文献

J-GLOBAL ID：201802264814852988   整理番号：18A0146143

小児神経腫瘍学におけるラディオミクス:MRIテクスチャ解析に関する多施設共同研究【Powered by NICT】

Radiomics in paediatric neuro-oncology: A multicentre study on MRI texture analysis

著者 (15件)： Fetit Ahmed E. (Institute of Digital Healthcare, WMG, University of Warwick, Coventry, UK) ,  Fetit Ahmed E. (Birmingham Children’s Hospital NHS Foundation Trust, Birmingham, UK) ,  Novak Jan (Birmingham Children’s Hospital NHS Foundation Trust, Birmingham, UK) ,  Novak Jan (Institute of Cancer and Genomic Sciences, University of Birmingham, Birmingham, UK) ,  Rodriguez Daniel (University of Nottingham, Nottingham, UK) ,  Auer Dorothee P. (University of Nottingham, Nottingham, UK) ,  Auer Dorothee P. (University Hospital Nottingham, Nottingham, UK) ,  Clark Christopher A. (Institute of Child Health, University College London, London, UK) ,  Grundy Richard G. (University of Nottingham, Nottingham, UK) ,  Grundy Richard G. (University Hospital Nottingham, Nottingham, UK) ,  Peet Andrew C. (Birmingham Children’s Hospital NHS Foundation Trust, Birmingham, UK) ,  Peet Andrew C. (Institute of Cancer and Genomic Sciences, University of Birmingham, Birmingham, UK) ,  Arvanitis Theodoros N. (Institute of Digital Healthcare, WMG, University of Warwick, Coventry, UK) ,  Arvanitis Theodoros N. (Birmingham Children’s Hospital NHS Foundation Trust, Birmingham, UK) ,  Arvanitis Theodoros N. (Institute of Cancer and Genomic Sciences, University of Birmingham, Birmingham, UK)
資料名： NMR in Biomedicine (Nuclear Magnetic Resonance)  (NMR in Biomedicine (Nuclear Magnetic Resonance))
巻： 31  号： 1  ページ： ROMBUNNO.3781  発行年： 2018年 
JST資料番号： T0635A  ISSN： 0952-3480  CODEN： NMRBEF  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： 脳腫瘍は,英国の小児における最も一般的な固形癌であり,この年齢群における癌死亡の最も一般的な原因である。MRIの最近の進歩にもかかわらず,小児脳腫瘍の非侵襲的診断を,今のところ日常臨床への道を見つけなければならない。定量的画像特徴(例えば,テクスチャー)のハイスループット抽出と分析,radiomicsは腫瘍特性評価と意思決定支援のための潜在的な解決策を提供する。診断腫瘍学的マーカーの探索において,本研究の主目的は,小児脳腫瘍の分類のためのMRIテクスチャ解析(TA)の応用を研究することであった。多施設研究を行い,教師つき分類フレームワーク内で,臨床MR画像であり,従来のMRIから得た3Dテクスチャ属性で訓練したサポートベクトルマシン(SVM)。TAの断面中心移転可能性を決定するために,SVMは見えないデータセット上でどのように機能するかの評価は,厳密なペアワイズ試験により行った。研究もデータとよく一般化できることを分類器の訓練に可能性が最も高いことを特徴の性質を検討した。最後に,いくつかの腫瘍タイプの他のものよりより一般的にによって生じる,クラス不均衡の問題を検討した。ペアワイズ試験を行った試験の各々に対して,受信者動作特性曲線の下での最適面積は76%と86%の間であり,モデルは移動可能な腫瘍情報を捉えることができることを示唆した。特徴選択の結果は,腫瘍組織の同様の側面は異なる病院で得られたMR画像による増強されたことを示唆した。著者らの結果は,また同様に代表されるクラスのアベイラビリティはデータ点をより良く特性化するSVMを可能にしたことを示唆した。ここに提示した研究の知見は,小児脳腫瘍の診断分類を支援するために従来のMR画像上の3次元TAの使用を支持する。Copyright 2018 Wiley Publishing Japan K.K. All Rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 機械学習 ,  脳腫瘍 ,  *腫瘍 ,  病院 ,  サポートベクトルマシン ,  特徴選択 ,  NMRイメージング ,  三次元 ,  *子供 ,  キャラクタリゼーション ,  モデル
準シソーラス用語： ROC曲線 ,  *腫瘍内科学 ,  小児脳腫瘍 ,  *テクスチャ解析 , 【Automatic Indexing@JST】

著者キーワード (8件)： 3Dテクスチャ解析 ,  分類 ,  機械学習 ,  MRI ,  多施設 ,  小児脳腫瘍 ,  radiomics ,  移行性

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 小児 ,  神経腫瘍学 ,  MRI ,  テクスチャ解析 ,  多施設共同研究