文献

J-GLOBAL ID：202002255168992002   整理番号：20A2274472

鎌状赤血球症患者における自動脾臓長測定のための深層学習【JST・京大機械翻訳】

Deep Learning for Automatic Spleen Length Measurement in Sickle Cell Disease Patients

著者 (6件)： Yuan Zhen (School of Biomedical Engineering and Imaging Sciences, King’s College London, London, UK) ,  Puyol-Anton Esther (School of Biomedical Engineering and Imaging Sciences, King’s College London, London, UK) ,  Jogeesvaran Haran (Evelina Children’s Hospital, Guy’s and St Thomas’ NHS Foundation Trust, London, UK) ,  Reid Catriona (Evelina Children’s Hospital, Guy’s and St Thomas’ NHS Foundation Trust, London, UK) ,  Inusa Baba (Evelina Children’s Hospital, Guy’s and St Thomas’ NHS Foundation Trust, London, UK) ,  King Andrew P. (School of Biomedical Engineering and Imaging Sciences, King’s College London, London, UK)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12437  ページ： 33-41  発行年： 2020年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
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： シックル細胞疾患(SCD)は世界で最も一般的な遺伝病の1つである。脾腫(脾臓の正常拡大)はSCDの小児の間で高頻度である。未治療で,脾腫は生命を脅かす可能性がある。脾臓サイズを測定する現在のワークフローは触診,おそらく2D超音波イメージングにおける手動長測定を含む。しかし,この手動測定はオペレータの専門知識に依存し,観察者内および観察者間の変動性の対象である。超音波画像から脾臓長の自動推定を行うための深層学習の使用を検討した。2つのタイプのアプローチ,1つのセグメンテーションベースおよび1つは直接長さ推定に基づき,ヒト専門家による測定に対する結果を比較した。最良のモデル(セグメンテーションベース)は7.42%のパーセント長誤差を達成し,これは観察者間変動性(5.47%~6.34%)のレベルに近づいた。著者らの知る限り,これは超音波画像から完全に自動化された方法で脾臓サイズを測定する最初の試みである。Copyright Springer Nature Switzerland AG 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 自動化 ,  セグメンテーション ,  オペレータ ,  遺伝病 ,  *脾臓 ,  ヒト ,  子供 ,  二次元 ,  超音波画像 ,  ワークフロー
準シソーラス用語： 脾腫 ,  観測者 ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (3件)： 深層学習 ,  鎌状赤血球症 ,  脾臓超音波画像

分類 (2件)： その他の動物病  (FE02060T) ,  犬・猫  (FD06010P)

タイトルに関連する用語 (4件)： 鎌状赤血球症 ,  患者 ,  脾臓 ,  深層学習