文献

J-GLOBAL ID：201902249124925677   整理番号：19A2506188

ボクセル内インコヒーレント運動拡散強調画像を用いた乳癌病変分類の精度はベイズ法による包括的または局所的事前知識の包含により改善される【JST・京大機械翻訳】

Accuracy of breast cancer lesion classification using intravoxel incoherent motion diffusion-weighted imaging is improved by the inclusion of global or local prior knowledge with bayesian methods

著者 (8件)： Vidic Igor (Department of Physics, NTNU, Norwegian University of Science and Technology, Trondheim, Norway) ,  Jerome Neil P. (Department of Circulation and Medical Imaging, NTNU, Norwegian University of Science and Technology, Trondheim, Norway) ,  Jerome Neil P. (Department of Radiology and Nuclear Medicine, St. Olav’s University Hospital, Trondheim, Norway) ,  Bathen Tone F. (Department of Circulation and Medical Imaging, NTNU, Norwegian University of Science and Technology, Trondheim, Norway) ,  Bathen Tone F. (Department of Radiology and Nuclear Medicine, St. Olav’s University Hospital, Trondheim, Norway) ,  Goa Pal E. (Department of Physics, NTNU, Norwegian University of Science and Technology, Trondheim, Norway) ,  Goa Pal E. (Department of Radiology and Nuclear Medicine, St. Olav’s University Hospital, Trondheim, Norway) ,  While Peter T. (Department of Radiology and Nuclear Medicine, St. Olav’s University Hospital, Trondheim, Norway)
資料名： Journal of Magnetic Resonance Imaging  (Journal of Magnetic Resonance Imaging)
巻： 50  号： 5  ページ： 1478-1488  発行年： 2019年 
JST資料番号： W2648A  ISSN： 1053-1807  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： 背景:拡散強調MRI(DWI)は,乳癌病変を非侵襲的に特徴付ける可能性がある;ボクセル内インコヒーレント運動(IVIM)のようなモデルは,組織灌流を反映する偽拡散パラメータを提供するが,獲得と解析戦略の詳細に依存する。目的:良性および悪性乳房病変を区別するためのIVIMパラメータのパワーに対する,従来の最小二乗(LSQ)およびセグメント化(SEG)法ならびにグローバル収縮(BSP)および局所空間(FBM)プリアを含むBayes法を含むフィッティングアルゴリズムの効果を検討する。研究TYPE:前向き患者研究。対象:乳房病変を確認した61名の患者。フィールドSTRENGTH/シーケンス:DWI(双極SE-EPI,13b値)は,T_2強調およびダイナミック造影MRIを含む臨床MRプロトコルに3Tスキャナ上で含まれた。評価:IVIMモデルを関心のある病変領域(ROIs)でボクセルに適合させ,誘導されたパラメータを良性および悪性サブグループ(相関,変動係数)内の方法を通して比較した。受信者動作特性曲線(ROC AUCs)の下の面積を計算して,すべての適合方法からパラメータ組合せの識別力を決定した。統計的試験:Kruskal-Wallis,Mann-Whitney,ピアソン相関。【結果】すべての方法は,有用なIVIMパラメータを提供した。dはすべての方法(r>0.8)を通して良く相関し,fおよびD*(0.3~0.7)に対してより広い範囲であった。フィッティング法は,パラメータにおいて検出可能な差を与えたが,すべては,m整列病変において,fを増加させ,Dを減少させた。dは最も識別可能な単一パラメータであり,LSQは最小限(AUC0.83)であった。一般的に,ROC AUCsは擬拡散パラメータの包含により最大化され,事前情報を組み込んだBayes法(BSPに対する最大AUC0.92)を用いることにより最大化された。【データ】DWIは,乳房病変の分類において良好に機能するが,分析手順の注意深い考察は,性能を改善することができる。dは最も識別的な単一パラメータであるが,擬拡散パラメータ(fとD*)を含むことはROC AUCを増加させる。Bayes法は,乳房病変分類のために従来の最小二乗および分割適合法を上回った。Evidenceのレベル:3つの技術的有効性:ステージ2 J.Magn。レソン。画像2019;50:1478-1488。Copyright 2019 Wiley Publishing Japan K.K. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *乳房腫瘍 ,  有効性 ,  セグメンテーション ,  プロトコル ,  アルゴリズム ,  *ボクセル ,  乳房 ,  走査装置 ,  潅流 ,  アラインメント ,  *画像 ,  最小二乗法
準シソーラス用語： 非侵襲 ,  *事前知識 ,  *病巣 , 【Automatic Indexing@JST】

著者キーワード (5件)： 拡散イメージング ,  ボクセル内インコヒーレント運動 ,  乳癌 ,  分類 ,  ベイズ

分類 (2件)： 生体計測  (EL03020C) ,  医用画像処理  (JE04020T)

タイトルに関連する用語 (8件)： ボクセル ,  運動 ,  拡散強調画像 ,  乳癌 ,  病変 ,  分類 ,  ベイズ法 ,  事前知識