文献

J-GLOBAL ID：202002260334635460   整理番号：20A1444269

3D深層学習による自動肺癌フォローアップ推奨【JST・京大機械翻訳】

Automatic Lung Cancer Follow-Up Recommendation with 3D Deep Learning

著者 (2件)： Atwal Gurraj (California State University, Sacramento, CA, USA) ,  Phoulady Hady Ahmady (California State University, Sacramento, CA, USA)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12132  ページ： 406-418  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： 肺癌は毎年数百万万人の世界で最も一般的な癌である。早期検出と治療は,この疾患に対する死亡率の低下に重要である。早期検出の伝統的形式は,退屈で時間を要する低線量コンピュータ断層撮影スキャンを手動でスクリーニングする放射線科医を含む。肺結節の検出,セグメンテーションおよび分類のための深層学習法の自動システムを提案した。このシステムはVGGとU-Netアーキテクチャに基づく3D畳込みニューラルネットワークから成る。胸部スキャンを入力として受け,一連のパッチワイズ予測を通して,患者追跡調査推奨を,2017年Fleischner社会肺結節ガイドラインに基づいて予測した。このシステムをLNDbチャレンジの一部として開発し,主な課題およびすべてのサブチャレンジに参加した。提案方法は,検出タスクのための偽陽性と,テクスチャ特性評価タスクのためのクラス不均衡を絞ったが,それは将来の研究のためのベースラインを提示する。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： セグメンテーション ,  死亡率 ,  *三次元 ,  基準線 ,  キャラクタリゼーション ,  計算機アーキテクチャ ,  *肺腫瘍 ,  計算機トモグラフィー ,  追跡調査
準シソーラス用語： 退屈 ,  放射線科医 ,  低線量 ,  肺結節 ,  *深層学習 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (7件)： 肺癌 ,  低線量コンピュータ断層撮影 ,  肺結節 ,  深層学習 ,  検出 ,  セグメンテーション ,  分類

分類 (3件)： 腫ようの診断  (GE03020J) ,  医用画像処理  (JE04020T) ,  呼吸器の腫よう  (GI04000G)

タイトルに関連する用語 (5件)： 3D ,  深層学習 ,  肺癌 ,  フォローアップ ,  推奨