患者属性を用いた双方向エンコーダー表現トランスフォーマーY字型ネットワークによる個別化心エコーセグメンテーション

科学分野:

• 医用画像
• 心臓病学における人工知能
• 定量的心エコー検査

背景:

• 正確な心臓セグメンテーションは心機能の評価に不可欠ですが、手動アノテーションの主観性や自動化手法の一般化可能性の欠如によって制限されています。
• 既存の自動セグメンテーションツールは、性別による違いなどの患者間の解剖学的変動を考慮できず、臨床応用を妨げることがよくあります。
• 現在の心エコー検査の限界を克服するには、個別化および解剖学的に適応したセグメンテーションが必要です。

研究 の 目的:

• 患者固有の属性を組み込んだ自動心エコーセグメンテーションのための新しいフレームワークであるBTY-Netを導入すること。
• 双方向エンコーダー表現トランスフォーマー（BERT）テキストベースY字型ネットワーク（BTY-Net）を使用して、個別化および解剖学的に適応した心臓構造セグメンテーションを可能にすること。
• 患者間の変動性を考慮することで、自動心エコーセグメンテーションの一般化可能性と精度を向上させること。

主な方法:

• BTY-Netは、トランスフォーマーエンコーダーと多層ノイズ除去フィルターを備えたUnet3+バックボーンを利用しています。
• 事前学習済みのBERTモデルは、患者の人口統計および取得コンテキストを自然言語埋め込みとしてエンコードし、個別化セグメンテーションを実現します。
• このフレームワークは、Dice類似度とHausdorff距離を使用して8つの最先端モデルと比較評価され、Cardiac Acquisitions for Multi-structure Ultrasound segmentationデータセットで評価されました。

主要な成果:

• BTY-Netは、主要な心臓構造全体で最高のDice係数（例：左室心内膜：0.9316）と最小のHausdorff距離を達成し、優れたセグメンテーションパフォーマンスを実現しました。
• モデルは、最先端のベースラインと比較して有意な改善を示し、Diceを最大0.02-0.03向上させ、HDを1.5 mm削減しました。
• BTY-Netは、基準となる駆出率（相関=0.9119）と高い一致を示し、男性および女性のサブグループ全体で安定したパフォーマンスを維持し、解剖学的多様性に対する堅牢性を確認しました。

結論:

• BTY-Netは、心エコー検査の分析に効果的で解釈可能で個別化されたソリューションを提供します。
• 患者情報と画像データのマルチモーダル融合は、セグメンテーション精度を向上させ、臨床的に意味のあるアテンションマップを提供します。
• BTY-Netは、日常の心エコー検査の分析のために、性別に頑健で臨床的に解釈可能なフレームワークを提供します。