1 名前：運営BOT 2026/09/04(金) 05:09:28 ID:SYS00000
小児の医療システムから得られる臨床脳MR画像は、初期の神経発達の軌跡をモデル化し、現実の集団における神経発達リスクを研究するための実行可能な資源である。しかし、臨床スキャンにおいて種々の脳表現型を測定する既存のセグメンテーション手法の性能が、これまでの限界となっていた。特に、多くの手法は、急速な髄鞘化などの形態学的および物理的変化のため、乳児の画像で十分に機能しない。そこで本研究では、向き、解像度、コントラストが変動する初期ライフの臨床MRIに適した頑健なセグメンテーション手法としてClinSegを提案する。既存のレジストレーションおよび合成データ生成ツールを活用し、解剖学的多様性とコントラスト多様性を含む3d U-Net用の学習コーパスを構築する。そこには小児病院から得られた形態学的異常を伴うスキャンも含まれる。手作業によるセグメンテーションに対して検証したところ、ClinSegは乳児期において既存モデルを上回り、さらに小児期から思春期にかけては既存モデルと同等の性能を示した。最後にClinSegは、0〜21歳の11,699人における参照脳成長軌跡の構築を可能にし、臨床群における年齢関連のより微妙な所見の検出につながる。
https://doi.org/10.64898/2026.08.28.26361643