文献

J-GLOBAL ID：201902265876563707   整理番号：19A1605919

放射線科報告から得られた知識によるCT画像における細粒病変注釈【JST・京大機械翻訳】

Fine-Grained Lesion Annotation in CT Images With Knowledge Mined From Radiology Reports

著者 (4件)： Yan Ke (Imaging Biomarkers and Computer-Aided Diagnosis Lab, Radiology and Imaging Sciences, National Institutes of Health (NIH) Clinical Center) ,  Peng Yifan (National Center for Biotechnology Information, National Library of Medicine, NIH) ,  Lu Zhiyong (National Center for Biotechnology Information, National Library of Medicine, NIH) ,  Summers Ronald M. (Imaging Biomarkers and Computer-Aided Diagnosis Lab, Radiology and Imaging Sciences, National Institutes of Health (NIH) Clinical Center)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ISBI  ページ： 285-288  発行年： 2019年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： 放射線科医のルーチン研究において,1つの主要なタスクは,医用画像を読み出すことである。例えば,CTスキャンは,それらを記述するために放射線学報告における有意な病変と書込み文章を見つけることである。本論文では,コンピュータ支援診断(CAD)の重要なステップとして,病変記述または注釈問題を研究した。病変画像を与えて,著者らの目的は,病変の体部,タイプ,および属性のような複数の関連ラベルを予測することである。この問題を扱うために,著者らは,DeepLeionデータセットにおける大きな多様な病変を記述するために,Radlexに基づく145のラベルのセットを定義した。著者らは,放射線学報告において病変の対応する文章から訓練ラベルを直接マイニングし,それは最小の手動努力を必要とし,大規模データとラベル集合に容易に一般化できる。次に,多重ラベル畳込みニューラルネットワークを,マルチスケール構造と雑音ロバスト損失を有する画像のために提案した。定量的および定性的実験により,このフレームワークの有効性を実証した。1,872の試験病変に関するROC曲線下の平均面積は,0.9083である。Copyright 2019 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： *画像 ,  計算機トモグラフィー ,  有効性 ,  雑音 ,  放射線医学 ,  計算機診断 ,  ロバスト性 ,  多重化 ,  *アノテーション ,  医用画像
準シソーラス用語： マルチスケール ,  畳込みニューラルネットワーク ,  放射線科医 ,  *病巣 ,  *CT画像 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (7件)： 放射線科 ,  報告 ,  知識 ,  CT画像 ,  細粒 ,  病変 ,  注釈