脳白質高信号の深層学習ベース自動セグメンテーションおよび分類の開発と検証

科学分野:

• 神経画像法
• 人工知能
• 脳小血管疾患

背景:

• 白質高信号（WMH）は、脳小血管疾患の重要な神経画像マーカーです。
• WMHの正確な定量化は、認知機能障害の診断と管理に不可欠です。

研究 の 目的:

• WMHの同時自動セグメンテーションおよび分類のための深層学習モデルを開発および検証すること。
• 認知機能障害患者におけるモデルのパフォーマンスを評価すること。

主な方法:

• セグメンテーションのための深層学習フレームワーク（Resnet-34エンコーダーを備えたUNet）を利用した後向き研究。
• Fazekasスケールに基づく分類のためのマルチタスクマルチインスタンス学習フレームワーク（MTMIL）。
• 認知機能障害患者を含む、内部および外部検証データセット。

主要な成果:

• セグメンテーションモデルは0.72から0.88の間のダイススコアを達成しました。
• 脳室周囲および深部WMHの分類精度は0.68から0.88の範囲でした。
• モデルは、内部および外部データセットの両方で堅牢なパフォーマンスを示しました。

結論:

• 開発された深層学習モデルは、WMHのセグメンテーションと分類において高いパフォーマンスを示します。
• このモデルは、定量化されたWMH評価のための正確な診断支援ツールとしての可能性を示しています。
• この技術は、WMHに関連する認知機能障害の管理に役立ちます。