非密封線源治療における完全自動放射線量推定のための深部学習腎臓セグメンテーション【JST・京大機械翻訳】

Jackson Price; Jackson Price; Jackson Price; Hardcastle Nicholas; Dawe Noel; Kron Tomas; Hofman Michael S.; Hicks Rodney J.

文献

J-GLOBAL ID：201802265223999948 整理番号：18A1296760

非密封線源治療における完全自動放射線量推定のための深部学習腎臓セグメンテーション【JST・京大機械翻訳】

Deep Learning Renal Segmentation for Fully Automated Radiation Dose Estimation in Unsealed Source Therapy

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=18A1296760&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=18A1296760&from=J-GLOBAL&jstjournalNo=U7089A") }}

著者 (8件)： , , , , , , ,
資料名：
巻： 8 ページ： 215 発行年： 2018年
JST資料番号： U7089A ISSN： 2234-943X 資料種別：逐次刊行物 (A)
記事区分：原著論文発行国：スイス (CHE) 言語：英語 (EN)

背景:畳込みニューラルネットワーク(CNNs)は,オブジェクト検出を支援する強力なツールであることが示されており,人間の観察者は,参照被験者の比較的小さなコホートに基づいて訓練される可能性がある。医用画像における迅速で正確な臓器認識は,様々な新しい定量的診断技術を可能にする。標的放射性核種による治療の場合,通常の方法を用いてしばしば禁止されるような方法で,包括的な放射線量分析を可能にする可能性がある。【方法】非造影CT画像上の左右の腎臓輪郭を検出するために,三次元CNNに基づいて自動化画像セグメンテーションツールを開発した。モデルは89人の手動で輪郭を付けられた症例に基づいて訓練され,転移性前立腺癌に対して177Lu-前立腺特異的膜抗原-617による治療を受けている患者のコホートについて試験された。自動的に生成された輪郭をエキスパートによって描かれたものと比較し,ダイスコア,平均距離-一致,および全セグメント化体積に基づく類似性について評価した。さらに,治療からの腎臓放射線量を推定するために,後処理定量的SPECTイメージングから計算したボクセル線量マップに輪郭を適用した。【結果】神経回路網セグメンテーションは,高い精度ですべての患者において,左右の腎臓を同定することができた。システムは病院画像データベースに統合され,約90秒で選択された研究のために輪郭を戻した。平均死亡スコアは,右および左腎臓でそれぞれ0.91および0.86であった。3名の嚢胞腎患者において低い性能が観察されたが,これらの患者は訓練データにほんのわずかしか含まれていなかった。平均放射線吸収線量における有意差は,手動と自動化アルゴリズムの間で観察されなかった。結論:CNNsを用いた自動輪郭化は,機能的SPECTおよびPET画像の定量的評価を提供することにおいて有望であることを示した。本例では,ヒト観察者と比較して,非密封ソース療法における放射線量解釈のための同等の精度を示した。Copyright 2018 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

, , , , , , , , , , , , , ,

著者キーワード (5件)： , , , ,

医用画像処理

, , , , , , ,

前のページに戻る