DenseTRF: テクスチャ認識に基づく教師なし表現適応による手術シーンの密な予測

コンピュータ支援手術の分野において、手術器具のセグメンテーションや手術領域予測などの密な予測タスクは、腹腔鏡手術やロボット手術に重要なガイダンスを提供する。しかし、訓練データセットが実際の運用で遭遇する多様性をカバーすることは稀であり、これらのモデルは分布シフトの影響を受けやすく、汎化性能が低下する問題がある。この課題に対処するため、研究チームはDenseTRFと呼ばれる自己教師あり表現適応フレームワークを提案した。このフレームワークはテクスチャ中心の注意機構に基づいており、スロットアテンションを活用してテクスチャを認識する不変な視覚表現を学習する。DenseTRFは教師なしでこれらの表現を対象分布に適応させることで、ドメインシフトに対するロバスト性を大幅に向上させる。実装は、スロットアテンションに基づく密な予測の条件付けとモデルマージ戦略を通じて行われる。複数の手術手技にわたる実験結果は、最先端のセグメンテーションモデルや密な予測タスクのためのテスト分布適応手法と比較して、DenseTRFがクロス分布汎化性能を向上させることを示している。本研究成果は、2026年の国際医用画像コンピューティングとコンピュータ支援介入会議（MICCAI 2026）に採択された。DenseTRFの主要な革新は、スロットアテンション機構を利用してテクスチャ認識表現を学習し、さまざまな手術シーンで安定した特徴を抽出できる点にある。従来の教師あり学習手法とは異なり、DenseTRFはターゲットドメインのラベル付きデータを必要とせず、自己教師ありの方法でソースドメインから学習した表現をターゲットドメインに移行する。これにより、実運用におけるデータラベリングのコストが大幅に削減され、モデルの適応能力が向上する。実験では、腹腔鏡下胆嚢摘出術やロボット前立腺切除術など複数の手術手技のデータセットを用いて、DenseTRFのクロス分布汎化性能が検証された。さらに、DenseTRFはモデルマージ戦略を採用し、フレームワークの安定性と効率を向上させている。この研究は、手術ビジョンの分野に新しいソリューションを提供するだけでなく、他の分野における密な予測タスクへの応用も期待される。将来的には、DenseTRFは手術ナビゲーションシステムやロボット支援手術プラットフォームに統合され、外科医に正確なリアルタイムフィードバックを提供することが期待される。