文献

J-GLOBAL ID：202002223732831767   整理番号：20A2147215

拡大放射線学:神経膠腫等級付けのための患者-賢い特徴転移モデル【JST・京大機械翻訳】

Augmented Radiology: Patient-Wise Feature Transfer Model for Glioma Grading

著者 (2件)： Li Zisheng (Research and Development Group, Hitachi, Ltd., Tokyo, Japan) ,  Ogino Masahiro (Research and Development Group, Hitachi, Ltd., Tokyo, Japan)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12444  ページ： 23-30  発行年： 2020年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
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： 臨床意思決定と治療管理の現在の腫瘍学的ワークフローにおいて,生検は癌の異常を確認する唯一の方法である。不必要な生検と診断負荷を減らす目的で,著者らは,放射線学的画像と病理学的画像の間の表現型の関係の学習のための患者ごとの特徴転送モデルを提案した。同一患者からの高レベル特徴は,異なる画像尺度の様式の間にリンクできると仮定した。エンドツーエンド訓練フレームワークにおいて,単一/マルチモーダルX線画像と病理学的画像を持つCNNベースネットワーク間の多重特徴転送ブロックを統合した。推論モデルは入力として放射線画像のみを必要とするので,著者らの方法を”増強放射線学”として言及し,一方,予測結果は特定の病理学的表現型にリンクできる。提案手法を神経膠腫等級づけ(高グレード対低グレード)に適用し,患者ごとのマルチモーダルMRI画像と病理学的画像を用いて特徴転送モデルを訓練した。評価結果は,提案方法が,入力として放射線画像だけを与えて,高精度(AUC0.959)で病理学的腫瘍等級づけスコアを達成できることを示した。Copyright Springer Nature Switzerland AG 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 意思決定 ,  腫瘍 ,  表現型 ,  多重化 ,  エンドツーエンド方式 ,  等級づけ ,  *神経膠腫 ,  *放射線医学 ,  生検 ,  放射線画像 ,  X線画像 ,  多モード ,  NMRイメージング ,  ワークフロー
準シソーラス用語： 深層学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： 拡張放射線医学 ,  特徴転送 ,  病理学的予測 ,  深層学習

分類 (2件)： 医用画像処理  (JE04020T) ,  腫ようの診断  (GE03020J)

タイトルに関連する用語 (6件)： 拡大 ,  放射線学 ,  神経膠腫 ,  等級付け ,  患者 ,  モデル