早期のがん検出は患者の生存率向上において重要です。本研究では、18F FDG PET/CT画像を用いて、代謝情報と解剖学的情報を組み合わせた病変検出モデルを調査しました。特に、TotalSegmentatorからの臓器セグメンテーションマスクをnnDetectionの補助入力として追加し、解剖学的な文脈を提供しました。結果として、解剖学的情報の追加はnnDetectionの検出精度を大幅に向上させる一方で、Swin Transformerには顕著な利点が見られませんでした。また、CNNに基づくモデルでは解剖学的文脈の重要性が強調されました。これにより、リンパ腫病変の検出における解剖学的情報の重要な役割が示されました。