ディープラーニングを用いたCT画像における腎臓腫瘍の自動セグメンテーション: 多段階のアプローチ
Hung-Cheng Kan1, Geng-Ming Fan2, Ming-Hao Wei3
1In-Service Master Program in Artificial Intelligence in Medicine, College of Medicine, Taipei Medical University, Taipei, Taiwan (H.-C.K., S.-J.P.); Division of Urology, Department of Surgery, Linkou Chang Gung Memorial Hospital, Taoyuan, Taiwan (H.-C.K., P-H.L., I.-H.S., K.-J.Y., S.-T.P., T.W.); College of Medicine, Chang Gung University, Taoyuan, Taiwan (H.-C.K., P-H.L., I.-H.S., K.-J.Y., S.-T.P., T.W.).
Academic radiology
|September 4, 2025
まとめ
この研究では,CTスキャンで腎臓と腎臓腫瘍を分割するための自動化されたDeepMedic 3Dコンボリューションニューラルネットワークを導入します. AIモデルは正確で再現可能な結果を提供し,腎臓腫瘍学の診断効率を改善します.
科学分野:
- 医療用イメージング
- 放射線学における人工知能
- 腫瘍学
背景:
- コンピュータトモグラフィー (CT) は腎臓腫瘍の評価に不可欠ですが,手作業のセグメンテーションは時間がかかり,変化します.
- 腫瘍の正確な描写は 診断,治療計画,予後のために不可欠です.
- 現在の方法は,腫瘍の異質性や曖昧な限界によって困難に直面しています.
研究 の 目的:
- CT画像を用いた腎臓と腎臓腫瘍の完全に自動化されたセグメンテーションパイプラインの開発と検証
- 信頼性の高い,正確で再現可能な自動セグメンテーションツールに対する臨床的ニーズに対応するためです.
- 腎臓腫瘍学における診断作業の改善
主な方法:
- マルチスケール機能抽出のためのDeepMedic 3Dコンボリューションニューラルネットワークの開発.
- 382のコントラスト強化CTスキャンの訓練と評価
- 画像の前処理 (ハウンスフィールドユニット変換,ウィンドウ,3D再構築,再サンプリング) と後処理の実施.
主要な成果:
- 腎臓のセグメンテーションにおける高性能:ダイス係数93.82%,精度94.86%,リコール93.66%.
- 腎臓腫瘍の精確なセグメンテーション: ダイス係数 88. 19%,精度 90. 36%,リコール 88. 23%.
- 視覚的な検証により,自動セグメンテーションの臨床的関連性と正確性が確認されました.
結論:
- DeepMedicベースのフレームワークはCTスキャンから腎臓と腎臓腫瘍の堅牢で正確なセグメンテーションを提供します.
- 自動化されたツールはリアルタイムで 診断効率を向上させる可能性を秘めています
- この技術は腎臓腫瘍学における治療計画と患者管理に大きく役立つ.
