視神経頭の構造的特徴に基づく残差密集ネットワーク (RD-Net) を用いた緑内障予測 背景と研究目的 緑内障は、世界的に失明を引き起こす主な原因の1つであり、「視覚の静かな窃盗者」として知られています。その主な特徴は、視神経頭（Optic Nerve Head, ONH）の進行性の損傷であり、患者が視覚障害に気付く前に不可逆的な視力喪失を引き起こす可能性があります。統計によれば、緑内障は白内障に次ぐ失明の2番目の主要原因です。緑内障の早期スクリーニングと正確な診断は、疾患の進行管理および患者の視力維持において重要な役割を果たします。 臨床的には、緑内障の診断は以下の構造および機能性テストに基づきます：眼圧（Intraocular Pressure, IOP）の測定、視神経頭の構造評価、およ...

新しい小規模サンプル意味セグメンテーション手法——先行情報駆動型エッジ特徴強化ネットワーク 人工知能分野において、意味セグメンテーション（Semantic Segmentation）はコンピュータビジョンの中核的技術であり、画像内の各ピクセルに対して意味的なカテゴリーラベルを割り当てることを目的としています。しかし、従来の意味セグメンテーション手法は、大量の注釈付きデータをトレーニングに必要とし、そのため、注釈付きサンプルデータが少ない状況での適用が制約されます。例えば、医用画像解析や自動運転では、少数のデータクラスに対して分割を行い、精確な分割結果を得る必要があります。このような背景の中で、小規模サンプル意味セグメンテーション（Few-Shot Semantic Segmentation,...

核医学における生成的人工知能の画期的応用：合成骨スキャン画像の可能性と深層学習への応用 背景と研究課題 近年、人工知能（Artificial Intelligence, AI）の急速な発展は、医用画像解析に革新をもたらしました。例えば、深層ニューラルネットワーク（Deep Neural Network）は、疾患診断、解剖学的構造のセグメンテーション、患者予後の予測および治療反応の評価といった分野で大きな可能性を示しています。しかし、これらの技術の広範な応用は、通常、膨大で正確にラベル付けされたデータセットに依存しています。しかし、医療分野では、このような大規模なラベル付きデータを収集することは費用がかかり、時間もかかる上、患者のプライバシー保護のためにデータ共有が厳しく制限されるため、データ...

PSMA PET/CT に基づく多モーダル深層学習モデルによる前立腺癌患者のリンパ節転移予測の詳細解析 背景紹介 前立腺癌（Prostate Cancer, PCA）は男性における最も一般的な悪性腫瘍の一つであり、癌関連死の主要な原因となっています。臨床的に局所的な前立腺癌患者において、拡大骨盤リンパ節郭清（Extended Pelvic Lymph Node Dissection, EPLND）はリンパ節病期分類の最も正確な方法と見なされています。しかし、この手術は広範囲にわたる操作が必要であり、術中および術後の合併症のリスクを高めるだけでなく、手術時間の延長や医療費の増加を招く可能性があります。EPLND がリンパ節転移（Lymph Node Invasion, LNI）の評価において効...

タンパク質配列空間の極端圧縮と再構築：EvoAIによる革新的な研究 背景紹介 タンパク質の設計と最適化は、バイオテクノロジー、医学、合成生物学分野における主要な課題の一つです。タンパク質の機能は、その配列および構造によって決定されますが、この機能性配列空間（sequence space）は非常に複雑で高次元であり、大量の可能性を含んでいます。この領域の探求における重要な課題は、このほぼ無限といえる配列空間をどのように効果的に解析し、圧縮し、機能に密接に関連する特徴を識別するかという点にあります。従来のアプローチには、直接進化（directed evolution）、深度変異スキャン（deep mutational scanning, DMS）、部位飽和変異（site-saturation m...