PanGuide3D：確率的な膵臓条件付けとTransformerボトルネックによるコホート頑健な膵腫瘍セグメンテーション

Abstract

コントラスト強調コンピュータ断層撮影（CT）における膵腫瘍のセグメンテーションは臨床的に重要である一方、技術的には困難です。病変はしばしば小さく、様々な性状（ヘテロジェネイティ）を持ち、周囲の軟部組織と容易に見分けがつかないうえ、あるコホートで良好に機能するモデルはしばしばコホートシフトのもとで性能が低下します。本研究の目的は、3D CTセグメンテーションのためのモデル構成をシンプルで効率的かつ実用的に保ちながら、コホート間の汎化性能を向上させることです。共有3Dエンコーダと、確率的な膵臓マップを予測する膵臓デコーダ、さらに微分可能なソフトゲーティングによって複数スケールでこの膵臓確率に明示的に条件付けされた腫瘍デコーダを備えた、コホートに頑健なアーキテクチャであるPanGuide3Dを提案します。分布シフト下で長距離の文脈を捉えるために、U-Netのボトルネック表現に軽量なTransformerボトルネックも追加します。コホート転移は、PanTS（Pancreatic Tumor Segmentation）コホートで学習し、同一コホート（PanTS）と、前処理および学習プロトコルを強いベースラインと照合して揃えた、MSD（Medical Segmentation Decathlon）Task07膵でのコホート外評価の両方を行うことで検証します。ボクセルレベルのセグメンテーション指標、患者レベルでの腫瘍検出、腫瘍サイズおよび解剖学的位置によるサブグループ分析、体積条件付きの性能分析、信頼性を評価するためのキャリブレーション測定を収集します。評価した全モデルのうち、PanGuide3Dは腫瘍の全体的な性能が最も良く、特に小さな腫瘍や困難な解剖学的位置でコホート間の汎化が改善し、さらに解剖学的に不自然な偽陽性を減らすことも示します。これらの結果は、エンドツーエンドモデルにおいてコホート頑健性を改善するための実用的な方策として、確率的な解剖学的条件付けを支持するものであり、輪郭作成支援、治療計画、ならびに多施設研究における有用性の可能性を示唆します。