Bangwei Guo氏らは10月3日(現地時間)、医用画像セグメンテーションの課題解決に向けた統一モデル「UniPro」を発表した。このモデルは、異なるセグメンテーションパラダイムやデータ次元性による断片化に対処するもので、2D画像から3Dボリュームへのプロパゲーション技術を通じて、セマンティック、インコンテキスト、インタラクティブ、プロパゲーションベースのセグメンテーションを単一のフレームワーク内で実現する。
医用画像セグメンテーションは現在、セマンティック、インコンテキスト、インタラクティブといった異なるセグメンテーションパラダイム、および2D画像と3Dボリュメトリックデータの次元性によって断片化されているという課題がある。臨床現場では、セマンティック予測、参照ガイド、またはユーザー操作によってセグメンテーションが初期化され、微細な調整は2Dビューで実施される。ボリュメトリックデータの場合、この2D編集をボリューム全体に一貫して伝播させる必要があった。
Bangwei Guo氏らが提案するUniProは、この課題を解決するため、プロパゲーション技術を用いて2Dセグメンテーションを3Dボリュームに拡張することで、セグメンテーションパラダイムとデータ次元性の両方を橋渡しする統一モデルである。その主要な知見は、ボリュメトリックプロパゲーションとインコンテキストセグメンテーションが、参照条件付き予測メカニズムを共有するという点にある。研究者らは、参照画像とマスクのペアが他のケースに由来するか、あるいは以前にセグメンテーションされた隣接スライスに由来するかという点のみが異なると説明している。
UniProは、クラスプライヤー、参照例、ユーザー入力、隣接スライス予測をモード固有の条件付け入力として活用し、単一のスライスベースのフレームワーク内でセマンティック、インコンテキスト、インタラクティブ、プロパゲーションベースの各セグメンテーションをサポートする。プロパゲーションの信頼性を高めるため、UniProはさらに双方向および3D監視を組み込み、スライスごとの損失を超えてスライス単位のプロパゲーションを正規化する。
多様なモダリティと解剖学的構造にわたる広範な実験の結果、UniProはすべてのセグメンテーション設定において堅牢な性能を達成したと述べられている。これにより、疎な2D初期化から高効率な3Dセグメンテーションが可能となり、スライスごとの修正作業の削減に貢献する。このアプローチは、医用画像解析におけるセグメンテーションワークフローの効率化と精度向上に寄与することが期待される。
参考: arXiv cs.CV — 2026年10月7日 13:00 (JST)
原文ハイライト"Unified Multi-Mode Medical Image Segmentation from 2D Images to 3D Volumes via Propagation"