UltraSAM-Based Left Ventricular Analysis with Local-Global Feature Fusion for Echocardiographic Cardiac Disease Classification

技術要約：UltraSAMに基づく左室解析とローカル・グローバル特徴融合

問題提起
心血管疾患、特に心筋梗塞（MI）は、依然として世界的な死亡原因の主要なものとなっています。心エコー図法は中心的な診断ツールですが、従来の解釈はオペレーターの経験に大きく依存しており、観察者間のばらつきが生じやすいという課題があります。既存の自動化手法は、孤立した特徴分析への依存、画像ノイズへの敏感さ、および局所的な機械的ダイナミクスとグローバルな解剖学的コンテキストとの統合の欠如といった限界に直面することがよくあります。さらに、多くのディープラーニングモデルは、大規模なアノテーション済みデータセットを必要とし、異なる臨床的バリエーションに対する汎用性に苦慮しています。したがって、左室（LV）を正確にセグメンテーションし、マルチドメインの特徴を抽出し、時間的依存性をモデリングすることで、心臓異常の早期かつ信頼性の高い検出を向上させる統一されたフレームワークが必要です。

手法
本研究では、2D心エコービデオからの自動心疾患分類のために設計されたハイブリッド・ディープラーニング・フレームワークを提案します。このパイプラインは、主に4つの段階で構成されています。

1. 前処理および自動セグメンテーション:

   • 心エコービデオをフレーム（25 fps）に分解し、正規化します。
   • Segment Anythingアーキテクチャから派生したトランスフォーマーベースのセグメンテーションモデルであるUltraSAMを用いて、左室心筋を自動的にセグメンテーションします。これにより、定義済みの参照プロンプトに基づき、全フレームにわたってLV領域を分離するバイナリマスクが生成されます。

2. マルチドメイン局所特徴抽出（LV中心）:
   セグメントされたLVマスクから、構造、テクスチャ、および動きを特徴付ける包括的なハンドクラフト特徴量のセットを抽出します。

   • 形状記述子: 面積、周囲長、アスペクト比、円形度、固形度、凸性、および対称性（垂直および水平）を含む指標。
   • テクスチャ解析: 心筋領域内において、グレーレベル共起行列（GLCM）特徴量（コントラスト、均質性、エネルギー、相関、非類似性）および局所勾配強度が計算されます。
   • 動きの解析:
     • オプティカルフロー: 血液プールを除外した心筋壁の動きを推定するために、連続するフレーム間で高密度オプティカルフロー（Farneback法）が計算されます。
     • キーポイント・トラッキング: SuperPointニューラル検出器が顕著な局所特徴を特定し、拡張末期（ED）フレームと収縮末期（ES）フレームの間で輪郭境界点を追跡することで、局所的な構造的対応関係を捉えます。

3. グローバル特徴抽出:

   • Swin Transformer (SwinV2-Tiny) を、セグメンテーションを行わないフルサイズの心エコーフレームに直接適用し、グローバルな空間表現をキャプチャします。このブランチは、ハンドクラフトによるLV特徴量では捉えきれない、チャンバーの構成や全体的な心筋厚の分布を含む、コンテキスト的な視覚パターンを学習します。

4. 特徴融合、最適化、および分類:

   • 融合: 局所的なハンドクラフト特徴ベクトル（約1,991次元）とグローバルなディープ特徴ベクトル（768次元）を結合し、統一された高次元ベクトル（2,759次元）を作成します。
   • 最適化: **アントコロニー最適化（ACO）**を利用して、最も識別力の高い特徴を選択し、次元削減と冗長性の除去を行います。適合度関数は精度と感度のバランスを考慮します。
   • 時間的モデリング: 最適化された特徴シーケンスは、心周期（特にEDおよびESフェーズ）における時間的依存性をモデリングするために、Long Short-Term Memory (LSTM) ネットワークに投入されます。
   • 分類: 最終的なSoftmax層が、二値分類（MI vs 非MI）または多クラス分類（PAH、ASD、健常）を実行します。

主な貢献
本論文は、以下の4つの主要な貢献を強調しています。

• 新規ハイブリッドフレームワーク: 臨床的に解釈可能なハンドクラフトによるLVバイオマーカーと、トランスフォーマーベースのグローバルなコンテキスト表現を統合した統一システム。
• LV中心のマルチドメイン抽出: 形状、テクスチャ（GLCM）、動き（オプティカルフロー）、およびキーポイントベースの記述子を、グローバルなSwin Transformer特徴量と組み合わせることで、単一スケールまたは孤立した特徴アプローチの限界を克服。
• 高度な動きの特性評価: 高密度オプティカルフローとSuperPointキーポイントの具体的な統合により、心周期を通じたフレーム単位の動きの解析が可能となり、機能的異常の検出を向上。
• 最適化された時間的モデリング: 特徴選択のためのACOと、時間的モデリングのためのLSTMの使用は、高次元特徴空間に対する堅牢なソリューションを提供し、二値および多クラス分類タスクの両方において強力な汎用性を実証。

実験結果
本フレームワークは、2つの公開データセット、HMC-QU（MI検出用）およびCardiacNet（PAH、ASD、および健常の分類用）を用いて評価されました。

• HMC-QU データセット（二値MI検出）: モデルは**94.7%**の精度、93%の感度、および97%の特異度を達成しました。カッパ係数は0.9005であり、ほぼ完全な一致を示しています。
• CardiacNet データセット（多クラス）: モデルは、PAH、ASD、および健常な被験者を含む多クラス分類タスクにおいて**90.3%**の精度を達成しました。結果は、特に健常な被験者を特定する際に強力な性能を示しました。
• 比較分析: 提案手法は、HMC-QUデータセットにおいて、決定木（78.46%）、ランダムフォレスト（92.90%）、3D CNN（90.90%）、およびその他のアンサンブル手法（91.40%）を含む既存のベンチマークを上回りました。CardiacNetにおいては、One-UViCS（87.10%）およびCardiacMind（83.00%）を凌駕しました。
• アブレーション研究: Swin Transformerを除去すると、最も顕著な性能低下（HMC-QUで66.40%へ）が見られ、グローバルなコンテキストの必要性が検証されました。また、オプティカルフロー、テクスチャ、またはACOの除去も顕著な低下をもたらし、各モジュールの重要性を裏付けました。

意義および主張
著者らは、このハイブリッドフレームワークが、局所的な機械的評価とグローバルな解剖学的コンテキストの間の溝を効果的に埋めるものであると主張しています。領域固有のLVバイオマーカーとグローバルなトランスフォーマーベースの表現を統合することにより、本システムは一般的な心臓構造を理解しつつ、局所レベルでの心室異常を捉えることができます。本研究は、このアプローチが高精度かつ高い汎用性を持って、心血管疾患（特に心筋梗塞）を検出するための信頼できる自動化されたソリューションを提供することを断言しています。著者らは、本システムは良好に動作する一方で、セグメンテーションエラーが特徴抽出に波及する可能性や、モデルの複雑さに起因するリアルタイム適用の潜在的な限界があることも指摘しています。結論として、本手法は分類精度を向上させるための臨床的に関連性の高いフレームワークを提供するが、今後の課題は、微妙な病理に対するクラス分離能の強化と、より大規模で多様な臨床データセットでの検証に焦点を当てるべきであるとしています。