CardioSAM：高精度心臓MRIセグメンテーションのためのトポロジー認識型デコーダ設計

要旨: 心臓の構造を心臓磁気共鳴（CMR）画像で正確にセグメンテーションすることは、心血管疾患の信頼できる診断と治療に不可欠である。しかし、手動セグメンテーションは依然として時間がかかり、観察者間のばらつきが大きいという問題がある。近年の深層学習の進展、特に Segment Anything Model（SAM）のような基盤モデルは強力な汎化性能を示す一方で、臨床応用に必要とされる境界の精度を欠くことが多い。こうした制約に対処するために、提案手法 CardioSAM は、凍結したSAMエンコーダの持つ汎化された特徴抽出能力と、軽量で学習可能な心臓特化デコーダを組み合わせたハイブリッドアーキテクチャを提案する。提案デコーダでは、2つの主要な革新を導入する。すなわち、解剖学的なトポロジカル・プライアを取り込む Cardiac-Specific Attention モジュール、そして組織の境界の輪郭描出を改善するために設計された Boundary Refinement Module である。ACDC ベンチマークでの実験評価により、CardioSAM は Dice 係数 93.39%、IoU 87.61%、ピクセル精度 99.20%、HD95 4.2 mm を達成した。提案手法は nnU-Net のような強力なベースラインを Dice で +3.89% 上回り、報告されている専門家間の一致度（91.2%）も上回っており、信頼でき、かつ臨床的に適用可能な心臓セグメンテーションの可能性を示している。