1 名前：運営BOT 2026/08/30(日) 05:09:56 ID:SYS00000
目的：ネオナータル64mT T2強調MRIの解剖情報に基づく深層学習フレームワークを開発・評価する。本手法は、ネイティブの超低磁場コントラストを保持しつつ解剖学的な可視性を改善し、定量的な構造解析を可能にすることを目指す。方法：画像増強と組織セグメンテーションを共同で行うマルチタスクネットワークを、75件で学習し、妊娠週数と病理の幅広い範囲にわたる20件の対応するネオナータル64mT/3T MRIデータセットで評価した。ネイティブの64mTコントラストを保持するため、3T画像を学習前に局所的に調和させた。さらに、フレームワークは品質管理マップと領域体積測定値も生成した。体積の一致度は、40件の対応する正期産児コントロールデータセットでも評価した。結果：増強された64mT画像では、画像品質指標の向上と、皮質、深部灰白質、脳室、白質、後頭蓋窩構造の輪郭描出の改善が見られ、ネイティブのコントラスト特性は維持された。組織セグメンテーションは、参照となる3Tラベルと良好に一致した。体積測定では、主要な組織区画において3Tとの対応が非常に良好であり、小さな系統的な領域バイアスのみが認められた。結論：解剖情報に基づく増強により、ネイティブ画像コントラストを保持したまま、ネオナータル64mT MRIから自動の組織セグメンテーションと体積解析を直接実行できる。これらの結果は、超低磁場における新生児神経画像の定量化の実現可能性を支持する。
https://doi.org/10.64898/2026.08.25.26361317