文献

J-GLOBAL ID：202002243965833008   整理番号：20A0749272

せん断波エラストグラフィーの伝達学習に基づく深部学習放射線学を用いた肝線維症の正確な非侵襲的ステージング【JST・京大機械翻訳】

The accurate non-invasive staging of liver fibrosis using deep learning radiomics based on transfer learning of shear wave elastography

著者 (3件)： Zhou Hui (Institute of Automation (China)) ,  Wang Kun (Institute of Automation (China)) ,  Tian Jie (Institute of Automation (China))
資料名： Proceedings of SPIE  (Proceedings of SPIE)
巻： 11319  ページ： 113190A-7  発行年： 2020年 
JST資料番号： D0943A  ISSN： 0277-786X  CODEN： PSISDG  資料種別： 会議録 (C)
記事区分： 短報  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 慢性B型肝炎(CHB)患者の予後,サーベイランスに不可欠な肝線維症ステージを評価するための非侵襲的方法としての伝達学習に基づく,Convolutional Neural Network(CNN)を採用したエラストグラフィ(DLRE)の深い学習放射線学を開発した。【方法】297人の患者を4つの病院から前向きに登録し,最終的に1485の画像をランダムに分析に含めた。DLREは,2D-SWE画像の自動解析のために,深い学習放射技術の一つである伝達学習に基づく畳込みニューラルネットワーク(CNN)を採用した。本研究は,金標準として肝生検を用いることにより,2D-SWE,一過性エラストグラフィ(TE),トランスアミナーゼ対血小板比指数(APRI),および4因子(FIB-4)に基づく線維化指数と比較してDLREの精度を評価するために実施した。結果:DLREのAUCは,肝硬変に対して0.98(95%信頼区間[CI]:0.95-0.99)と進行性線維症(95%CI:0.94-0.99)の両方であり,有意な線維症(APRIとFIB-4より有意に良い)に対して,0.76(95%CI:0.72-0.81)と同様に有意に良好であった。結論:DLREは,2D-SWE,TEおよび血清学的検査と比較して,肝線維症ステージの予測において最良の全体的な性能を示す。COPYRIGHT SPIE. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 血清学的検査 ,  血小板 ,  *線維症 ,  トランスアミナーゼ ,  金 ,  B型慢性肝炎 ,  二次元 ,  *肝線維症 ,  サーベイランス ,  放射線医学 ,  肝硬変 ,  *学習
準シソーラス用語： 肝生検 ,  *組織弾性イメージング ,  *非侵襲 , 【Automatic Indexing@JST】

分類 (4件)： 消化器の腫よう  (GH04000D) ,  生体の顕微鏡観察法  (EA03050C) ,  光学情報処理  (BD03060T) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： せん断波エラストグラフィー ,  学習 ,  深部 ,  放射線学 ,  肝線維症 ,  非侵襲的