MOIS-SAM2：マルチレジョンインタラクティブセグメンテーションのための模範ベースセグメントanythingモデル2、神経線維腫の全身MRIにおける

科学分野:

• 医用画像処理
• 人工知能
• 計算生物学

背景:

• 神経線維腫症1型（NF1）は、多数の神経線維腫（NF）を引き起こす遺伝性疾患です。
• 全身MRI（WB-MRI）は、NF検出と腫瘍成長のモニタリングに不可欠です。
• WB-MRIにおけるNFの手動セグメンテーションは時間がかかり、スケーラビリティがありません。

研究 の 目的:

• 効率的かつスケーラブルなNF検出のための新しいインタラクティブセグメンテーションモデルをWB-MRIで開発すること。
• NFセグメンテーションにおける精度とスケーラビリティに関する既存手法の限界に対処すること。

主な方法:

• セグメントAnythingモデル2（SAM2）を拡張したマルチオブジェクトインタラクティブセグメンテーションモデルであるMOIS-SAM2の導入。
• プロンプトされた病変からプロンプトされていない病変への知識転移のための模範ベースの意味的伝播を利用。
• 84人のNF1患者からの119のWB-MRIスキャンでトレーニングおよび評価され、さまざまなドメインシフトシナリオでテストされました。

主要な成果:

• MOIS-SAM2は、ドメイン内テストセットで0.60のスキャンごとのダイス類似係数（DSC）を達成し、ベースラインモデルを上回りました。
• モデルは、異なるMRIフィールド強度およびスキャナーベンダー間で堅牢なパフォーマンスを示しました。
• 病変検出F1スコアは0.62から0.78の範囲であり、モデルと専門家の間の一致は専門家間の一致に匹敵しました。

結論:

• MOIS-SAM2は、WB-MRIにおけるNFの効率的かつスケーラブルなインタラクティブセグメンテーションを提供します。
• モデルは強力な汎化能力を示しており、臨床統合に適しています。
• モデルとコードは、さらなる研究とアプリケーションをサポートするために公開されています。