3D医療画像解析における次元アプローチの比較：2D、2.5D、または3D？

科学分野:

• 医用画像
• 人工知能
• ディープラーニング

背景:

• ディープラーニングは、3D医療画像データ（CT、MRI、PET/CT）の分析に不可欠です。
• 体積データに最適なニューラルネットワークの次元（2D、2.5D、3D）については、依然として議論があります。

研究 の 目的:

• 3D医療画像タスクにおける2D、2.5D、および3Dディープニューラルネットワークのパフォーマンスをレビューおよび分析すること。
• 分類およびセグメンテーションタスクに関する比較研究の結果を統合すること。

主な方法:

• 過去10年間の31の比較研究の体系的なレビュー。
• 2D、2.5D、および3Dディープラーニングアーキテクチャを比較する研究に焦点を当てた分析。

主要な成果:

• 純粋な2Dモデルは、スライス間のコンテキストが欠如しているため、一貫してパフォーマンスが低下します。
• 2.5Dモデルは12の研究で支持され、他のモデルを上回りました。
• 純粋な3Dモデルは5の研究で支持されましたが、4の研究ではパフォーマンスはコンテキストに依存するとされました。
• 2.5Dモデルは、空間情報と計算効率のバランスを効果的にとることがよくあります。

結論:

• 3D医療画像解析に普遍的に最適な単一の次元はありません。
• 2.5Dモデルと3Dモデルの選択は、臨床タスク、データ、およびリソースによって異なります。
• 2.5Dモデルは、多くの3D医療画像アプリケーションの実用的なバランスを提供します。