文献

J-GLOBAL ID：202002249869064632   整理番号：20A2569195

胸部CTに基づく肺結節検出における偽陽性減少のためのマルチレベル3D高密度ネット【JST・京大機械翻訳】

Multi-level 3D Densenets for False-positive Reduction in Lung Nodule Detection Based on Chest Computed Tomography

著者 (11件)： Lu Xiaoqi ( Inner Mongolia Key Laboratory of Pattern Recognition and Intelligent Image Processing, School of Information Engineering, Inner Mongolia University of Science and Technology, Baotou, 014010, China) ,  Gu Yu ( Inner Mongolia Key Laboratory of Pattern Recognition and Intelligent Image Processing, School of Information Engineering, Inner Mongolia University of Science and Technology, Baotou, 014010, China) ,  Yang Lidong ( Inner Mongolia Key Laboratory of Pattern Recognition and Intelligent Image Processing, School of Information Engineering, Inner Mongolia University of Science and Technology, Baotou, 014010, China) ,  Zhang Baohua ( Inner Mongolia Key Laboratory of Pattern Recognition and Intelligent Image Processing, School of Information Engineering, Inner Mongolia University of Science and Technology, Baotou, 014010, China) ,  Zhao Ying ( Inner Mongolia Key Laboratory of Pattern Recognition and Intelligent Image Processing, School of Information Engineering, Inner Mongolia University of Science and Technology, Baotou, 014010, China) ,  Yu Dahua ( Inner Mongolia Key Laboratory of Pattern Recognition and Intelligent Image Processing, School of Information Engineering, Inner Mongolia University of Science and Technology, Baotou, 014010, China) ,  Zhao Jianfeng ( Inner Mongolia Key Laboratory of Pattern Recognition and Intelligent Image Processing, School of Information Engineering, Inner Mongolia University of Science and Technology, Baotou, 014010, China) ,  Gao Lixin ( Inner Mongolia Key Laboratory of Pattern Recognition and Intelligent Image Processing, School of Information Engineering, Inner Mongolia University of Science and Technology, Baotou, 014010, China) ,  Zhou Tao ( Inner Mongolia Key Laboratory of Pattern Recognition and Intelligent Image Processing, School of Information Engineering, Inner Mongolia University of Science and Technology, Baotou, 014010, China) ,  Liu Yang ( Inner Mongolia Key Laboratory of Pattern Recognition and Intelligent Image Processing, School of Information Engineering, Inner Mongolia University of Science and Technology, Baotou, 014010, China) ,  Zhang Wei ( Inner Mongolia Key Laboratory of Pattern Recognition and Intelligent Image Processing, School of Information Engineering, Inner Mongolia University of Science and Technology, Baotou, 014010, China)
資料名： Current Medical Imaging  (Current Medical Imaging)
巻： 16  号： 8  ページ： 1004-1021  発行年： 2020年 
JST資料番号： W3597A  ISSN： 1573-4056  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 不明 (ARE)  言語： 英語 (EN)

抄録/ポイント： 目的:偽陽性結節減少は,正確な肺結節検出において放射線科医を支援するコンピュータ支援検出(CADe)システムの重要な部分である。本研究では,マルチレベル3D高密度Netフレームワークを用いた新しい方式を提案し,偽陽性小結節低減タスクを実行した。【方法】マルチレベル3D高密度Netモデルを,偽陽性結節から肺結節を区別するために拡張した。最初に,異なるモデルを,肺結節の大きな変動の課題を満たすために,マルチレベル文脈情報を符号化するために,異なるサイズの3D立方体を供給した。さらに,画像回転とフリッピングを利用して,陽性試料セットから成るサンプル陽性試料をアップした。さらに,3D高密度Netsは,高密度Netにおける高密度接続構造が肺結節の特徴を再利用し,次に,特徴伝播をブーストするので,小結節の低レベル情報を保つように設計された。最後に,すべてのモデルスコアの最適加重線形組合せは,本研究で最も良い分類結果を得た。【結果】888の薄いスライスCTスキャンを含むLUNA16データセットを用いて,提案した方法を評価した。性能を10倍交差検証法で検証した。自由応答受信者操作特性(FROC)曲線と競争性能計量(CPM)スコアの両方は,提案した方式がLUNA16チャレンジの偽陽性低減追跡において満足な検出性能を達成できることを示した。結論:結果は,提案した方式が偽陽性小結節低減タスクに対して重要であることを示した。Copyright 2020 Bentham Science Publishers All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 線形性 ,  *三次元 ,  再利用 ,  計算機トモグラフィー ,  交差検証法
準シソーラス用語： 文脈情報 ,  *マルチレベル ,  誤検出 ,  *胸部CT ,  *肺結節 , 【Automatic Indexing@JST】

著者キーワード (5件)： 肺結節検出 ,  偽陽性減少 ,  マルチレベル3D高密度ネット ,  コンピュータ支援検出 ,  畳込みニューラルネットワーク

分類 (1件)： 呼吸器の診断  (GI02000S)

タイトルに関連する用語 (7件)： 胸部CT ,  肺結節 ,  偽陽性 ,  マルチレベル ,  3D ,  高密度 ,  ネット