文献

J-GLOBAL ID：201902288353833345   整理番号：19A1343562

アテローム性動脈硬化性プラークの組成を評価するためのCTヒストグラム解析の機械学習統合:IB-IVUSによる検証【JST・京大機械翻訳】

Machine-learning integration of CT histogram analysis to evaluate the composition of atherosclerotic plaques: Validation with IB-IVUS

著者 (11件)： Masuda Takanori (Department of Radiological Technology, Tsuchiya General Hospital, Nakajima-cho 3-30, Naka-ku, Hiroshima, 730-8655, Japan) ,  Masuda Takanori (Department of Diagnostic Radiology, Graduate School of Biomedical Sciences, Hiroshima University, Hiroshima, Japan) ,  Nakaura Takeshi (Department of Diagnostic Radiology, Graduate School of Medical Sciences, Kumamoto University, 1-1-1 Honjo, Kumamoto, 860-8556, Japan) ,  Funama Yoshinori (Department of Medical Physics, Faculty of Life Sciences, Kumamoto University, Kumamoto, Japan) ,  Okimoto Tomokazu (Department of Cardiovascular Internal Medicine, Tsuchiya General Hospital, Nakajima-cho 3-30, Naka-ku, Hiroshima, 730-8655, Japan) ,  Sato Tomoyasu (Department of Diagnostic Radiology, Tsuchiya General Hospital, Nakajima-cho 3-30, Naka-ku, Hiroshima, 730-8655, Japan) ,  Higaki Toru (Department of Diagnostic Radiology, Graduate School of Biomedical Sciences, Hiroshima University, Hiroshima, Japan) ,  Noda Noritaka (Department of Radiological Technology, Tsuchiya General Hospital, Nakajima-cho 3-30, Naka-ku, Hiroshima, 730-8655, Japan) ,  Imada Naoyuki (Department of Radiological Technology, Tsuchiya General Hospital, Nakajima-cho 3-30, Naka-ku, Hiroshima, 730-8655, Japan) ,  Baba Yasutaka (Department of Diagnostic Radiology, Graduate School of Biomedical Sciences, Hiroshima University, Hiroshima, Japan) ,  Awai Kazuo (Department of Diagnostic Radiology, Graduate School of Biomedical Sciences, Hiroshima University, Hiroshima, Japan)
資料名： Journal of Cardiovascular Computed Tomography  (Journal of Cardiovascular Computed Tomography)
巻： 13  号： 2  ページ： 163-169  発行年： 2019年 
JST資料番号： W3252A  ISSN： 1934-5925  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： 冠動脈CT血管造影(CCTA)のヒストグラム解析による機械学習が,中央値CT数を用いた従来のカットオフ法よりも冠動脈プラーク特性化のためのより高い診断性能をもたらすかどうかを決定する。CCTAを受け,後方散乱血管内超音波(IB-IVUS)研究を行った78名の冠動脈プラークを有する78名の患者を対象とした。IB-IVUSは,32例が線維性,46例が脂肪性または線維性脂肪性プラークと診断された。プラークCT数の冠動脈CT数および7つのヒストグラムパラメータ(最小および平均値,標準偏差(SD),最大値,歪度,尖度およびエントロピー)を記録した。また,個々の特徴の重要性をレートするGini指数を用いて各特徴の重要性を評価した。計算のために,XGBoostを用いた。プラークCT数の5倍交差検証を用いて,機械学習の受信者動作特性曲線下面積(極端勾配ブースティング)と従来のカットオフ法を比較した。CT数の中央値は,線維症に対して56.38Hounsfield単位(HU,8.00~95.90),脂肪または線維性脂肪プラークに対して1.15HU(-35.8~113.30)であった。プラークCT数の計算した最適閾値は36.1±2.8HUであった。最も高いGini指数は,冠動脈CT数(0.19),続いて最小値(0.17),尖度(0.17),エントロピー(0.14),歪度(0.11),平均値(0.11),標準偏差(0.06),および最大値(0.05)とエネルギー(0.00)であった。検証分析により,機械学習は従来法よりも曲線下で有意に高い面積をもたらした(曲線0.92および95%下面積,信頼区間0.86~0.92対0.83および0.75~0.92,p=0.001)。機械学習は,CCTA画像上のプラークCT数を用いた冠動脈プラーク特性化のための従来のカットオフ法より優れていた。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： 線維症 ,  画像 ,  ヒト ,  信頼区間 ,  *機械学習 ,  *アテローム ,  標準偏差 ,  *血管内超音波診断 ,  *プラーク ,  キャラクタリゼーション ,  エントロピー
準シソーラス用語： ブースティング ,  尖度 ,  冠動脈CT ,  冠動脈プラーク ,  カットオフ , 【Automatic Indexing@JST】

著者キーワード (5件)： 機械学習 ,  冠動脈プラーク ,  冠動脈CT血管造影 ,  極端な勾配ブースティング(XGBoost) ,  統合後方散乱血管内超音波(IB-IVUS)

分類 (1件)： 循環系の診断  (GJ02000V)

タイトルに関連する用語 (10件)： アテローム性動脈硬化 ,  プラーク ,  組成 ,  評価 ,  CT ,  ヒストグラム解析 ,  機械学習 ,  統合 ,  IB-IVUS ,  検証