文献

J-GLOBAL ID：202002235638219229   整理番号：20A0550894

深部残留学習を用いた時間的ダウンサンプリング脳CT潅流画像復元【JST・京大機械翻訳】

Temporally downsampled cerebral CT perfusion image restoration using deep residual learning

著者 (12件)： Zhu Haichen (Lab of Image Science and Technology, Key Laboratory of Computer Network and Information Integration (Ministry of Education), Southeast University, Nanjing, China) ,  Tong Dan (Department of Radiology, The First Hospital of Jilin University, Changchun, China) ,  Zhang Lu (IETR, CNRS, UMR 6164, INSA Rennes, Rennes, France) ,  Wang Shijie (Lab of Image Science and Technology, Key Laboratory of Computer Network and Information Integration (Ministry of Education), Southeast University, Nanjing, China) ,  Wu Weiwen (Key Lab of Optoelectronic Technology and Systems, Ministry of Education, Chongqing University, Chongqing, China) ,  Tang Hui (Lab of Image Science and Technology, Key Laboratory of Computer Network and Information Integration (Ministry of Education), Southeast University, Nanjing, China) ,  Chen Yang (Lab of Image Science and Technology, Key Laboratory of Computer Network and Information Integration (Ministry of Education), Southeast University, Nanjing, China) ,  Chen Yang (Centre de Recherche en Information Biomedicale, Sino-Francais (LIA CRIBs), Rennes, France) ,  Chen Yang (School of Cyber Science and Engineering, Southeast University, Nanjing, China) ,  Luo Limin (Lab of Image Science and Technology, Key Laboratory of Computer Network and Information Integration (Ministry of Education), Southeast University, Nanjing, China) ,  Zhu Jian (Department of Radiation Oncology, Shandong Cancer Hospital, Shandong University, Jinan, China) ,  Li Baosheng (Department of Radiation Oncology, Shandong Cancer Hospital, Shandong University, Jinan, China)
資料名： International Journal of Computer Assisted Radiology and Surgery  (International Journal of Computer Assisted Radiology and Surgery)
巻： 15  号： 2  ページ： 193-201  発行年： 2020年 
JST資料番号： W4459A  ISSN： 1861-6410  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:急性虚血性脳卒中は世界中で死亡の最も多い原因の1つである。治療時間への開始は,脳卒中診断と治療において重要である。MRイメージングの時間消費と高価格を考慮すると,CT灌流(CTP)イメージングは急性脳卒中に対して強く推奨される。しかし,CTP画像中のCT放射線量が多すぎると,健康問題のリスクを増加させる可能性がある。CT灌流画像におけるCT放射線量を減少させる方法は,著者らの大きな注意を引き出した。【方法】本研究では,最初の30パスCTP画像を,50%の放射線量低減に等しい時間シーケンスで15パスにダウンサンプリングした。次に,残留深畳込みニューラルネットワーク(DCNN)モデルを提案して,脳血流,脳血液量,平均通過時間,脳卒中診断と治療のためのピークまでの時間のようなパラメータを計算するために,ダウンサンプリング15パスCTP画像を30パスに復元した。深い復元CNNは,入力画像データのために広い十分な受容野を形成する16の連続畳込み層によって,簡単に,そして,効果的に実行される。18人の患者のCTP画像を訓練セットとして使用し,他の6人の患者のCTP画像を本研究で試験データセットとして扱った。結果:実験は,著者らのCNNが構造類似性指数(SSIM)とピーク信号対雑音比(PSNR)の観点から高品質CTP画像を復元できることを実証した。試験画像の平均SSIMとPSNRは0.981と56.25で,関心領域のSSIMとPSNRはそれぞれ0.915と42.44で,有望な定量レベルを示した。さらに,復元された画像から計算された灌流マップと元の画像から計算された灌流マップを比較し,それらの平均灌流結果は非常に近い。6つのテストケースの低灌流のAreasは,放射線科医によって同等の精度で検出された。結論:訓練されたモデルは,時間的にダウンサンプリングされた15パスCTPを30パスに回復することができる。コントラスト試験によると,十分な情報は,例えば単純な内挿法と深い畳込み生成の敵のネットワークによって復元することができない。しかし,提案したCNNモデルによって復元することができた。この方法は,CTPイメージング中の放射線量を低減するための任意の方法である。Copyright CARS 2019 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 脳卒中 ,  コントラスト ,  畳込み ,  脳血流 ,  内挿法 ,  画像処理 ,  *潅流 ,  ネットワーク ,  類似性 ,  *学習 ,  NMRイメージング ,  放射線量
準シソーラス用語： 関心領域 ,  急性虚血性脳卒中 ,  *ダウンサンプリング , 【Automatic Indexing@JST】

著者キーワード (4件)： 急性虚血性脳卒中 ,  低線量CT ,  CT潅流イメージング ,  深い残留CNN

分類 (3件)： 医用画像処理  (JE04020T) ,  パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (7件)： 深部 ,  残留 ,  学習 ,  ダウンサンプリング ,  脳 ,  CT潅流画像 ,  復元