文献

J-GLOBAL ID：202002241090879298   整理番号：20A0596528

全身骨シンチグラムからの骨スキャン指数の自動測定【JST・京大機械翻訳】

Automated measurement of bone scan index from a whole-body bone scintigram

著者 (8件)： Shimizu Akinobu (Institute of Engineering, Tokyo University of Agriculture and Technology, Tokyo, Japan) ,  Wakabayashi Hayato (Institute of Engineering, Tokyo University of Agriculture and Technology, Tokyo, Japan) ,  Kanamori Takumi (Institute of Engineering, Tokyo University of Agriculture and Technology, Tokyo, Japan) ,  Saito Atsushi (Institute of Engineering, Tokyo University of Agriculture and Technology, Tokyo, Japan) ,  Nishikawa Kazuhiro (Nihon Medi-Physics Co., Ltd, Tokyo, Japan) ,  Daisaki Hiromitsu (Department of Radiological Technology, Gunma Prefectural College of Health Sciences, Gunma, Japan) ,  Higashiyama Shigeaki (Department of Nuclear Medicine, Graduate School of Medicine, Osaka City University, Osaka, Japan) ,  Kawabe Joji (Department of Nuclear Medicine, Graduate School of Medicine, Osaka City University, Osaka, Japan)
資料名： International Journal of Computer Assisted Radiology and Surgery  (International Journal of Computer Assisted Radiology and Surgery)
巻： 15  号： 3  ページ： 389-400  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:臨床的に有用な骨スキャン指標(BSI)の自動測定に続く全身骨シンチグラムからの骨転移病変の骨格セグメンテーションとホットスポットの抽出のための深い学習に基づく画像解釈システムを提案する。【方法】提案したシステムは,骨転移性病変のホットスポットの骨格セグメンテーションおよび抽出のために,蝶型ネットワーク(Btrflyネット)を採用し,それにおいて,一対の前部および後部画像を同時に処理した。次に,BSIを分割骨を用いて測定し,ホットスポットを抽出した。ネットワークをさらに改良するために,深い監視(DSV)と残差学習技術を導入した。【結果】著者らは,骨格分割,ホットスポット抽出,およびBSI測定の精度,ならびに計算コストの観点から,前立腺癌の246の骨シンチグラムを用いて,提案したシステムの性能を評価した。3回の交差検証実験において,最良の性能は,骨格セグメンテーションのためのDSVと残留ブロックを持つBtrflyNetにより,BtrfriNetにより達成された。測定値と真のBSIの間の相互相関は0.9337であり,事例の計算時間は112.0sであった。結論:全身骨シンチグラムのための深い学習ベースのBSI測定システムを提案し,246の全身骨シンチグラムを用いた3回の交差検証研究によりその有効性を証明した。自動的に測定されたBSIとケースの計算時間は,臨床的に許容でき,信頼できると考えられる。Copyright The Author(s) 2020. Corrected Publication January 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 前立腺腫瘍 ,  画像認識 ,  ホットスポット ,  自動計測 ,  ネットワーク ,  *骨シンチグラフィー ,  計測システム ,  セグメンテーション ,  残差 ,  有効性 ,  CAE【計算機】 ,  学習 ,  検証実験 ,  計算コスト ,  骨転移 ,  *技術 ,  *画像技術

著者キーワード (5件)： コンピュータ支援解釈 ,  深層学習 ,  骨シンチグラム ,  骨転移性病変 ,  骨スキャン指数

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

タイトルに関連する用語 (5件)： 全身 ,  シンチグラム ,  骨スキャン ,  指数 ,  自動測定