文献

J-GLOBAL ID：202002215899208386   整理番号：20A1066449

コンピュータ断層撮影画像上の自動脳動脈瘤検出のための深層学習【JST・京大機械翻訳】

Deep learning for automated cerebral aneurysm detection on computed tomography images

著者 (12件)： Dai Xilei (Faculty of Medicine and Health, Macquarie University, Sydney, Australia) ,  Dai Xilei (Tianjin Key Lab of Indoor Air Environmental Quality Control, School of Environmental Science and Engineering, Tianjin University, Tianjin, China) ,  Huang Lixiang (Department of Radiology, Tianjin First Central Hospital, Tianjin, China) ,  Qian Yi (Faculty of Medicine and Health, Macquarie University, Sydney, Australia) ,  Qian Yi (Computational NeuroSurgery (CNS) Lab, Macquarie University, Sydney, Australia) ,  Xia Shuang (Department of Radiology, Tianjin First Central Hospital, Tianjin, China) ,  Chong Winston (Monash Imaging and Department of Surgery, Faculty of Medicine, Nursing and Health Sciences, Monash University, Melbourne, Australia) ,  Liu Junjie (Tianjin Key Lab of Indoor Air Environmental Quality Control, School of Environmental Science and Engineering, Tianjin University, Tianjin, China) ,  Di Ieva Antonio (Neurosurgery Unit, Department of Clinical Medicine, Faculty of Medicine and Health Sciences, Macquarie University, Sydney, Australia) ,  Di Ieva Antonio (Computational NeuroSurgery (CNS) Lab, Macquarie University, Sydney, Australia) ,  Hou Xiaoxi (Faculty of Medicine and Health, Macquarie University, Sydney, Australia) ,  Ou Chubin (Faculty of Medicine and Health, Macquarie University, Sydney, Australia)
資料名： International Journal of Computer Assisted Radiology and Surgery  (International Journal of Computer Assisted Radiology and Surgery)
巻： 15  号： 4  ページ： 715-723  発行年： 2020年 
JST資料番号： W4459A  ISSN： 1861-6410  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 目的:脳血管動脈瘤は,急速に増加する頻度で観察されている。従って,動脈瘤の正確で効率的な検出にはツールが必要である。自動検出モデルを開発し評価するために,複数の医療センターと異なる機械から取得したCT血管造影による深い学習技術を用いた。方法:本研究では,医用画像から動脈瘤の自動検出のためのツールを開発するために,深い学習モデル,高速RCNNモデルを導入した。モデルの入力は,本研究で提案したNP法によって作られた3D CTAからの2D近傍投影(NP)画像であった。この方法は画像上で明瞭に可視化され,モデルの性能を改善した。研究は,3つの病院から選択された352の動脈瘤を有する311人の患者を含み,これらの患者の208人と103人をランダムに選択し,モデルを訓練し試験した。結果:訓練したモデルの感度は91.8%であった。3mmより大きい動脈瘤サイズに対して,成功した動脈瘤検出の感度は96.7%であった。>3mmの動脈瘤に対する最先端の感度を達成した。また,感度は,体内の異なる位置における動脈瘤の間に有意差がないことを示した。検出過程の計算時間は25秒以下であった。結論:動脈瘤を自動的に検出できる深い学習モデルを開発することに成功した。モデルは異なるサイズまたは異なる位置の動脈瘤に対して良く機能した。この発見は,深い学習モデルが,自動化された動脈瘤検出を提供することにより,臨床医の性能を大幅に改善する可能性を有することを示している。Copyright CARS 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 自動化 ,  *学習 ,  学習モデル ,  可視化 ,  二次元 ,  *動脈瘤 ,  医用画像 ,  脳血管 ,  *脳動脈瘤 ,  *計算機トモグラフィー
準シソーラス用語： 自動検出 ,  臨床医 ,  CT血管造影 ,  3D-CTA ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： 深層学習 ,  動脈瘤の検出 ,  CTA ,  CNN

分類 (2件)： 神経系の診断  (GN02000H) ,  循環系の診断  (GJ02000V)

タイトルに関連する用語 (3件)： コンピュータ断層撮影 ,  脳動脈瘤 ,  深層学習