要旨: 低・中所得国（LMIC）における正確な自動脳腫瘍セグメンテーションは、定義された国内の画像プロトコルがないこと、多様な画像データ、低磁場磁気共鳴画像法（MRI）スキャナの広範な使用、そして限られた医療資源により困難である。Brain Tumor Segmentation（BraTS）Africa 2025チャレンジの一環として、nnU-Net、MedNeXt、およびそれらの組み合わせといった最先端のセグメンテーションモデルに対して、トポロジー洗練（topology refinement）を適用した。BraTS-AfricaデータセットはMRI画像の品質が低いため、術前の成人グリオーマ（タスク1）のBraTS 2025チャレンジデータを用いてセグメンテーションモデルを事前学習し、そのモデルをBraTS-Africaデータセットで微調整するために活用した。さらに、トポロジー誤りに起因して生じた、予測における変形の問題に対処するため、追加のトポロジー洗練モジュールを導入した。このモジュールを導入したことで、周辺の非増強FLAIR高信号（SNFH）、非増強腫瘍コア（NETC）、増強腫瘍（ET）において、より良いNormalized Surface Distance（NSD）である0.810、0.829、0.895を達成した。
nnU-NetとMedNeXtのトポロジー駆動融合によるサブサハラ・アフリカ向け高精度脳腫瘍セグメンテーション
arXiv cs.CV / 2026/4/20
💬 オピニオンIdeas & Deep AnalysisModels & Research
要点
- 本研究は、LMIC地域で自動脳腫瘍セグメンテーションを高精度に行うことが難しい理由（全国的な撮像プロトコルの不在、低磁場MRIの多用、画像品質と医療資源の制約）に対処します。
- nnU-NetやMedNeXtなどの最先端セグメンテーションモデルに基づき、さらにトポロジカルな誤りによって生じる予測の変形を抑える専用のトポロジー・リファインメント・モジュールを追加する、トポロジー駆動の融合手法を提案しています。
- BraTS-Africaデータの低いMRI画質を補うため、BraTS 2025のTask 1（前治療の成人グリオーマ）データで事前学習し、その後BraTS-Africaデータで微調整します。
- トポロジー・リファインメント・モジュールの導入によりセグメンテーション精度が向上し、NSDスコアとしてSNFHで0.810、NETCで0.829、ETで0.895を達成したと報告されています。
- まとめると、本研究はトポロジー・リファインメントと転移学習によって、地域特有で低品質な医療画像データに高性能モデルを適応する実用的な道筋を示しています。
