TOF-MRAデータからの脳動脈瘤検出およびセグメンテーションのためのMask R-CNNベースのアプローチ

科学分野:

• 神経画像診断
• 人工知能
• 医療診断

背景:

• 頭蓋内動脈瘤、特に小さなもの（3mm未満）の正確な検出は、タイムオブフライト磁気共鳴血管造影（TOF-MRA）において、微妙な特徴と低いコントラストのために困難です。
• 既存の方法は、マイクロ動脈瘤に対する感度に苦労しており、高度な検出技術が必要とされています。

研究 の 目的:

• 頭蓋内動脈瘤の自動検出およびセグメンテーションのためのMask R-CNNベースの深層学習フレームワークを開発および評価すること。
• 特定のアーキテクチャの変更を通じて、小さな動脈瘤に対するモデルの感度を向上させること。

主な方法:

• 447のTOF-MRAボリューム（動脈瘤161、健常286）のデータセットを5分割交差検証で使用しました。
• ベイズ最適化（Optuna）を用いてハイパーパラメータ最適化を実施し、Small Object Aware ROI Headとカスタマイズされたアンカーを導入しました。
• 健常スキャンをネガティブサンプルとして組み込み、一般化性能向上のためにターゲットを絞ったデータ拡張を適用しました。

主要な成果:

• ダイス係数0.8832、精度0.9404、感度0.8677を達成しました。
• マイクロ動脈瘤を含む、様々なサイズの動脈瘤に対して一貫したパフォーマンスを示しました。
• このモデルは、背景モデリングと領域提案の品質を向上させるのに効果的であることが証明されました。

結論:

• 開発された深層学習ツールは、頭蓋内動脈瘤検出のための臨床的に実行可能なソリューションを提供します。
• アーキテクチャの革新と自動化された最適化は、放射線科医を支援するための信頼性の高いシステムに貢献します。
• このフレームワークは、神経血管画像診断における診断精度を向上させるセカンドリーダーシステムとしての可能性を示しています。