マグネティックリソナンスイメージング特徴に基づくサブタイプ分類とモデルアンサンブルによる脳腫瘍セグメンテーションの精度向上

多パラメトリックMRI（mpMRI）における脳腫瘍の正確かつ自動的なセグメンテーションは、定量的測定において極めて重要であり、臨床診断および予後評価においてその役割がますます高まっている。2024年の国際脳腫瘍セグメンテーション（BraTS）チャレンジは、成人および小児患者にわたる多様な脳腫瘍（小児脳腫瘍：PED、脳膜腫：MEN-RT、脳転移性腫瘍：METなど）を含む、ユニークなベンチマーク環境を提供している。過去のエディションと比較して、BraTS 2024は評価対象の腫瘍領域をより精緻化するなど、臨床的意義を大幅に高める変更が導入されている。本研究では、最先端のセグメンテーションモデルを統合する深層学習ベースのアンサンブルアプローチを提案する。さらに、MRIに基づくラジオミクス解析を活用した革新的で適応型の前処理および後処理技術を導入し、腫瘍亜型の区別を可能にしている。BraTSデータセットに含まれる腫瘍の多様性を踏まえ、本アプローチはセグメンテーションモデルの精度および汎用性を向上させる。最終テストセットにおける評価では、PED、MEN-RT、METの各腫瘍全体に対する平均病変単位Dice係数は、それぞれ0.926、0.801、0.688を達成した。これらの結果は、本手法が多様な脳腫瘍タイプに対し、セグメンテーション性能および汎用性の向上に有効であることを示している。本研究の実装コードは、https://github.com/Precision-Medical-Imaging-Group/HOPE-Segmenter-Kids にて公開されている。また、オープンソースのウェブアプリケーションは https://segmenter.hope4kids.io/ から利用可能であり、Dockerコンテナ aparida12/brats-peds-2024:v20240913 を用いて動作する。