文献

J-GLOBAL ID：202002265531759897   整理番号：20A2459309

脳MRIにおける視床下部および関連サブユニットの自動セグメンテーション【JST・京大機械翻訳】

Automated segmentation of the hypothalamus and associated subunits in brain MRI

著者 (9件)： Billot Benjamin (Centre for Medical Image Computing, Department of Medical Physics and Biomedical Engineering, University College, London, UK) ,  Bocchetta Martina (Dementia Research Centre, Department of Neurodegenerative Disease, UCL Queen Square Institute of Neurology, University College, London, UK) ,  Todd Emily (Dementia Research Centre, Department of Neurodegenerative Disease, UCL Queen Square Institute of Neurology, University College, London, UK) ,  Dalca Adrian V. (Martinos Center for Biomedical Imaging, Massachusetts General Hospital and Harvard Medical School, Boston, USA) ,  Dalca Adrian V. (Computer Science and Artificial Intelligence Laboratory, Massachusetts Institute of Technology, Boston, USA) ,  Rohrer Jonathan D. (Dementia Research Centre, Department of Neurodegenerative Disease, UCL Queen Square Institute of Neurology, University College, London, UK) ,  Iglesias Juan Eugenio (Centre for Medical Image Computing, Department of Medical Physics and Biomedical Engineering, University College, London, UK) ,  Iglesias Juan Eugenio (Martinos Center for Biomedical Imaging, Massachusetts General Hospital and Harvard Medical School, Boston, USA) ,  Iglesias Juan Eugenio (Computer Science and Artificial Intelligence Laboratory, Massachusetts Institute of Technology, Boston, USA)
資料名： NeuroImage  (NeuroImage)
巻： 223  ページ： Null  発行年： 2020年 
JST資料番号： W3139A  ISSN： 1053-8119  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： 人体の調節における視床下部の重要な役割にもかかわらず,この構造とその核の神経イメージング研究は不足している。このような不足は,手動の描写がスケーラビリティと再現性の課題に悩まされるので,自動セグメンテーションツールの欠如から部分的に生じている。視床下部の小さいサイズとその近傍における画像コントラストの欠如のため,自動セグメンテーションは困難であり,FreeSurferまたはFSLのような広範な神経画像パッケージによって長く無視されてきた。それにもかかわらず,深い機械学習における最近の進歩は,高精度で困難なセグメンテーション問題に取り組むことを可能にした。本論文では,T1強調MRIスキャンから全視床下部とそのサブ領域のセグメンテーションのために,深い畳み込みニューラルネットワークに基づく完全自動化ツールを示した。前処理の必要なしに,異なるソースの幅広いアレイからT1強調MRスキャンにロバストモデルを作るため,攻撃的データ増強を用いた。このツールの性能を,広範囲な分析を通して厳密に評価した。ヒト観察者間の評価者間および評価者間変動実験;手動セグメンテーションと著者らのツールの比較;マルチアトラスセグメンテーションに基づく自動化法との比較;より大きな異質データセット(ADNI)の品質管理分析によるロバスト性の評価;そして,ADNIに関する容積測定による間接評価。提示モデルは,評価者間精度レベルと同様に,マルチアトラスセグメンテーションスコアを凌駕し,評価者内精度にアプローチする。提案手法では,GPU上で2秒以下の前処理と実行を必要とせず,CPU上で約10秒であった。訓練されたモデルと同様にソースコードはhttps://github.com/BBillot/hypothalamus_segで公的に利用可能であり,またFreeSurferで分布する。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： 品質管理 ,  自動化 ,  *セグメンテーション ,  *視床下部 ,  ヒト ,  再現性 ,  *サブユニット ,  ロバスト性 ,  機械学習
準シソーラス用語： アトラス ,  観測者 ,  ソースコード ,  画像コントラスト ,  *自動セグメンテーション ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (4件)： 視床下部 ,  セグメンテーション ,  畳込みニューラルネットワーク ,  公共ソフトウェア

分類 (1件)： 医用画像処理  (JE04020T)

タイトルに関連する用語 (4件)： 脳MRI ,  視床下部 ,  サブユニット ,  自動セグメンテーション