文献

J-GLOBAL ID：202002227483185881   整理番号：20A2274534

マンモグラフィと超音波の関節神経解析による乳房病変の自動分類【JST・京大機械翻訳】

Automatic Breast Lesion Classification by Joint Neural Analysis of Mammography and Ultrasound

著者 (9件)： Habib Gavriel (School of Electrical Engineering, Tel-Aviv University, Tel Aviv-Yafo, Israel) ,  Kiryati Nahum (The Manuel and Raquel Klachky Chair of Image Processing, School of Electrical Engineering, Tel-Aviv University, Tel Aviv-Yafo, Israel) ,  Sklair-Levy Miri (Diagnostic Imaging, Sheba Medical Center, Affiliated to the Sackler School of Medicine, Tel-Aviv University, Tel Aviv-Yafo, Israel) ,  Shalmon Anat (Diagnostic Imaging, Sheba Medical Center, Affiliated to the Sackler School of Medicine, Tel-Aviv University, Tel Aviv-Yafo, Israel) ,  Halshtok Neiman Osnat (Diagnostic Imaging, Sheba Medical Center, Affiliated to the Sackler School of Medicine, Tel-Aviv University, Tel Aviv-Yafo, Israel) ,  Faermann Weidenfeld Renata (Diagnostic Imaging, Sheba Medical Center, Affiliated to the Sackler School of Medicine, Tel-Aviv University, Tel Aviv-Yafo, Israel) ,  Yagil Yael (Diagnostic Imaging, Sheba Medical Center, Affiliated to the Sackler School of Medicine, Tel-Aviv University, Tel Aviv-Yafo, Israel) ,  Konen Eli (Diagnostic Imaging, Sheba Medical Center, Affiliated to the Sackler School of Medicine, Tel-Aviv University, Tel Aviv-Yafo, Israel) ,  Mayer Arnaldo (Diagnostic Imaging, Sheba Medical Center, Affiliated to the Sackler School of Medicine, Tel-Aviv University, Tel Aviv-Yafo, Israel)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12445  ページ： 125-135  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： 乳房撮影と超音波は,乳癌診断においてより良い性能を達成するための補完的な方法として放射線科医によって広範囲に使用されている。しかし,乳房に対する既存のコンピュータ支援診断(CAD)システムは,一般的に単一モダリティに基づいている。本研究では,乳癌病変をそれぞれのマンモグラフィおよび超音波画像から分類するための深層学習に基づく方法を提案した。異なる手法を示し,両モダリティを利用するとき,性能の一貫した改善を示した。提案アプローチはGoogleNetアーキテクチャに基づいており,2つの訓練ステップで著者らのデータに対して微調整した。最初に,明確なニューラルネットワークを各モダリティに対して別々に訓練し,高レベル特徴を生成した。次に,各モダリティから生じる凝集特徴を,最終分類を提供するためにマルチモーダルネットワークを訓練するために使用した。定量的実験において,提案した手法は0.94のAUCを達成し,単一モダリティで訓練された最先端のモデルより優れている。さらに,それは,読者研究に参加している4人の放射線科医の2つを凌駕する平均放射線科医と同様に機能した。有望な結果は,提案方法が乳房放射線科医のための貴重な意思決定支援ツールになるかもしれないことを示唆する。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： 凝集 ,  *超音波 ,  *自動分類 ,  ネットワーク ,  計算機診断 ,  ニューラルネットワーク ,  *乳房 ,  超音波画像 ,  多モード ,  計算機アーキテクチャ ,  乳房腫瘍 ,  *乳房撮影
準シソーラス用語： モダリティ ,  放射線科医 ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (3件)： 深層学習 ,  乳房撮影 ,  超音波

分類 (1件)： 腫ようの診断  (GE03020J)

タイトルに関連する用語 (8件)： マンモグラフィ ,  超音波 ,  関節 ,  神経 ,  解析 ,  乳房 ,  病変 ,  自動分類