Article

医学研究:X線画像とボリューム画像の位置合わせのための高速な患者特異的ニューラルネットワーク

Nature 659, 8141 doi: 10.1038/s41586-026-11045-x

画像誘導手技や手術ロボット工学における高度なナビゲーション技術には、術前の三次元(3D)ボリューム画像(コンピューター断層撮影や磁気共鳴画像法による画像など)を、術中の二次元(2D)画像(X線透視画像など)に対して、迅速かつ正確に位置合わせすることが求められる。しかし、既存の2D/3D位置合わせ法は、透視誘導下で行われる多様な手技全般に汎化できない。画像強度に基づく最適化手法では個人別のハイパーパラメーター調整が必要となり、深層学習を用いる方法では手作業でラベル付けされた大規模データセットが求められ、適用対象も訓練に用いた特定の解剖学的構造に限られている。今回我々は、これらの限界に対処するため、患者特異的ニューラルネットワークと勾配に基づく最適化を組み合わせ、自動2D/3D位置合わせを行う自己教師ありフレームワーク、xvrを提示する。xvrは、物理学に基づくシミュレーションを用いて患者自身の術前スキャンから訓練データを生成し、手作業によるアノテーションを不要にする。我々は、わずか5分間のファインチューニングで任意の解剖学的領域への患者特異的な適応を実現する、数千件の全身スキャンで事前訓練した基盤モデルを提示する。我々の知る限り、実際の透視画像を用いた2D/3D位置合わせのこれまでで最大規模の評価において、xvrは、解剖学的構造、ボリューム画像の撮像モダリティー、病院が多様であっても、数秒以内に高い精度を達成し、既存手法に比べて精度を1桁向上させた。xvrは、オンラインで入手できるオープンソースソフトウエアを通じて、解剖学的領域を問わない2D/3D剛体位置合わせを、幅広い臨床・研究コミュニティーに提供する。

目次へ戻る

プライバシーマーク制度