文献

J-GLOBAL ID：201802239634989094   整理番号：18A2003357

肺SBRTにおける遠隔故障予測のためのカーネル化サポートテンソルマシンを用いたパイロット研究【JST・京大機械翻訳】

A pilot study using kernelled support tensor machine for distant failure prediction in lung SBRT

著者 (12件)： Li Shulong (School of Biomedical Engineering, Guangdong Provincial Key Laboratory of Medical Image, Processing, Southern Medical University, Guangzhou 510515, China) ,  Yang Ning (Department of Medical Imaging, Guangdong No.2 Provincial People’s Hospital, Guangzhou 510317, China) ,  Li Bin (School of Biomedical Engineering, Guangdong Provincial Key Laboratory of Medical Image, Processing, Southern Medical University, Guangzhou 510515, China) ,  Zhou Zhiguo (Department of Radiation Oncology, University of Texas Southwestern Medical Center, Dallas 75235, USA) ,  Hao Hongxia (School of Computer Science and Technology, Xidian University, Xi’an 710071, China) ,  Folkert Michael R. (Department of Radiation Oncology, University of Texas Southwestern Medical Center, Dallas 75235, USA) ,  Iyengar Puneeth (Department of Radiation Oncology, University of Texas Southwestern Medical Center, Dallas 75235, USA) ,  Westover Kenneth (Department of Radiation Oncology, University of Texas Southwestern Medical Center, Dallas 75235, USA) ,  Choy Hak (Department of Radiation Oncology, University of Texas Southwestern Medical Center, Dallas 75235, USA) ,  Timmerman Robert (Department of Radiation Oncology, University of Texas Southwestern Medical Center, Dallas 75235, USA) ,  Jiang Steve (Department of Radiation Oncology, University of Texas Southwestern Medical Center, Dallas 75235, USA) ,  Wang Jing (Department of Radiation Oncology, University of Texas Southwestern Medical Center, Dallas 75235, USA)
資料名： Medical Image Analysis  (Medical Image Analysis)
巻： 50  ページ： 106-116  発行年： 2018年 
JST資料番号： W3156A  ISSN： 1361-8415  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 著者らは,定位放射線療法(SBRT)で治療した初期段階非小細胞肺癌(NSCLC)における遠隔障害を予測するための入力として,前処理PETとCT画像から誘導した腫瘍テンソルを有するカーネル支援テンソル機械(KSTM)ベースのモデルを開発した。患者コホートはSBRTで治療した110人の早期NSCLC患者を含み,そのうち25人は遠隔地で失敗を経験した。三次元腫瘍テンソルを構築し,KSTMベース分類器の入力として用いた。収束証明を有するKSTM反復アルゴリズムを開発して,分類装置のためのテンソルのあらゆるモードのための重みベクトルを訓練した。手書き画像の特徴に依存する従来のラジオミクスアプローチとは対照的に,KSTMベースの分類器は,画像情報を完全に利用して,入力として3D画像を用いる。KSTMベースの分類装置は,医用画像の固有の3D幾何学構造とオリジナル画像における相関を保存し,適応特徴テンソル空間における分類超平面を訓練する。KSTMベース予測アルゴリズムを,3つの従来の機械学習モデルと3つの放射線学アプローチと比較した。PETとCTに対して,KSTMベース予測法は,10倍交差検証と独立した試験に基づいて,本研究で調べた7つの方法の中で最も高い予測結果を達成した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 画像 ,  母集団 ,  三次元 ,  予測技法 ,  患者 ,  *テンソル ,  幾何学 ,  医用画像 ,  前処理 ,  機械学習 ,  ベクトル ,  走査型トンネル顕微鏡 ,  *予測 ,  分類装置
準シソーラス用語： 三次元画像 , 【Automatic Indexing@JST】

著者キーワード (5件)： サポートテンソルマシン ,  NSCLC ,  SBRT ,  放射線学 ,  医用画像

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 肺 ,  SBRT ,  故障予測 ,  カーネル化 ,  パイロット ,  研究