文献

J-GLOBAL ID：202002230728573608   整理番号：20A1038124

神経膠腫イメージングにおける人工知能:挑戦と進歩【JST・京大機械翻訳】

Artificial intelligence in glioma imaging: challenges and advances

著者 (6件)： Jin Weina (School of Computing Science, Simon Fraser University, Burnaby, Canada) ,  Fatehi Mostafa (Division of Neurosurgery, The University of British Columbia, Vancouver, Canada) ,  Abhishek Kumar (School of Computing Science, Simon Fraser University, Burnaby, Canada) ,  Mallya Mayur (School of Computing Science, Simon Fraser University, Burnaby, Canada) ,  Toyota Brian (Department of Surgery, Kingston General Hospital, Queen’s University, Kingston, Canada) ,  Hamarneh Ghassan (School of Computing Science, Simon Fraser University, Burnaby, Canada)
資料名： Journal of Neural Engineering  (Journal of Neural Engineering)
巻： 17  号： 2  ページ： 021002 (17pp)  発行年： 2020年 
JST資料番号： W5563A  ISSN： 1741-2560  資料種別： 逐次刊行物 (A)
記事区分： 文献レビュー  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 神経膠腫を含む原発性脳腫瘍は,臨床医に対して有意な管理課題をもたらし続けている。これらの病変の提示,病理学,および臨床経過は可変であるが,最初の研究は通常類似している。脳腫瘍を疑われる患者をコンピュータ断層撮影(CT)と磁気共鳴画像(MRI)で評価する。画像所見は神経外科医によって使用され,外科的切除の実現可能性を決定し,そのような理解を計画する。画像研究はまた,腫瘍進行の追跡または治療に対するその反応において不可欠なツールである。これらの画像研究は非侵襲的で,比較的安価で,患者にアクセスできるので,脳画像から抽出できる臨床的に関連する情報量を増加させるために,過去20年間に多くの努力がなされてきた。最近,人工知能(AI)技術は,脳腫瘍をセグメント化し,特性化し,進行または治療反応を検出するために使用されている。しかしながら,そのような努力の臨床的有用性は,データ収集とアノテーション,モデル訓練,およびAI生成情報の信頼性における課題のために,限られている。上記の課題に取り組む最近の進歩をレビューした。最初に,データ不足の挑戦を克服するために,アノテーション収集努力に沿った異なる画像障害と合成技術を要約した。次に,モデル性能,一般化能力,データプライバシー保護,およびスパースアノテーションによる学習のような複数のデシderを満たすために,様々な訓練戦略を提示した。最後に,標準化性能評価とモデル解釈可能性方法をレビューした。これらの技術的アプローチは,神経膠腫患者の臨床ケアにおける完全機能的AIツールの開発を促進すると信じる。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： セグメンテーション ,  標準化 ,  脳腫瘍 ,  *画像処理 ,  *人工知能 ,  *神経膠腫 ,  病状経過 ,  データ収集 ,  NMRイメージング ,  脳神経外科 ,  計算機トモグラフィー ,  アノテーション
準シソーラス用語： 脳画像 ,  臨床医 ,  非侵襲 , 【Automatic Indexing@JST】

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

タイトルに関連する用語 (3件)： 神経膠腫 ,  イメージング ,  人工知能