CUBS v1 上での自動頸動脈内膜中膜厚測定のための推論時較正を備えた DINOv3

要旨: 頸動脈内膜中膜厚（CIMT）は、Bモード超音波で測定される動脈硬化および心血管リスク層別化の確立された血管バイオマーカーである。頸動脈境界の輪郭検出とCIMT推定のために提案された広範なコンピュータ化手法がある一方で、セグメンテーションと測定を同時に扱う頑健で移植性の高い深層モデルはまだ十分に検討されておらず、特に視覚基盤モデルの時代にはなおさらである。医用セグメンテーションへのDINOv3適用とテスト時最適化パイプラインでのDINOv3の活用といった最近の進展に触発され、頸動脈内膜中膜複合体のセグメンテーションとその後のCIMT測定のためのDINOv3ベースのフレームワークを、Carotid Ultrasound Boundary Study (CUBS) v1データセット上で検討する。我々のパイプラインは、固定の画像解像度で内膜-中膜帯を予測し、列ごとに上境界と下境界を抽出し、CUBSが提供する画像ごとの較正係数を用いて画像リサイズの補正を行い、物理単位でCIMTを報告する。3つの患者レベルのテスト分割にわたって、我々の手法は平均Dice係数を0.7739 ± 0.0037、IoUを0.6384 ± 0.0044を達成した。平均CIMT絶対誤差は181.16 ± 11.57 μm、平均ピアソン相関は0.480 ± 0.259。ホールドアウト検証サブセット（n=28）では、テスト時の閾値較正により、デフォルト閾値での平均絶対CIMT誤差が141.0 μmから測定最適化閾値で101.1 μmへ低減し、零への系統的バイアスを同時に低減した。元のCUBSベンチマークで古典的なコンピュータ化手法に報告された誤差範囲と比較すると、これらの結果はDINOv3ベースのアプローチを臨床的に関連する約0.1 mmの測定域内に位置づける。総じて、我々の所見は、解釈可能で較正に配慮した CIMT 測定のために視覚基盤モデルを用いることの実現可能性を支持する。