VWV-SSL：シーケンス構造類似性と拡張一貫性ベースの自己教師あり学習による頸動脈血管壁体積セグメンテーション

科学分野:

• 医用画像処理
• 人工知能
• 心血管研究

背景:

• 血管壁体積（VWV）は、3D超音波検査を用いて頸動脈アテローム性動脈硬化の進行を定量化します。
• 正確なVWV測定には、中膜・外膜境界（MAB）と内膜・内腔境界（LIB）のセグメンテーションが必要です。
• 深層学習には広範なアノテーション付きデータが必要であり、3D超音波検査のセグメンテーションにおける課題となっています。

研究 の 目的:

• 3D頸動脈超音波検査（3DUS）画像のセグメンテーションのための新しい自己教師あり学習（SSL）アルゴリズム、VWV-SSLを開発すること。
• 3DUS画像におけるシーケンス構造類似性と特徴の一貫性を活用して、VWV測定精度を向上させること。
• 頸動脈アテローム性動脈硬化評価における深層学習モデルのトレーニングのための大規模アノテーション付きデータセットへの依存を減らすこと。

主な方法:

• 自己教師ありトレーニングのためのシーケンス構造類似性と強弱拡張特徴量の一貫性を利用したVWV-SSLアルゴリズムを提案しました。
• MABおよびLIBの3DUS画像セグメンテーションのために、3D U-NetアーキテクチャにVWV-SSLを適用しました。
• 1158の3D USデータセット（250人の被験者）で評価し、少量のラベル付きデータでトレーニングされたベースラインおよび最先端のSSL法と比較しました。

主要な成果:

• VWV-SSLは、少量のラベル付きデータセット（15、45、75人の被験者）でトレーニングされた場合、ベースラインネットワークと比較してセグメンテーションパフォーマンスが大幅に向上しました。
• 提案手法は、セグメンテーション精度において既存の最先端SSLアルゴリズムを上回りました。
• VWV-SSLは、血管セグメンテーションのための3D U-Netの特徴学習能力を効果的に強化しました。

結論:

• VWV-SSLは、アノテーション要件を削減した正確な3D頸動脈超音波検査セグメンテーションのための有望なソリューションを提供します。
• この手法は、VWV測定のために少量のラベル付きデータでトレーニングされた3D U-Netモデルのパフォーマンス向上を促進します。
• VWV-SSLは、頸動脈アテローム性動脈硬化の進行および退縮のモニタリングにおける臨床応用が期待されます。