文献

J-GLOBAL ID：201902241177280236   整理番号：19A1978967

3D深さ残差全畳込みネットワークに基づく頭頸部CT放射線治療の危険および器官自動描像【JST・京大機械翻訳】

Segmentation of Organs at Risk on Head and Neck CT for Radiotherapy Based on 3D Deep Residual Fully Convolutional Neural Network

著者 (5件)： Tian Juanxiu (湖南大学電气与信息工程学院,長沙410082;湖南工程学院計算机与通信学院,湖南湘潭411104) ,  Liu Guocai (湖南大学電气与信息工程学院,長沙410082;机器人視覚感知与控制技術国家工程実験室,長沙410082) ,  Gu Shanshan (中国人民解放軍総医院放射治療科,北京,100853) ,  Gu Dongdong (湖南大学電气与信息工程学院,長沙,410082) ,  Gong Junhui (湖南大学電气与信息工程学院,長沙410082;湖南工程学院計算机与通信学院,湖南湘潭411104)
資料名： Zhongguo Shengwu Yixue Gongcheng Xuebao  (Zhongguo Shengwu Yixue Gongcheng Xuebao)
巻： 38  号： 3  ページ： 257-265  発行年： 2019年 
JST資料番号： C2256A  ISSN： 0258-8021  CODEN： ZSYXEI  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 頭頚部腫瘍放射線治療の危険及び器官の正確な描出は放射線治療計画のキーステップであるが、頭頸部の放射線治療は器官の精確な分割の挑戦性が大きく、現在、臨床医師の手動で危険及び器官を描くことは非常に煩雑で、時間がかかり、一致性が乏しい。3D深さ残差全畳込みネットワークに基づく頭頚部腫瘍の放射線治療の危険と器官の自動分割方法を提案し、改良V-Netネットワーク分割モデルを通じて、器官CT映像の深層特徴と浅層特徴を有効に結合する。同時に、特別設計のエンドツーエンド監視学習により、危険及び器官分割モデルパラメータを確定する。小器官類の分布が極めて不均衡な問題を解決するために、器官位置事前制約サンプリング区域とランダムサンプリングとを組み合わせた訓練サンプル選択策略を提案し、同時にDice損失関数を採用してネットワークを訓練した。この戦略は,訓練プロセスを加速し,分割性能を改善し,小器官のセグメンテーション精度を保証した。方法:2015年のMICCAI頭頚部自動分割チャレンジデータセットPDDCAで検証し、各器官の分割のDice係数の平均値は以下のとおりである。顎下骨0.945、左耳下腺0.884、右耳下腺0.882、脳幹0.863、左顎下腺0.825、右顎下腺0.842、左視神経0.807、右視神経0.847、視交叉0.583。大部分の器官の95%Hausdorff距離は3mm以下であり、すべての器官の結像平均距離は1.2mmより小さい。実験により、この方法は脳幹以外の危険及び器官分割において、他の比較方法より優れていることが分かった。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 脳幹 ,  頭頚部腫瘍 ,  映像 ,  医師 ,  *畳込み ,  *放射線療法 ,  類似性 ,  学習 ,  *ネットワーク ,  視神経 ,  *三次元 ,  *残差
準シソーラス用語： 自動セグメンテーション ,  *頭頸部 ,  *器官 , 【Automatic Indexing@JST】

分類 (5件)： 消化器の基礎医学  (GH01020E) ,  消化器の医学一般  (GH01010T) ,  中枢神経系  (EJ12030F) ,  神経科学一般  (GN01010L) ,  神経系の疾患  (GN03000O)

タイトルに関連する用語 (7件)： 3D ,  残差 ,  畳込み ,  頭頸部 ,  CT ,  放射線治療 ,  器官