネットワークは,最小のパラメータ (15.705 M) で最高セグメンテーションスコア (JI: 0.719,DSC: 0.830) と最低HD95を達成しました.
- 別のハイブリッドネットワークであるCoTrは,CNNとViTよりも優れたパフォーマンスを示し,最も速い推論時間 (0.149 IT) を示した.
- ハイブリッドネットワークは 誤った陽性を大幅に減らし 境界線の描写を改善し 複雑な解剖学的関係を捉えました
結論:
- ハイブリッドネットワークは,副鼻腔炎患者のセグメンテーションの精度と計算効率の優れたバランスを提供します.
- これらのネットワークは,鼻炎の管理における臨床的意思決定支援システムの強化の可能性を示しています.
- この発見は,より正確で安全な画像誘導性副鼻腔外科手術のための先進的なAIモデルの使用を支持しています.
