限られたデータ条件における放射線治療誘発の正常組織損傷のマルチタスクセグメンテーションのための、3D SAMに基づく逐次的プロンプトフレームワーク

arXiv cs.AI / 2026/4/16

💬 オピニオンIdeas & Deep AnalysisModels & Research

共有:

要点

本論文は、放射線治療誘発の正常組織損傷に対する自動的な3Dセグメンテーションを扱い、ボクセルレベルのラベルが限られることや、損傷タイプおよび画像モダリティ間での強い異質性が課題であることを強調している。
損傷の3つの病態（骨放射線壊死：ORN、脳浮腫：CE、脳放射線壊死：CRN）にまたがる、キュレーション済みの頸部・頭部データセットを構築し、限られたデータ条件下でのマルチタスク学習を支援する。
提案手法は、3D SAMに基づく逐次的プロンプトフレームワークを用い、タスクに応じたテキストプロンプトを段階的に追加し、粗い位置特定のために用量に導かれたボックスプロンプトを提示し、さらに反復的な改良のためにクリックプロンプトを用いる。
小さく疎な病変により適切に対処するため、局所予測と境界の輪郭描出を改善することを目的とした、小標的フォーカス損失をフレームワークに追加する。
ORN、CE、CRNに対する実験結果では、既存の最先端手法を上回ると報告されており、複数の損傷タイプにわたって信頼性の高いセグメンテーション性能を維持している。

Abstract

放射線治療によって引き起こされる正常組織の損傷は、臨床上重要な合併症であり、医用画像から損傷領域を正確にセグメンテーションできれば、疾患評価、治療計画、および縦断的モニタリングを促進できます。しかし、限られたボクセルレベルの注釈と、損傷の種類、病変サイズ、画像モダリティにまたがる顕著な異質性のため、これらの病変に対する自動セグメンテーションは、依然として十分に研究されていません。このギャップに対処するため、私たちは、3つの病態（骨放射線壊死（ORN）、脳浮腫（CE）、脳放射線壊死（CRN））を対象にした、放射線治療誘発の頭頸部正常組織損傷のための専用データセットを構築します。さらに、限られたデータ設定におけるマルチタスクセグメンテーションのための、3D SAMに基づく段階的プロンプト指向フレームワークを提案します。このフレームワークは、3つの相補的なプロンプトを段階的に取り込みます。すなわち、タスクに応じた適応のためのテキストプロンプト、粗い位置特定のための線量誘導ボックスプロンプト、反復的な精緻化のためのクリックプロンプトです。小さなターゲットに焦点を当てた損失を導入し、小さく疎な病変に対する局所予測と境界の輪郭描写を改善します。 ORN、CE、CRNに関する実験により、提案手法が多様な損傷タイプにわたって信頼性の高いセグメンテーション性能を達成し、最先端手法を上回ることが示されます。