文献

J-GLOBAL ID：201802230892816835   整理番号：18A1349905

テクスチャ解析を用いた非強化MRIにおける副腎病変の特性化:機械学習アプローチ【JST・京大機械翻訳】

Characterization of Adrenal Lesions on Unenhanced MRI Using Texture Analysis: A Machine-Learning Approach

著者 (9件)： Romeo Valeria (Department of Advanced Biomedical Sciences, University of Naples “Federico II,”, Naples, Italy) ,  Maurea Simone (Department of Advanced Biomedical Sciences, University of Naples “Federico II,”, Naples, Italy) ,  Cuocolo Renato (Department of Advanced Biomedical Sciences, University of Naples “Federico II,”, Naples, Italy) ,  Petretta Mario (Department of Translational Medical Sciences, University of Naples “Federico II,”, Naples, Italy) ,  Mainenti Pier Paolo (Institute of Biostructures and Bioimaging of the National Research Council (CNR), Naples, Italy) ,  Verde Francesco (Department of Advanced Biomedical Sciences, University of Naples “Federico II,”, Naples, Italy) ,  Coppola Milena (Department of Advanced Biomedical Sciences, University of Naples “Federico II,”, Naples, Italy) ,  Dell’Aversana Serena (Department of Advanced Biomedical Sciences, University of Naples “Federico II,”, Naples, Italy) ,  Brunetti Arturo (Department of Advanced Biomedical Sciences, University of Naples “Federico II,”, Naples, Italy)
資料名： Journal of Magnetic Resonance Imaging  (Journal of Magnetic Resonance Imaging)
巻： 48  号： 1  ページ： 198-204  発行年： 2018年 
JST資料番号： W2648A  ISSN： 1053-1807  資料種別： 逐次刊行物 (A)
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： 背景:副腎腺腫(AA)は最も一般的な良性副腎病変であり,脂質に富む(LRA)または脂質欠乏(LPA)のいずれかとしての脂肪含有量に基づいて特徴付けられることが多い。非腺腫性副腎病変(NAL)からのAA,特にLPAの分化は挑戦的である可能性がある。テクスチャ解析(TA)は,MR画像から定量的パラメータを抽出することができる。機械学習は,興味のある診断のための予測モデルを作成するためにTA特徴の最良の組合せを同定することによって医用画像に適用できるパターン認識のための技術である。目的/仮説:機械学習アプローチを用いて,LRA,LPAおよびNALの特性化におけるMR画像から抽出したTA由来パラメータの診断有効性を評価する。研究TYPE:遡及的,観察研究。20のLRA,20のLPA,および20のNALを含む母集団/被験者/PHANTOM/標本/動物MODEL:60のMR検査。フィールドSTRENGTH/シーケンス:非強化T_1加重同相(IP)および位相外(OP)ならびにT_2強調(T_2-W)MR画像を3Tで取得した。評価:副腎病変を手動でセグメント化し,IP,OP,およびT_2-W画像に対して,球状容積の関心を置いた。異なる選択法を訓練し,J48機械学習分類器を用いて試験した。統計的試験:J48分類器を用いて最高の診断性能を得た特徴選択法を同定した。診断性能は,McNemarの試験により,高齢放射線科医のそれとも比較した。【結果】合計138のTA由来の特徴を抽出した。これらの中で,4つの特徴を選択し,IP(Short_Run_High_Gray_Level_Emphasis),OP(平均_intensity,最大_3D_Diameter),およびT_2-W(標準_Devion)画像から抽出した。J48分類器は80%の診断精度を得た。専門医は73%の診断精度を得た。McNemarの試験は,J48分類器と専門家放射線科医の間の診断性能に関して有意差を示さなかった。結論:MR TA由来の特徴について行われた機械学習は,副腎病変を特徴付ける潜在的なツールである。Copyright 2018 Wiley Publishing Japan K.K. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： パターン認識 ,  セグメンテーション ,  脂質 ,  *副腎 ,  画像 ,  特徴選択 ,  腺腫 ,  位相 ,  医用画像 ,  *キャラクタリゼーション ,  NMRイメージング ,  *機械学習 ,  予測モデル
準シソーラス用語： 被験者 ,  *病巣 , 【Automatic Indexing@JST】

著者キーワード (4件)： 副腎 ,  磁気共鳴イメージング ,  テクスチャ解析 ,  機械学習

分類 (2件)： 内分泌系の疾患  (GL03000I) ,  内分泌系の腫よう  (GL04000P)

タイトルに関連する用語 (7件)： テクスチャ解析 ,  強化 ,  MRI ,  副腎 ,  病変 ,  特性化 ,  機械学習