文献

J-GLOBAL ID：202002227933757571   整理番号：20A0329509

マルチチャンネル3D畳込みニューラルネットワークを用いたマルチパラメトリックMRイメージングにおける前立腺癌の半自動分類【JST・京大機械翻訳】

Semi-automatic classification of prostate cancer on multi-parametric MR imaging using a multi-channel 3D convolutional neural network

著者 (6件)： Aldoj Nader (Department of Radiology, Charite - Universitaetsmedizin Berlin, Freie Universitaet Berlin, Humboldt-Universitaet zu Berlin, Berlin, Germany) ,  Lukas Steffen (Department of Radiology, Charite - Universitaetsmedizin Berlin, Freie Universitaet Berlin, Humboldt-Universitaet zu Berlin, Berlin, Germany) ,  Dewey Marc (Department of Radiology, Charite - Universitaetsmedizin Berlin, Freie Universitaet Berlin, Humboldt-Universitaet zu Berlin, Berlin, Germany) ,  Dewey Marc (Berlin Institute of Health (BIH), Berlin, Germany) ,  Penzkofer Tobias (Department of Radiology, Charite - Universitaetsmedizin Berlin, Freie Universitaet Berlin, Humboldt-Universitaet zu Berlin, Berlin, Germany) ,  Penzkofer Tobias (Berlin Institute of Health (BIH), Berlin, Germany)
資料名： European Radiology  (European Radiology)
巻： 30  号： 2  ページ： 1243-1253  発行年： 2020年 
JST資料番号： W4351A  ISSN： 0938-7994  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】3D畳込み神経回路網(CNN)を用いた多パラメータ磁気共鳴(MR)イメージングに基づく半自動前立腺癌分類のための深い学習ベースのアプローチを提示する。【方法】組織学的相関が利用可能な合計318病変を有する患者200名を分析した。新しいCNNを設計し,訓練し,入力として異なるMRIシーケンス(例えばT2強調,見掛け拡散係数(ADC),拡散強調画像,K-trans)の異なる組み合わせを用いて検証し,ネットワーク性能に及ぼす異なるシーケンスの影響を試験し議論した。モデリング手法の特別な選択は,すべての関連データ組合せを試験することによって正当化された。モデルを訓練し,8倍の交差検証を用いて検証した。【結果】:参照標準としての生検結果によって定義された有意な前立腺癌の検出に関して,3D CNNは,ADC,DWI,およびK-trans入力組合せに対して0.897の平均AUCを有する0.89(感度と特異性に対してそれぞれ88.6%と90.0%)の範囲で,受信者動作特性の曲線下面積を達成した(それぞれ,感度と特異性に対して81.2%と90.5%)。他の組合せは全体的性能と平均AUCに関してより少なく,性能の差はT2wとK-transを用いたときに0.02のp値で有意であった。そして,T2w,ADC,およびDWIを使用するとき0.00025。したがって,前立腺癌分類性能は,前立腺画像報告とデータシステム(PI-RADS)を用いて経験した放射線科医に対して報告されたものと同等である。病変サイズと最大直径は,ネットワークの性能に影響を及ぼさなかった。結論:臨床的に有意な前立腺癌の検出における3D CNNの診断性能は,良好なAUCと感度と高い特異性により特徴付けられる。重要なポイント:深い学習モデルを用いた前立腺癌分類は実行可能であり,以前の病変セグメンテーションなしでMRシーケンスの直接処理を可能にし,AUCにより測定された前立腺癌分類性能は経験した放射線科医のそれに匹敵し,DWIとADCにより,全体的性能に最も高い影響を与える。一方,T2w画像はほとんど改善を示さなかった。Copyright European Society of Radiology 2019 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *NMRイメージング ,  *三次元 ,  神経回路網 ,  生検 ,  学習モデル ,  *前立腺腫瘍 ,  モデリング ,  *前立腺 ,  セグメンテーション ,  *自動分類 ,  学習 ,  *画像処理 ,  *ネットワーク ,  *畳込み ,  磁気共鳴

著者キーワード (5件)： 三次元画像 ,  前立腺癌 ,  マルチパラメトリックMRI ,  畳み込みニューラルネットワーク ,  深層学習

分類 (5件)： 泌尿生殖器の臨床医学一般  (GM01030E) ,  婦人科疾患・妊産婦疾患の外科療法  (GS05030Y) ,  神経系の疾患  (GN03000O) ,  医療制度  (GB04020H) ,  運動器系の疾患  (GG03000T)

タイトルに関連する用語 (6件)： マルチチャンネル ,  3D ,  畳込みニューラルネットワーク ,  MRイメージング ,  前立腺癌 ,  自動分類