AIとがん研究 ── 脳腫瘍 ── 2026-10-25

対象誌と選び方は索引の頁に

脳腫瘍の治療・治験とAI

• MRI 画像で脳腫瘍を切り出す教師あり手法と教師なし手法の検討
  Exploring supervised and unsupervised methods for brain tumor segmentation in MRI images
  Romanian Reports in Physics · 2026-10-22 · 証拠の段階: 手法の比較検討（画像解析）
  抄録（全訳）

  MRI 画像から脳腫瘍を正確に切り出すこと（セグメンテーション）は、診断・治療計画・予後の判定に欠かせない。本研究では、考え方が根本的に異なる二つの手法を比べた。一つは教師あり深層学習モデル（2D U-Net）、もう一つは教師なしクラスタリング手法（K-means）である。異なる MRI（磁気共鳴画像）シーケンス（FLAIR と T1-Gd）で学習させた 2D U-Net の複数のバリアントを評価した。モダリティをまたいで適応させたファインチューニング済みモデルも評価した。これらを、両モダリティにそれぞれ個別に適用した K-means クラスタリングと比較した。

  掲載誌の IF 相当：2.4（OpenAlex の直近 2 年の平均被引用数・2026-10-23 時点の値、2026-10-24 に取得。正式な IF（Clarivate）ではない）
  書誌：1. Horia Hulubei National Institute for R&D in Physics and Nuclear Engineering, RO-077125, Măgurele-Bucharest, Romania 2. University of Bucharest, Faculty of Physics, RO-077125 Măgurele-Bucharest, Romania, BADEA RA, ORIAN AȘ, 1. Horia Hulubei National Institute for R&D in Physics and Nuclear Engineering, RO-077125, Măgurele-Bucharest, Romania 2. University of Bucharest, Faculty of Physics, RO-077125 Măgurele-Bucharest, Romania, VASILIU AA, University of Bucharest, Faculty of Physics, RO-077125 Măgurele-Bucharest, Romania, et al. Exploring supervised and unsupervised methods for brain tumor segmentation in MRI images. Rom Rep Phys. 2026 Dec 15;78(4):606-6. doi:10.59277/romrepphys.2026.78.606.
  確認の範囲：抄録のみ確認

← この号の目次へ