文献

J-GLOBAL ID：201702284245804794   整理番号：17A0142777

病理画像を用いた生存解析のための深い畳込みニューラルネットワーク【Powered by NICT】

Deep convolutional neural network for survival analysis with pathological images

著者 (3件)： Zhu Xinliang (Department of Computer Science and Engineering, The University of Texas at Arlington, USA) ,  Yao Jiawen (Department of Computer Science and Engineering, The University of Texas at Arlington, USA) ,  Huang Junzhou (Department of Computer Science and Engineering, The University of Texas at Arlington, USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： BIBM  ページ： 544-547  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 生存解析のための伝統的Cox比例ハザードモデルは患者の性別,煙歳,BMIなどのような構造化された特徴に基づいている。医用画像技術の発展に伴い,より構造化されていない医用画像診断,治療および生存率分析に利用可能である。伝統的生存モデルはそれらから人間特徴を抽出してこれらの非構造化画像を利用した。しかし,これら手作りの特徴は高度に抽象的な情報を表現する限られた能力を持っていることを論じた。本論文では,病理学的画像を用いた生存分析(DeepConvSurv)のための深い畳込みニューラルネットワークを開発し初めて可能にした。モデルにおける深層を画像から手作りの特徴と比較して,より抽象的な情報を示すことができた。,生存予測性能を改善するであろう。全米肺スクリーニング試験(NLST)肺癌データに関する広範な実験から,提案したDeepConvSurvモデルは,四種類の最先端レベル手法と比較して有意に改善することを示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 深層 ,  患者 ,  医用画像 ,  *畳込み ,  *画像 ,  *ニューラルネットワーク ,  スクリーニング ,  煙 ,  病理学 ,  肺腫瘍 ,  構造形成 ,  性別 ,  比例ハザードモデル
準シソーラス用語： 予測性能 ,  *病理画像 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： 病理画像 ,  生存解析 ,  畳込みニューラルネットワーク