3D AGSE-VNet：自動脳腫瘍MRIデータセグメンテーションフレームワーク

背景：グリオマは最も一般的な脳部悪性腫瘍であり、発症率が高く、致死率も3％以上に達しており、人間の健康に深刻な脅威をもたらしている。臨床現場における脳腫瘍の取得方法として主に磁気共鳴画像法（MRI）が用いられている。多モーダルMRIスキャン画像から脳腫瘍領域をセグメンテーションすることは、治療の評価、術後モニタリング、および治療効果の判定において極めて有用である。しかし、現在の臨床における脳腫瘍セグメンテーションの主流は依然として手動によるものであり、時間のかかる上に、異なる医師間での評価結果に大きなばらつきが生じるという問題がある。そのため、一貫性と精度を兼ね備えた自動セグメンテーション手法の開発が急務である。方法：上記の課題に対応するため、本研究では「AGSE-VNet」と呼ばれる自動脳腫瘍MRIデータセグメンテーションフレームワークを提案する。本手法では、エンコーダー部にSqueeze and Excite（SE）モジュールを各層に導入し、デコーダー部にはAttention Guide Filter（AG）モジュールを配置することで、チャネル間の相関関係を利用して有用な情報を自動的に強調し、無関係な情報を抑制する。さらに、注目メカニズムを用いてエッジ情報の強調を図り、ノイズなどの不要な情報を効果的に排除する。結果：本手法の性能評価には、BraTS2020チャレンジで提供されるオンライン検証ツールを用いた。評価の焦点は、全腫瘍（WT）、腫瘍コア（TC）、強化腫瘍（ET）それぞれのDiceスコアに注目した。その結果、WT、TC、ETのDiceスコアはそれぞれ0.68、0.85、0.70を達成した。結論：MRI画像には明るさのばらつきが見られるが、AGSE-VNetは腫瘍のサイズに依存せず、3つの腫瘍領域の特徴をより正確に抽出できる。本手法は顕著な性能を示し、脳腫瘍患者の臨床診断および治療に大きく貢献するものと期待される。