文献

J-GLOBAL ID：202002210987112067   整理番号：20A1244823

CT正規化のための生成的敵対ネットワークの使用とその放射線学的特徴への影響【JST・京大機械翻訳】

Using a Generative Adversarial Network for CT Normalization and Its Impact on Radiomic Features

著者 (3件)： Wei Leihao (Medical & Imaging Informatics, University of California,Los Angeles) ,  Lin Yannan (Medical & Imaging Informatics, University of California,Los Angeles) ,  Hsu William (Radiological Sciences, University of California,Los Angeles)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ISBI  ページ： 844-848  発行年： 2020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： コンピュータ支援診断(CADx)システムは,形態学とテクスチャベース(放射線)特徴を用いて,胸部CTスキャン上の潜在的悪性肺結節の同定と分類により放射線科医を支援する。しかし,放射線の特徴は,線量レベルとスライス厚さの変化による取得の違いに敏感である。本研究では,入力として不均一CTスキャンから正規化スキャンを生成する可能性を調べた。40の低線量胸部CTスキャンからの投影データを得て,10%,25%および50%の線量で取得をシミュレーションし,1.0mmおよび2.0mmスライス厚でスキャンを再構成した。3D発生的adversネットワーク(GAN)を用いて,減少した線量,厚いスライス(2.0mm)画像を正常線量(100%),より薄いスライス(1.0mm)画像に同時に正規化した。著者らは,ピーク信号対雑音比(PSNR),構造類似性指数(SSIM)および学習された知覚画像パッチ類似性(LPIPS)を用いて正規化画像品質を評価した。著者らのGANはベースラインCNN法と比較して35%の知覚類似性を改善した。著者らの解析は,GaNベースのアプローチが9つの研究された放射線特徴において有意に小さい誤差(p値<0.05)をもたらすことも示した。これらの結果は,Gansが不均一なCT画像を正規化し,放射特性値の変動性を減少させるために使用できることを示した。Copyright 2020 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： *ネットワーク ,  *放射線 ,  計算機診断 ,  放射特性 ,  画質 ,  放射線量 ,  *放射線医学 ,  窒化ガリウム ,  三次元 ,  *正規化 ,  計算機トモグラフィー
準シソーラス用語： CT画像 ,  胸部CT ,  投影画像 ,  肺結節 , 【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 (4件)： CT ,  正規化 ,  敵対 ,  放射線学