文献
J-GLOBAL ID:201902225446447707   整理番号:19A1638941

身体組成分析のための腰椎(L3)および胸部(T4)レベルでの軸方向コンピュータ断層撮影(CT)画像における筋肉セグメンテーション【JST・京大機械翻訳】

Muscle segmentation in axial computed tomography (CT) images at the lumbar (L3) and thoracic (T4) levels for body composition analysis
著者 (6件):
資料名:
巻: 75  ページ: 47-55  発行年: 2019年 
JST資料番号: T0220A  ISSN: 0895-6111  資料種別: 逐次刊行物 (A)
記事区分: 原著論文  発行国: イギリス (GBR)  言語: 英語 (EN)
抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
癌のような疾患において,患者は骨格筋(cachexia)の変性損失を被る。筋肉消耗と筋肉機能/性能(サルコペニア)の損失も,進行した老化の間に起こることができる。したがって,サルコペニアおよび悪液質における骨格筋量の評価は,リスク層別化に対する臨床的関心事である。脂肪,体液および骨と比較して,骨格筋量を定量化することはより困難である。コンピュータ断層撮影(CT)は,癌診断と進行の分析のためのゴールドスタンダード技術の1つであり,したがって,骨格筋量のin vivo定量化のための画像化の貴重なソースである。本論文では,第3腰椎(L3)および第4胸(T4)レベルでの軸方向CT画像における骨格筋の自動セグメンテーションのための新しい深い神経回路網ベースのアルゴリズムを設計した。2つの訓練ステップを有する2ブランチネットワークを研究した。ネットワークの性能を,別々のデータセットに関する3つの訓練されたモデルに対して評価した。これらのデータセットは,異なるCT装置とデータ収集環境によって生成された。モデルのロバスト性を保証するために,各訓練モデルを3つの利用可能なテストセットについて試験した。これらの症例におけるエラーと標識プロトコルの効果を分析し報告した。提案したアルゴリズムの最良の性能は,1327のL3試験サンプルで達成され,オーバーラップJaccardスコアは98%で,感度と特異性は99%以上であった。Copyright 2019 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:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。

準シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
, 【Automatic Indexing@JST】
分類 (1件):
分類
JSTが定めた文献の分類名称とコードです
医用画像処理 

前のページに戻る