文献

J-GLOBAL ID：201902239486590365   整理番号：19A2914493

従来の磁気共鳴イメージングを用いた髄膜腫のグレード予測における放射線学に基づく機械学習の診断値:予備的研究【JST・京大機械翻訳】

The Diagnostic Value of Radiomics-Based Machine Learning in Predicting the Grade of Meningiomas Using Conventional Magnetic Resonance Imaging: A Preliminary Study

著者 (13件)： Chen Chaoyue (Department of Biotherapy, Cancer Center, West China Hospital, Sichuan University, Chengdu, China) ,  Chen Chaoyue (State Key Laboratory of Biotherapy and Cancer Center, West China Hospital, Sichuan University, and Collaborative Innovation Center for Biotherapy, Chengdu, China) ,  Chen Chaoyue (Department of Neurosurgery, West China Hospital, Sichuan University, Chengdu, China) ,  Guo Xinyi (Department of Neurosurgery, West China Hospital, Sichuan University, Chengdu, China) ,  Guo Xinyi (West China School of Medicine, West China Hospital, Sichuan University, Chengdu, China) ,  Wang Jian (School of Computer Science, Nanjing University of Science and Technology, Nanjing, China) ,  Guo Wen (Department of Biotherapy, Cancer Center, West China Hospital, Sichuan University, Chengdu, China) ,  Guo Wen (State Key Laboratory of Biotherapy and Cancer Center, West China Hospital, Sichuan University, and Collaborative Innovation Center for Biotherapy, Chengdu, China) ,  Guo Wen (Department of Neurosurgery, West China Hospital, Sichuan University, Chengdu, China) ,  Guo Wen (West China School of Medicine, West China Hospital, Sichuan University, Chengdu, China) ,  Ma Xuelei (Department of Biotherapy, Cancer Center, West China Hospital, Sichuan University, Chengdu, China) ,  Ma Xuelei (State Key Laboratory of Biotherapy and Cancer Center, West China Hospital, Sichuan University, and Collaborative Innovation Center for Biotherapy, Chengdu, China) ,  Xu Jianguo (Department of Neurosurgery, West China Hospital, Sichuan University, Chengdu, China)
資料名： Frontiers in Oncology (Web)  (Frontiers in Oncology (Web))
巻： 9  ページ： 1338  発行年： 2019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)

抄録/ポイント： 【目的】本研究の目的は,テクスチャ分析に基づく機械学習アルゴリズムが,機械学習アルゴリズムを用いて髄膜腫の正確な分類のための非侵襲的画像バイオマーカーを考案するのを助けることができるかどうかを調査することである。【方法】研究コホートを,医療記録をレビューすることによって,病院データベースから確立した。患者は,2015年1月と2018年12月の間に神経外科部門で髄膜腫切除を受けた場合に選択された。6つのマトリックスに基づく前処理ポストコントラストT1加重(T1C)画像から,合計40のテクスチャパラメータを抽出した。3つの特徴選択方法,すなわち距離相関,最小絶対収縮と選択演算子(LASSO),および勾配ブースティング決定木(GBDT)を採用した。線形判別分析(LDA)とサポートベクトルマシン(SVM)アルゴリズムの多クラス分類法を用いて分類モデルを確立した。モデルの診断性能を,モデルの曲線,精度およびKappa値の下の領域に基づく混乱マトリックスで評価した。【結果】混乱マトリックスは,LDAベースのモデルがSVMベースのモデルより良い診断性能を表したことを示した。LDAベースのモデルの中で最も高い精度は75.6%であり,Lasso+LDAの組合せで示された。SVMベースのモデルのための最適モデルは,試験グループにおいて59.0%の精度で,Lasso+SVMであった。SVMベースのモデルの一つ,GBDT+SVMは過剰適合であり,このモデルが応用に適していないことを示唆した。【結論】T1C画像から抽出されたテクスチャ特徴を有する機械学習アルゴリズムは,髄膜腫の前処理に対する補助画像バイオマーカーとして潜在的に役立つ可能性がある。Copyright 2020 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  脳神経外科 ,  母集団 ,  カオス ,  カルテ ,  *髄膜腫 ,  学習アルゴリズム ,  *機械学習 ,  ディシジョンツリー ,  特徴選択 ,  *放射線医学 ,  サポートベクトルマシン ,  データベース ,  *NMRイメージング ,  バイオマーカー

著者キーワード (5件)： 放射線学 ,  機械学習 ,  磁気共鳴イメージング ,  髄膜腫 ,  腫瘍グレード

分類 (1件)： 腫ようの化学・生化学・病理学  (GE02030N)

引用文献 (37件)：

• Ostrom QT, Gittleman H, Liao P, Vecchione-Koval T, Wolinsky Y, Kruchko C, et al. CBTRUS statistical report: primary brain and other central nervous system tumors diagnosed in the United States in 2010-2014. Neuro Oncol. (2017) 19(Suppl_5):v1-v88. doi: 10.1093/neuonc/nox158
• Rogers L, Barani I, Chamberlain M, Kaley TJ, McDermott M, Raizer J, et al. Meningiomas: knowledge base, treatment outcomes, and uncertainties. A RANO review. J Neurosurg. (2015) 122:4-23. doi: 10.3171/2014.7.JNS131644
• Goldbrunner R, Minniti G, Preusser M, Jenkinson MD, Sallabanda K, Houdart E, et al. EANO guidelines for the diagnosis and treatment of meningiomas. Lancet Oncol. (2016) 17:e383-91. doi: 10.1016/S1470-2045(16)30321-7
• Whittle IR, Smith C, Navoo P, Collie D. Meningiomas. Lancet. (2004) 363:1535-43. doi: 10.1016/S0140-6736(04)16153-9
• Louis DN, Perry A, Reifenberger G, von Deimling A, Figarella-Branger D, Cavenee WK, et al. The 2016 World Health Organization classification of tumors of the central nervous system: a summary. Acta Neuropathol. (2016) 131:803-20. doi: 10.1007/s00401-016-1545-1

タイトルに関連する用語 (8件)： 磁気共鳴イメージング ,  髄膜腫 ,  グレード ,  予測 ,  放射線学 ,  機械学習 ,  診断 ,  予備的研究