背景
脊椎圧迫骨折は背骨（脊椎）が押しつぶされて変形してしまう骨折で、高齢者や骨粗鬆症患者に多い。自覚症状がない状態から痛みで寝たきりになる状態まで症状は様々で、効果的な治療と合併症の予防のためには骨折を早期発見することが重要である。診断にはCTが広く利用されているが、被ばく 低減や検査時間短縮のために使用される厚いスライスのCT画像では詳細な構造が分かりにくく、正確な診断が難しい。近年はAIの発展により、低解像度な画像を高解像度化することができるようになってきた。敵対的生成学習(GAN)と呼ばれる機械学習の一種では、データから特徴を学習することで、実在しないデータを生成したり、特徴に沿って画像を変換したりできる。しかし、GANでは学習が不安定になり、出力する画像特徴が非常に限られてしまうモード崩壊という状態に陥るという課題があった。
アプローチ
今回紹介する論文[1]は、拡散モデルベースで厚いスライスから薄いスライスのCT画像を生成する手法を提案（図1 ）し、圧迫骨折の判断基準として用いられる椎体高さ計測精度を指標に評価を行っている。拡散モデルはデータに徐々にノイズを加えていく「拡散過程」と、ノイズを除去していく「逆拡散過程」により画像を生成するモデルであり、GANの課題を解消する手法として注目されている。圧迫骨折の判定基準としては、椎体の高さと比に基づいて骨折タイプを分類する定量的評価法（quantitative measurement, QM）がある（図2）。GANベースと拡散モデルベースでスライス補完した画像に対して、椎体高さ計測と骨折検出の精度を比較したところ、拡散モデルベースのほうが多様な骨折形態を正確に再現し、骨折検出で感度93.0%、特異度97.3%を達成した（図3）。
まとめ
本論文では、拡散モデルベースのスライス補完手法が厚スライスのCT画像における脊椎圧迫骨折の診断精度を向上させることを示した。将来的には、本手法が他の病変検出にも応用され、圧迫骨折をはじめとしたさまざまな異常の早期発見への貢献が期待される。
[1] Kudo, A., Kitamura, Y., Suzuki, Y., Tomiyama, N., Hori, M. (2026). 3D Super-Resolution for Enhancing Compression Fracture Detection in Thick-Slice CT: Diffusion Models vs GANs. In: Fernandez, V., Wiesner, D., Zuo, L., Casamitjana, A., Remedios, S.W. (eds) Simulation and Synthesis in Medical Imaging. SASHIMI 2025. Lecture Notes in Computer Science, vol 16085. Springer, Cham.
DOI: https://doi.org/10.1007/978-3-032-05573-6_4
ご注意：
本ページに記載された技術情報・論文内容は、弊社製品搭載技術とは異なる場合があります。
全ての技術は、必要な法規制認可を得た上で製品搭載を予定します。
製品搭載時の仕様および外観は本Webサイトの内容とは異なります。