CIA-net: 卵巣腫瘍のマルチモーダルMRIからのセグメンテーションのためのクロスモダリティ相互作用および集約ネットワーク
Yifan Gao1, Yong'ai Li2, Xin Gao3
1Medical School of Tianjin University, Tianjin, China; Shanghai Innovation Institute, Shanghai, China; School of Biomedical Engineering (Suzhou), Division of Life Sciences and Medicine, University of Science and Technology of China, Hefei, China.
Medical image analysis
|December 17, 2025
まとめ
本研究では、マルチモーダルMRIを用いた卵巣腫瘍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であるCIA-Netを紹介します。このネットワークは、異なるMRIシーケンスからの情報を効果的に融合し、臨床設定におけるセグメンテーション精度を向上させます。
科学分野:
- 医用画像処理
- 人工知能
- 腫瘍学
背景:
- MRIにおける卵巣腫瘍のセグメンテーションは、がんの診断と治療計画に不可欠です。
- 腫瘍のセグメンテーションは、嚢胞性および充実性の混合領域のために困難です。
- T2強調画像が主要なモダリティですが、マルチモーダルMRIは補完的なデータを提供します。
研究 の 目的:
- マルチモーダルMRIを用いた自動卵巣腫瘍セグメンテーション方法を開発すること。
- T1、ADC、およびDWIモダリティからの補完的な特徴をT2強調画像に融合すること。
- 臨床応用のためのセグメンテーション精度と堅牢性を向上させること。
主な方法:
- クロスモダリティ相互作用および集約ネットワーク（CIA-Net）を提案しました。これは、畳み込みおよびTransformerアーキテクチャのハイブリッドです。
- 主要（T2）および補助（T1、ADC、DWI）モダリティに対して独立したエンコーダーを使用しました。
- 特徴融合とノイズ削減のために、クロスモダリティコラボレーションおよびプログレッシブネイバーフッド統合モジュールを利用しました。
主要な成果:
- CIA-Netを、卵巣腫瘍セグメンテーションのための大規模なマルチセンターデータセット（739人の患者）で評価しました。
- 最先端の方法と比較実験により有効性を実証しました。
- 公開されている脳および心臓のセグメンテーションベンチマークで一般化を検証しました。
結論:
- CIA-Netは、補完的な特徴を融合することにより、マルチモーダルMRIから卵巣腫瘍を効果的にセグメンテーションします。
- この方法は、その精度と堅牢性から臨床応用への可能性を示しています。
- クロスモダリティ特徴融合は、セグメンテーション性能を大幅に向上させます。
