文献

J-GLOBAL ID：201802247452857455   整理番号：18A1135986

ビッグデータと深層学習を用いた乳癌の放射線療法のための臨床標的容積の完全自動およびロバストセグメンテーション【JST・京大機械翻訳】

Fully automatic and robust segmentation of the clinical target volume for radiotherapy of breast cancer using big data and deep learning

著者 (8件)： Men Kuo (National Cancer Center/Cancer Hospital, Chinese Academy of Medical Sciences and Peking Union Medical College, Beijing 100021, China) ,  Zhang Tao (National Cancer Center/Cancer Hospital, Chinese Academy of Medical Sciences and Peking Union Medical College, Beijing 100021, China) ,  Chen Xinyuan (National Cancer Center/Cancer Hospital, Chinese Academy of Medical Sciences and Peking Union Medical College, Beijing 100021, China) ,  Chen Bo (National Cancer Center/Cancer Hospital, Chinese Academy of Medical Sciences and Peking Union Medical College, Beijing 100021, China) ,  Tang Yu (National Cancer Center/Cancer Hospital, Chinese Academy of Medical Sciences and Peking Union Medical College, Beijing 100021, China) ,  Wang Shulian (National Cancer Center/Cancer Hospital, Chinese Academy of Medical Sciences and Peking Union Medical College, Beijing 100021, China) ,  Li Yexiong (National Cancer Center/Cancer Hospital, Chinese Academy of Medical Sciences and Peking Union Medical College, Beijing 100021, China) ,  Dai Jianrong (National Cancer Center/Cancer Hospital, Chinese Academy of Medical Sciences and Peking Union Medical College, Beijing 100021, China)
資料名： Physica Medica  (Physica Medica)
巻： 50  ページ： 13-19  発行年： 2018年 
JST資料番号： W3316A  ISSN： 1120-1797  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： 大規模データによる乳癌(BC)放射線療法のための臨床標的容積(CTV)の高速で一貫した自動セグメンテーションのための非常に深い拡張残差ネットワーク(DD-ResNet)を訓練し評価する。DD-ResNetは,高速訓練と試験を可能にするエンドツーエンドモデルであった。評価のために乳房温存療法を受けた800名の患者から成る大規模データを用いた。CTVは,経験した放射線により検証した。このモデルの性能を試験するために5倍の交差検証を行った。分割精度は,Dice類似性係数(DSC)とHausdorff距離(HD)によって定量化した。提案したモデルの性能を,2つの異なる深い学習モデルに対して評価した:深い拡張畳込みニューラルネットワーク(DDCNN)と深いデコンボリューションニューラルネットワーク(DDNN)。DD-ResNet(0.91および0.91)の平均DSC値は,右側および左側BCの両方に対して,他の2つのネットワーク(DDCNN:0.85および0.85;DDNN;0.88および0.87)よりも高かった。それは,DDCNN(15.1mmと15.6mm)とDDNN(13.5mmと14.1mm)と比較して,10.5mmと10.7mmのより小さい平均HD値を持った。平均セグメンテーション時間は,DDCNN,DDNNおよびDD-ResNetを有する患者あたり,それぞれ4秒,21秒および15秒であった。DD-ResNetは文献の結果に関しても優れていた。提案した方法は,CTVを許容できる時間消費で正確に分割できた。それは,患者の体サイズと形状に不変で,標的描写と流線放射線療法ワークフローの一貫性を改善することができた。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： 残差 ,  *放射線療法 ,  類似性 ,  *セグメンテーション ,  *放射線 ,  患者 ,  流線 ,  ネットワーク ,  *乳房腫瘍 ,  高速度 ,  不変性 ,  乳房温存手術
準シソーラス用語： 乳房温存療法 ,  自動セグメンテーション ,  *臨床標的体積 ,  *ビッグデータ , 【Automatic Indexing@JST】

著者キーワード (5件)： 乳癌放射線療法 ,  自動セグメンテーション ,  臨床標的容積 ,  ビッグデータ ,  深層学習

分類 (1件)： 腫ようの放射線療法  (GE03034K)

タイトルに関連する用語 (5件)： ビッグデータ ,  深層学習 ,  乳癌 ,  放射線療法 ,  臨床標的容積