文献

J-GLOBAL ID：201902287176579378   整理番号：19A1920715

単一MRIシーケンスと深層学習畳込みニューラルネットワークを用いた血管認知障害の分類【JST・京大機械翻訳】

Classification of Subcortical Vascular Cognitive Impairment Using Single MRI Sequence and Deep Learning Convolutional Neural Networks

著者 (8件)： Wang Yao (Department of Radiology, Renji Hospital, School of Medicine, Shanghai Jiao Tong University, Shanghai, China) ,  Tu Danyang (Institute of Image Communication and Network Engineering, Shanghai Jiao Tong University, Shanghai, China) ,  Du Jing (Department of Neurology, Renji Hospital, School of Medicine, Shanghai Jiao Tong University, Shanghai, China) ,  Han Xu (Department of Radiology, Renji Hospital, School of Medicine, Shanghai Jiao Tong University, Shanghai, China) ,  Sun Yawen (Department of Radiology, Renji Hospital, School of Medicine, Shanghai Jiao Tong University, Shanghai, China) ,  Xu Qun (Department of Neurology, Renji Hospital, School of Medicine, Shanghai Jiao Tong University, Shanghai, China) ,  Zhai Guangtao (Institute of Image Communication and Network Engineering, Shanghai Jiao Tong University, Shanghai, China) ,  Zhou Yan (Department of Radiology, Renji Hospital, School of Medicine, Shanghai Jiao Tong University, Shanghai, China)
資料名： Frontiers in Neuroscience (Web)  (Frontiers in Neuroscience (Web))
巻： 13  ページ： 627  発行年： 2019年 
JST資料番号： U7087A  ISSN： 1662-453X  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： 深い学習には,低から高レベルの特徴を抽出することによって,画像分類のための大きな可能性がある著者らの目的は,皮質下虚血性血管疾患(SIVD)患者における異なる認知能力を分類するために,単一T2強調FLAIRシーケンスを用いて畳込み神経回路網(CNN)を訓練することであった。合計217名のSIVD患者(血管性認知症52名(VaD),血管軽度認知障害82名(VaMCI),非認知障害患者83名(NCI))および健常対照者46名(HCs)にMRIスキャンおよび神経心理学的評価を行った。2Dと3D CNNは,FLAIRデータに基づいてVaD,VaMCI,NCI,およびHCを分類するために訓練された。3Dベースのモデルに対して,訓練セットの損失曲線は約20エポック後に0.017に近づいたが,試験セットの曲線は約0.114に維持された。訓練セットとテストセットの精度は,それぞれ約30と35エポックの後に99.7と96.9%に達した。しかし,2Dベースモデルの精度は約70%であり,3Dベースモデルよりも有意に悪かった。この実験は,単一FLAIRシーケンスによる神経画像データのシフトとスケール不変特徴を抽出することにより,SIVDにおける異なる認知性能を分類するために,深い学習が強力で便利な方法であることを示唆した。3D-CNNは2D-CNNより優れており,MRI多平面再形成または体積走査による臨床評価を含む。Copyright 2019 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： 不変性 ,  モデリング ,  走査 ,  三次元 ,  ヒト ,  NMRイメージング ,  神経回路網 ,  二次元 ,  皮質 ,  *血管 ,  *畳込み ,  虚血
準シソーラス用語： EPOC ,  軽度認知障害 ,  FLAIR ,  *認知障害 ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： 虚血性血管疾患 ,  畳込みニューラルネットワーク ,  認知障害 ,  深層学習 ,  磁気共鳴イメージング

分類 (2件)： 神経の基礎医学  (GN01020W) ,  神経系の疾患  (GN03000O)

引用文献 (21件)：

• Chang P., Grinband J., Weinberg B. D., Bardis M., Khy M., Cadena G., et al (2018). Deep-learning convolutional neural networks accurately classify genetic mutations in gliomas. AJNR Am. J. Neuroradiol. 39 1201-1207. doi: 10.3174/ajnr.A5667
• Ciulli S., Citi L., Salvadori E., Valenti R., Poggesi A., Inzitari D., et al (2016). Prediction of impaired performance in trail making test in mci patients with small vessel disease using dti data. IEEE J. Biomed. Health Inform. 20 1026-1033. doi: 10.1109/JBHI.2016.2537808
• Cole J. H., Poudel R. P., Tsagkrasoulis D., Caan M. W., Steves C., Spector T. D., et al (2016). Predicting brain age with deep learning from raw imaging data results in a reliable and heritable biomarker. Neuroimage 163 115-124. doi: 10.1016/j.neuroimage.2017.07.059
• Diciotti S., Ciulli S., Ginestroni A., Salvadori E. (2015). “"Multimodal MRI classification in vascular mild cognitive impairment,"” in Proceedings of the 2015 37th Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC), Milan. doi: 10.1016/j.neuroimage.2017.07.059
• Dou Q., Chen H., Yu L., Zhao L., Qin J., Wang D., et al (2016). Automatic detection of cerebral microbleeds from mr images via 3d convolutional neural networks. IEEE Trans. Med. Imaging 35 1182-1195. doi: 10.1109/TMI.2016.2528129

タイトルに関連する用語 (7件)： MRI ,  シーケンス ,  深層学習 ,  畳込みニューラルネットワーク ,  血管 ,  認知障害 ,  分類