文献

J-GLOBAL ID：202002258606590916   整理番号：20A1729099

上衣腫と毛様細胞性星状細胞腫:機械学習に基づくラジオミクスアプローチを用いた分化【JST・京大機械翻訳】

Ependymoma and pilocytic astrocytoma: Differentiation using radiomics approach based on machine learning

著者 (16件)： Li Mengmeng (School of Electrical Engineering, Zhengzhou University, Zhengzhou 450001, China) ,  Li Mengmeng (Industrial Technology Research Institute, Zhengzhou University, Zhengzhou 450001, China) ,  Li Mengmeng (Henan Key Laboratory of Brain Science and Brain-Computer Interface Technology, Zhengzhou University, Zhengzhou 450001, China) ,  Wang Haofeng (School of Electrical Engineering, Zhengzhou University, Zhengzhou 450001, China) ,  Wang Haofeng (Industrial Technology Research Institute, Zhengzhou University, Zhengzhou 450001, China) ,  Wang Haofeng (Henan Key Laboratory of Brain Science and Brain-Computer Interface Technology, Zhengzhou University, Zhengzhou 450001, China) ,  Shang Zhigang (School of Electrical Engineering, Zhengzhou University, Zhengzhou 450001, China) ,  Shang Zhigang (Industrial Technology Research Institute, Zhengzhou University, Zhengzhou 450001, China) ,  Shang Zhigang (Henan Key Laboratory of Brain Science and Brain-Computer Interface Technology, Zhengzhou University, Zhengzhou 450001, China) ,  Yang Zhongliang (School of Electrical Engineering, Zhengzhou University, Zhengzhou 450001, China) ,  Yang Zhongliang (Industrial Technology Research Institute, Zhengzhou University, Zhengzhou 450001, China) ,  Yang Zhongliang (Henan Key Laboratory of Brain Science and Brain-Computer Interface Technology, Zhengzhou University, Zhengzhou 450001, China) ,  Zhang Yong (Magnetic Resonance Department, the First Affiliated Hospital of Zhengzhou University, Zhengzhou 450052, China) ,  Wan Hong (School of Electrical Engineering, Zhengzhou University, Zhengzhou 450001, China) ,  Wan Hong (Industrial Technology Research Institute, Zhengzhou University, Zhengzhou 450001, China) ,  Wan Hong (Henan Key Laboratory of Brain Science and Brain-Computer Interface Technology, Zhengzhou University, Zhengzhou 450001, China)
資料名： Journal of Clinical Neuroscience  (Journal of Clinical Neuroscience)
巻： 78  ページ： 175-180  発行年： 2020年 
JST資料番号： W3362A  ISSN： 0967-5868  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 小児後頭蓋窩腫瘍予測および予後における放射線科医にとって,マンディティブな正確で特異的な診断要求は,増加した課題をもたらした。高性能コンピューティングと機械学習技術の開発によって,ラジオミクスは,臨床意思決定のために増加する機会を提供した。いくつかの研究は,頭蓋内腫瘍分化における意思決定支援ツールとしてラジノミクスを適用した。ここでは,機械学習に基づくラジノミクス分析法を用いて,エペンディマ腫(EP)と毛様細胞性星状細胞腫(PA)の間の術前分化を達成することを試みた。全部で135の磁気共鳴イメージング(MRI)スライスを訓練セットと検証セットに分けた。Gabor変換,テクスチャおよびウェーブレット変換ベースのものを含む3種類のラジノミクス特徴を用いて,300マルチモーダル特徴を得た。Kruskal-Wallis試験スコア(KWT)とサポートベクトルマシン(SVM)を特徴選択と腫瘍分化に適用した。性能を,受信者動作特性曲線(AUC)分析の下で,精度,感度,特異性,および面積を通して調査した。結果は,選択された特徴集合の精度,感度,特異性,およびAUCが,それぞれ0.8775,0.9292,0.8000,および0.8646であり,全体的特徴集合と比較して有意差がないことを示す。異なるタイプの特徴のために,テクスチャ特徴は最良の分化性能をもたらし,そして,有意性分析結果はこれと一致する。本研究は,テクスチャ特徴が他の特徴よりも良好に機能することを示した。機械学習に基づくラジノミクスアプローチは,小児後頭蓋窩腫瘍分化に効率的であり,補助臨床診断のためのラジノミクス法の応用を強化することができた。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 意思決定 ,  腫瘍 ,  *分化 ,  特徴選択 ,  子供 ,  予後 ,  多モード ,  NMRイメージング ,  意思決定支援システム ,  *上衣腫 ,  *機械学習 ,  ウェーブレット変換 ,  サポートベクトルマシン
準シソーラス用語： ROC曲線 ,  臨床診断 , 【Automatic Indexing@JST】

著者キーワード (5件)： 上衣腫 ,  毛様細胞性星状細胞腫 ,  MRI ,  ラジオミクス ,  機械学習

分類 (1件)： 神経系の腫よう  (GN04000V)

タイトルに関連する用語 (4件)： 上衣腫 ,  毛様細胞性星状細胞腫 ,  機械学習 ,  分化