適応的多モーダルMRI脳腫瘍分割のためのハイパーコネクション

要約: 本研究では、体積的な多モーダル脳腫瘍セグメンテーションのための Hyper-Connections (HC) の初の研究を紹介します。HC を、固定残差接続のドロップイン置換として、5つのアーキテクチャ、すなわち nnU-Net、SwinUNETR、VT-UNet、U-Net、U-Netpp に統合します。動的 HC は BraTS 2021 データセット上のすべての3Dモデルを一貫して改善し、パラメータのオーバーヘッドはほとんどなく、平均 Dice 指標の増加を最大で +1.03% 得られます。利得は増強腫瘍領域で最も顕著で、より微細な境界描出の向上を反映しています。モダリティアブレーションはさらに、HCを装備したモデルが臨床的に支配的なシーケンスに対してより鋭い感度を示すことを明らかにします。具体的には腫瘍核および増強腫瘍には T1ce、全腫瘍には FLAIR です。この挙動は固定接続ベースラインには見られず、すべてのアーキテクチャで一貫しています。2D設定では改善は小さく、設定依存性が高いことから、体積的な空間コンテキストが適応的集約の利点を拡張することを示唆します。これらの結果は、HC を医用画像セグメンテーションにおける多モーダル機能統合の、単純で効率的かつ広く適用可能な機構として位置づけます。