文献

J-GLOBAL ID：201902268976707815   整理番号：19A0861226

CTスキャンにおける49つの選択された骨のセグメンテーションのための深層学習:骨格転移の自動PET/CTに基づく3D定量化における第一段階【JST・京大機械翻訳】

Deep learning for segmentation of 49 selected bones in CT scans: First step in automated PET/CT-based 3D quantification of skeletal metastases

著者 (11件)： Lindgren Belal Sarah (Department of Translational Medicine, Lund University, Malmo, Sweden) ,  Sadik May (Department of Clinical Physiology, Sahlgrenska University Hospital, Goteorg, Sweden) ,  Kaboteh Reza (Department of Clinical Physiology, Sahlgrenska University Hospital, Goteorg, Sweden) ,  Enqvist Olof (Department of Signals and Systems, Chalmers University of Technology, Goteborg, Sweden) ,  Ulen Johannes (Eigenvision AB, Malmo, Sweden) ,  Poulsen Mads H. (Department of Urology, Odense University Hospital, Odense, Denmark) ,  Simonsen Jane (Department of Nuclear Medicine, Odense University Hospital, Odense, Denmark) ,  Hoilund-Carlsen Poul F. (Department of Nuclear Medicine, Odense University Hospital, Odense, Denmark) ,  Edenbrandt Lars (Department of Clinical Physiology, Sahlgrenska University Hospital, Goteorg, Sweden) ,  Traegardh Elin (Department of Translational Medicine, Lund University, Malmo, Sweden) ,  Traegardh Elin (Wallenberg Center for Molecular Medicine, Lund University, Malmo, Sweden)
資料名： European Journal of Radiology  (European Journal of Radiology)
巻： 113  ページ： 89-95  発行年： 2019年 
JST資料番号： W3246A  ISSN： 0720-048X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 本研究の目的は,CTスキャンにおける骨のセグメンテーションのための深い学習ベースの方法を開発し,骨格腫瘍負荷を定量化するための自動化PET/CTベース法の作成における最初のステップとして,手動描写と比較してその精度を試験することであった。畳込み神経回路網(CNNs)を,100のCTスキャンから手のセグメンテーションを用いて49の骨をセグメント化するために訓練した。訓練後,CNNに基づくセグメンテーション法を,18F-コリン-PET/CTと18F-NaF PET/CTを3週間隔未満で受けた前立腺癌患者46名について試験した。骨量は,セグメンテーションから計算した。ネットワークの性能を,経験のある医師によって作られた5つの骨の手動セグメンテーションと比較した。これらの5つの骨の自動化されたCNNベースと手動のセグメント化の間の空間的重なりの精度を,Sorensen-Dice指数(SDI)を用いて評価した。Bland-Altman法を適用して再現性を評価した。5つの選択された骨の中央値(SD)容積は,CNNと手動セグメンテーションによって,それぞれTh741(3.8)と36(5.1),L376(13)と75(9.2),仙骨284(40)と283(26),7番目の肋骨33(3.9)と72(9.2)であった。SDIsの中央値は,0.86(Th7),0.85(L3),0.88(仙骨),0.84(7番目の肋骨)および0.83(胸骨)であった。観察者内容積差は手動アプローチよりもCNNベースの方が少なかった:Th72%と14%,l37%と8%,仙骨1%と3%,7番目の肋骨1%と6%,胸骨3%と5%。2つのCNNベースのセグメント化の間の比体積差/平均体積として測定された平均体積差は,脊柱および肋骨に対して5~6%,他の骨に対して≦3%であった。CTスキャンにおける骨の自動化セグメンテーションのための新しい深い学習ベースの方法は,迅速で自動化された方法で非常に正確な骨容積を提供し,したがって,骨格転移の定量化の重要な部分として信頼できる骨格セグメンテーションを提供する臨床的有用な処理手順の開発における価値ある第一段階であると思われる。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： *計算機トモグラフィー ,  前立腺腫瘍 ,  自動化 ,  胸骨 ,  畳込み ,  *三次元 ,  *学習 ,  神経回路網 ,  仙骨 ,  再現性 ,  医師 ,  *セグメンテーション ,  ヒト
準シソーラス用語： *PET/CT ,  *骨格転移 ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： PET/CT ,  人工知能 ,  骨 ,  転移 ,  前立腺癌

分類 (3件)： 腫ようの診断  (GE03020J) ,  放射線を利用した診断  (GC04020K) ,  医用画像処理  (JE04020T)

タイトルに関連する用語 (10件)： CTスキャン ,  骨 ,  セグメンテーション ,  深層学習 ,  骨格転移 ,  PET ,  CT ,  3D ,  定量化 ,  段階