文献

J-GLOBAL ID：202002229224194868   整理番号：20A2248312

マルチパラメトリックMRIを用いた髄膜腫グレードの予測における機械学習ベースのラジオミクス解析【JST・京大機械翻訳】

Machine learning-based radiomics analysis in predicting the meningioma grade using multiparametric MRI

著者 (8件)： Hu Jianping (Department of Radiology, First Affiliated Hospital of Fujian Medical University, Fuzhou, Fujian, China) ,  Zhao Yijing (Department of Radiology, First Affiliated Hospital of Fujian Medical University, Fuzhou, Fujian, China) ,  Li Mengcheng (Department of Radiology, First Affiliated Hospital of Fujian Medical University, Fuzhou, Fujian, China) ,  Liu Jianyi (Department of Radiology, First Affiliated Hospital of Fujian Medical University, Fuzhou, Fujian, China) ,  Wang Feng (Department of Radiology, First Affiliated Hospital of Fujian Medical University, Fuzhou, Fujian, China) ,  Weng Qiang (Department of Radiology, First Affiliated Hospital of Fujian Medical University, Fuzhou, Fujian, China) ,  Wang Xingfu (Department of Pathology, First Affiliated Hospital of Fujian Medical University, Fuzhou, Fujian, China) ,  Cao Dairong (Department of Radiology, First Affiliated Hospital of Fujian Medical University, Fuzhou, Fujian, China)
資料名： European Journal of Radiology  (European Journal of Radiology)
巻： 131  ページ： Null  発行年： 2020年 
JST資料番号： W3246A  ISSN： 0720-048X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 髄膜腫グレードの予測におけるマルチパラメトリックMRIに基づくラジオミクスモデルの予測性能を調査する。病理学的に診断された髄膜腫を有する229人の低グレード[Grade I]と87人の高グレード[Grade II/III]患者を登録した。従来のMRI(cMRI),ADCマップおよびSWIからのラジオミック特徴を,全腫瘍の体積に基づいて抽出した。異なるラジオミックモデル(cMRI,ADC,SWI,cMRI+ADC,cMRI+SWI,ADC+SWIおよびcMRI+ADC+SWIモデル)の分類性能を,サブサンプリングなしで訓練されたLASSO特徴選択とRF分類器,および(2)合成少数オーバーサンプリング技術(SMOTE)を組み合わせて,入れ子LOOCVアプローチにより評価した。ラジオミクスモデルの予測性能をROC曲線を用いて評価し,それらのAUCをDelong試験を用いて比較した。cMRI+ADC+SWIモデルはサブサンプリングの有無で最良の性能を示し,AUCはそれぞれ0.84と0.81であった。cMRI+ADC+SWIモデルに従って,他のモデルのAUC範囲はサブサンプリングなしで0.75~0.80であり,サブサンプリングで0.71~0.79であった。cMRI+ADCモデルとcMRI+SWIモデルは,サブサンプリングのないcMRIモデルより高いAUCを示した(それぞれ0.77対0.80,P=0.037と0.77対0.80,P=0.009)が,サブサンプリングによるこれらのモデルの間に有意差はなかった(それぞれ0.78対0.77,P=0.552と0.78対0.79,P=0.246)。cMRI,ADCマップおよびSWIに基づくマルチパラメトリックラジオミックモデルは,髄膜腫グレードの予測において最良の予測性能をもたらし,それは臨床意思決定における潜在的指針を提供する可能性がある。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. 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 ,  特徴選択 ,  *髄膜腫 ,  *機械学習
準シソーラス用語： *マルチパラメトリックMRI ,  ROC曲線 ,  オーバサンプリング ,  サブサンプリング ,  予測性能 ,  ADCマップ , 【Automatic Indexing@JST】

著者キーワード (6件)： 髄膜腫 ,  ラジオミクス ,  機械学習 ,  磁気共鳴イメージング ,  磁化率強調イメージング ,  見かけの拡散係数

分類 (2件)： 腫ようの診断  (GE03020J) ,  神経系の腫よう  (GN04000V)

タイトルに関連する用語 (7件)： マルチパラメトリックMRI ,  髄膜腫 ,  グレード ,  予測 ,  機械学習 ,  ラジオミクス ,  解析