母指骨単純X線写真における舟状骨の深層学習を用いたセグメンテーションパイプライン

科学分野:

• 筋骨格系画像診断
• 放射線科における人工知能
• 整形外科

背景:

• 正確な舟状骨の同定は、成功した舟状骨-大菱形骨（TMC）関節形成術にとって不可欠です。
• 標準的な単純X線写真での解剖学的構造の重なりは、舟状骨の視覚化を複雑にします。
• 小関節画像における現在のAI応用は限られています。

研究 の 目的:

• 母指単純X線写真における舟状骨の正確なセグメンテーションのための深層学習パイプラインを開発および評価すること。
• 提案されたAIモデルの性能を既存のセグメンテーション技術と比較すること。
• TMC関節形成術の術前計画を改善する上でのAIの可能性を評価すること。

主な方法:

• 品質基準を満たす519枚の母指単純X線写真の後向き分析。
• 2段階の深層学習パイプラインの開発：検出のためのYOLOv8、セグメンテーションのためのU-Net。
• 単独のU-Net、Segment Anything Model（SAM）、およびMobile-SAMとの比較。

主要な成果:

• YOLOv8検出器は平均適合率（mAP）99.5%を達成しました。
• YOLOv8 + U-Netの組み合わせモデルは、他のモデルと比較して優れたセグメンテーション性能（DSC 94.2%、IoU 89.1%）を示しました。
• 専門家レベルの観測者間一致（κ=0.89）が達成されました。

結論:

• 提案された2段階AIパイプラインは、単純X線写真における正確で再現性の高い舟状骨セグメンテーションを提供します。
• このAIアプローチは、広く使用されているセグメンテーションモデルの性能を上回ります。
• このツールは、TMC関節形成術における術前計画および術中ガイダンスの強化に有望です。