要旨: 人心の3D遅延ガドリニウム造影（LGE）MRIからの多クラス両心房（bi-atrial）セグメンテーション問題に対して設計した、当社の多段階フレームワークを報告します。このパイプラインは、(1) 多次元コントラスト限定適応ヒストグラム平坦化（MCLAHE）を用いた前処理ステップ、(2) MCLAHEで強調した画像およびダウンサンプルしたMRIに対してV-Netファミリモデルを用いて粗い領域をセグメンテーションするステップ、(3) 粗い領域から別のV-Netモデルを用いて微細なセグメンテーションを行うステップ、から構成されます。モデルの重みを最適化するために非対称損失を採用しています。
V-Netファミリーモデルを用いた3D LGE（遅延ガドリニウム増強）MRIからの多段階・両心房セグメンテーションフレームワーク
arXiv cs.AI / 2026/4/30
💬 オピニオンIdeas & Deep AnalysisModels & Research
要点
- 本論文は、3D遅延ガドリニウム増強（LGE）心臓MRIからV-Netファミリーモデルを用いて多クラスの両心房セグメンテーションを行う多段階パイプラインを提案しています。
- まず画像前処理として、多次元コントラスト制限付き適応ヒストグラム平坦化（MCLAHE）を適用し、セグメンテーション前の画質を改善します。
- 次に、MCLAHE強調かつダウンサンプルしたMRIに対してV-Net系モデルで粗い領域を推定し、その結果（粗領域）を元に別のV-Netで微細なセグメンテーションを行う二段階の構成です。
- 学習では非対称ロス（asymmetric loss）を採用して、セグメンテーションのためのモデル重みを最適化します。
- arXivでの研究発表（cross）としての位置づけであり、製品導入や臨床リリースではなく研究上の貢献です。
