文献

J-GLOBAL ID：202002241701524717   整理番号：20A0917292

頭部および頸部MRIのみの放射線療法のための生成的敵対ネットワークを用いた多重シーケンスMR画像ベースの合成CT生成【JST・京大機械翻訳】

Multi-sequence MR image-based synthetic CT generation using a generative adversarial network for head and neck MRI-only radiotherapy

著者 (11件)： Qi Mengke (Department of Biomedical Engineering, Southern Medical University, Guangzhou, 510515, Guangdong, China) ,  Li Yongbao (Sun Yat-sen University Cancer Center, State Key Laboratory of Oncology in South China, Collaborative Innovation Center for Cancer Medicine, Guangdong Key Laboratory of Nasopharyngeal Carcinoma Diagnosis and Therapy, Guangzhou, 510060, Guangdong, China) ,  Wu Aiqian (Department of Biomedical Engineering, Southern Medical University, Guangzhou, 510515, Guangdong, China) ,  Jia Qiyuan (Department of Biomedical Engineering, Southern Medical University, Guangzhou, 510515, Guangdong, China) ,  Li Bin (Sun Yat-sen University Cancer Center, State Key Laboratory of Oncology in South China, Collaborative Innovation Center for Cancer Medicine, Guangdong Key Laboratory of Nasopharyngeal Carcinoma Diagnosis and Therapy, Guangzhou, 510060, Guangdong, China) ,  Sun Wenzhao (Sun Yat-sen University Cancer Center, State Key Laboratory of Oncology in South China, Collaborative Innovation Center for Cancer Medicine, Guangdong Key Laboratory of Nasopharyngeal Carcinoma Diagnosis and Therapy, Guangzhou, 510060, Guangdong, China) ,  Dai Zhenhui (Department of Radiation Oncology, Guangdong Province Traditional Medical Hospital, Guangzhou, 510000, Guangdong, China) ,  Lu Xingyu (Department of Biomedical Engineering, Southern Medical University, Guangzhou, 510515, Guangdong, China) ,  Zhou Linghong (Department of Biomedical Engineering, Southern Medical University, Guangzhou, 510515, Guangdong, China) ,  Deng Xiaowu (Sun Yat-sen University Cancer Center, State Key Laboratory of Oncology in South China, Collaborative Innovation Center for Cancer Medicine, Guangdong Key Laboratory of Nasopharyngeal Carcinoma Diagnosis and Therapy, Guangzhou, 510060, Guangdong, China) ,  Song Ting (Department of Biomedical Engineering, Southern Medical University, Guangzhou, 510515, Guangdong, China)
資料名： Medical Physics  (Medical Physics)
巻： 47  号： 4  ページ： 1880-1894  発行年： 2020年 
JST資料番号： A1258A  ISSN： 0094-2405  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 目的:本研究の目的は,複雑な頭部および頚部領域における深い学習に基づく合成コンピュータ断層撮影(sCT)の精度に対する異なる磁気共鳴(MR)シーケンスの影響を検討することである。【方法】MR画像(T1,T2,T1C,およびT1DixonC-水)の4つの配列を,鼻咽頭癌患者45人から採取した。7つの条件付きの発生的なadversネットワーク(CGaN)モデルを,入力として異なるシーケンス(単一チャネル)と異なる組合せ(マルチチャネル)で訓練した。さらに,CGaN性能を検証するために,比較としてUネットネットワークを用いた。平均絶対誤差,構造類似性指数,ピーク信号対雑音比,ダイス類似係数,および線量分布を,異なるモデルから生成した実際のCTsとsCTsの間で評価した。結果は,sCTを予測するための入力としてのマルチチャンネル(すなわち,T1+T2+T1C+T1DixonC-水)を有するCGaNモデルが,どんな単一MRシーケンスモデルよりも高い精度を達成することを示した。T1加重MRモデルは,T2,T1C,およびT1DixonC-水モデルより良い結果を達成した。CGaNとUネットの間の比較は,CGaNによって予測されたsCTsが付加的な画像詳細を保持し,実際のCTにより類似していることを示した。結論:モデル入力としての複数のMRシーケンスを有する条件付きの生成敵のネットワークは,最良の精度を示す。T1強調MR画像は十分な画像情報を提供し,限られた取得シーケンスまたは限られた取得時間を有する臨床シナリオにおけるsCT予測に適している。Copyright 2020 Wiley Publishing Japan K.K. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 磁気共鳴 ,  *ネットワーク ,  *放射線療法 ,  *多重化 ,  類似性 ,  チャネル ,  *NMRイメージング ,  線量分布 ,  計算機トモグラフィー ,  水モデル
準シソーラス用語： 上咽頭癌 ,  画像情報 ,  マルチチャネル ,  平均絶対誤差 , 【Automatic Indexing@JST】

著者キーワード (4件)： 条件付き生成的敵対ネットワーク ,  MRIのみの放射線療法 ,  マルチMRシーケンス ,  SCT生成

分類 (3件)： 腫ようの診断  (GE03020J) ,  放射線を利用した診断  (GC04020K) ,  医用画像処理  (JE04020T)

タイトルに関連する用語 (8件)： 頭部 ,  頸部MRI ,  放射線療法 ,  敵対 ,  多重 ,  シーケンス ,  MR画像 ,  CT