文献

J-GLOBAL ID：202002264743590329   整理番号：20A1572009

t2強調MRIによる直腸癌におけるKRAS変異予測のための多枝交差注意モデル【JST・京大機械翻訳】

Multi-branch cross attention model for prediction of KRAS mutation in rectal cancer with t2-weighted MRI

著者 (9件)： Wang JiaWen (College of Information and Computer, Taiyuan University of Technology, Taiyuan, China) ,  Cui YanFen (Department of Radiology, Shanxi Province Cancer Hospital, Shanxi Medical University, Taiyuan, China) ,  Shi GuoHua (College of Information and Computer, Taiyuan University of Technology, Taiyuan, China) ,  Zhao JuanJuan (College of Information and Computer, Taiyuan University of Technology, Taiyuan, China) ,  Yang XiaoTang (Department of Radiology, Shanxi Province Cancer Hospital, Shanxi Medical University, Taiyuan, China) ,  Qiang Yan (College of Information and Computer, Taiyuan University of Technology, Taiyuan, China) ,  Du QianQian (College of Information and Computer, Taiyuan University of Technology, Taiyuan, China) ,  Ma Yue (College of Information and Computer, Taiyuan University of Technology, Taiyuan, China) ,  Kazihise Ntikurako Guy-Fernand (College of Information and Computer, Taiyuan University of Technology, Taiyuan, China)
資料名： Applied Intelligence  (Applied Intelligence)
巻： 50  号： 8  ページ： 2352-2369  発行年： 2020年 
JST資料番号： W0297A  ISSN： 0924-669X  資料種別： 逐次刊行物 (A)
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： 医療画像上のKRAS変異状態の正確な同定は,直腸癌患者の治療選択肢を特定する医師にとって重要である。深層学習法は,大きな訓練データセットの欠如のため,計算機支援診断(CAD)に相当な課題が残っているが,最近,医療診断および治療問題に導入されている。本論文では,限られたT2強調MRIデータを用いて,野生型症例からKRAS変異症例を分離するために,多分岐交差注意モデル(MBCAM)を提案した。著者らのモデルは,既存のMRIデータに基づいて生成された複数の異なる分岐上に構築され,それは小さなデータセットに含まれる情報の完全な利点を取ることができる。交差注意ブロック(CAブロック)は,以前の独立枝を融合するために提案され,そのモデルは,限られたデータセットによるモデルの過剰適合を防ぐためのできるだけ多くの共通特徴として学習できる。分岐間損失をモデルの学習範囲を制約するために提案し,このモデルが多分岐データからより一般的な特徴を学習できることを確認した。収集したデータセット上でこの方法を試験し,転送学習を用いて4つの以前の研究と5つの一般的な深層学習モデルと比較した。著者らの結果は,MBCAMが95.75%のAUCでKRAS突然変異の予測に対して88.92%の精度を達成したことを示した。これらの結果は,既存の方法(p<0.05)よりも有意な改善である。Copyright Springer Science+Business Media, LLC, part of Springer Nature 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 学習 ,  計算機診断 ,  突然変異 ,  医用画像 ,  野生型 ,  *直腸腫瘍
準シソーラス用語： 訓練データ ,  *K-Ras ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： 直腸癌 ,  KRAS変異 ,  深層学習 ,  注意機構 ,  T2 MRI

分類 (2件)： 消化器の腫よう  (GH04000D) ,  分子遺伝学一般  (EC02010J)

タイトルに関連する用語 (7件)： MRI ,  直腸癌 ,  KRAS ,  変異 ,  予測 ,  注意 ,  モデル