機械学習を用いた上肢尺骨神経の非侵襲的評価

科学分野:

• 医用画像処理; 医療における人工知能; 神経学

背景:

• 肘部管症候群の診断は超音波検査に依存するが、術者依存性とばらつきによって限界がある。; 超音波画像の自動解析は、診断精度と一貫性を向上させることができる。

研究 の 目的:

• 超音波画像を用いた尺骨神経の自動特定、セグメンテーション、および断面積（CSA）測定のための機械学習アルゴリズムを開発すること。; 肘部管症候群に対する術者非依存的な超音波評価に向けた基盤ステップを確立すること。

主な方法:

• 34名の被験者（患者11名、対照群23名）の肘部管の超音波画像を用いて、畳み込みニューラルネットワーク（YOLOv8）をトレーニングした。; モデルは、尺骨神経の自動検出とセグメンテーションのための二値マップを生成した。; 精度は、Diceスコアおよび予測値とグラウンドトゥルースのCSA測定値の比較を用いて評価した。

主要な成果:

• YOLOv8モデルは平均Diceスコア0.90を達成し、画像の99%で0.75以上となった。; モデルとグラウンドトゥルースとの断面積測定における平均絶対差は2.08 mm² (16.05%)であった。; アルゴリズムは、尺骨神経の断面積の特定と測定において高い精度を示した。

結論:

• 開発された機械学習アルゴリズムは、肘部管症候群の超音波ベースの診断を自動化する上で重要な進歩を表す。; このアプローチは、術者依存性と技術的なばらつきを最小限に抑え、より信頼性が高くアクセスしやすい診断ツールのための道を開く。; さらなる開発により、尺骨神経の完全自動化された術者非依存的な超音波評価が可能になるだろう。