文献

J-GLOBAL ID：201802268664708424   整理番号：18A1508181

コンピュータ支援医用画像アノテーション:CTにおける肝病変の予備的結果【JST・京大機械翻訳】

Computer-Aided Medical Image Annotation: Preliminary Results With Liver Lesions in CT

著者 (3件)： Marvasti Neda B. (Department Electrical and Electronics Engineering, VAVlab, Bogazici University, Istanbul, Turkey) ,  Yoruk Erdem (Department Electrical and Electronics Engineering, VAVlab, Bogazici University, Istanbul, Turkey) ,  Acar Burak (Department Electrical and Electronics Engineering, VAVlab, Bogazici University, Istanbul, Turkey)
資料名： IEEE Journal of Biomedical and Health Informatics  (IEEE Journal of Biomedical and Health Informatics)
巻： 22  号： 5  ページ： 1561-1570  発行年： 2018年 
JST資料番号： W1135A  ISSN： 2168-2194  CODEN： IJBHA9  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： 大規模データ解析のための多施設データ統合の必要性と同様に医用画像データの増加する体積は,コンピュータ支援医用画像アノテーション(CMIA)を必要とする。これまでに提案された多くの方法は注釈間の相互依存性を明示的に利用しない。それらは,診断より高いレベルでそれらのアノテーションをさらに制限し,/または標準化された語彙を考慮しない。ループ半自動CMIAシステムを提案した。それは,RadlexにリンクされたBayesツリー構造化モデルに基づいており,計算機トモグラフィー画像における肝臓病変による予備的結果を提示する。提案したシステムは,各反復において最も重要な情報を入力するために放射線科医をガイドし,ネットワークモデルを用いて完全注釈をオンラインで更新する。このモデルに基づく対話型アノテーション方式を用いたシステムの有効性を,ドメインブラインドとドメイン認識モデルを対比することによって示した。予備的な結果は,平均7.50(29)の手動アノテーションが95%の精度で十分であることを示している。それは誘導がないときに必要な手動の努力より32.8%少ない。また,結果は,ドメイン認識モデルがデータから学習されたドメインブラインドモデルよりも優れていることを示唆した。より大きなデータセットと肝臓病変以外のドメインでの更なる解析が必要である。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *CAE【計算機】 ,  *画像 ,  *医用画像 ,  データ融合 ,  語彙 ,  認知モデル ,  *アノテーション ,  標準化 ,  計算機トモグラフィー
準シソーラス用語： 対話型 ,  オンライン ,  ネットワークモデル ,  構造モデル ,  大規模データ ,  *病巣 , 【Automatic Indexing@JST】

分類 (1件)： 医用画像処理  (JE04020T)

タイトルに関連する用語 (5件)： コンピュータ支援 ,  医用画像 ,  アノテーション ,  CT ,  病変