文献

J-GLOBAL ID：202002265782763318   整理番号：20A0980100

畳込みニューラルネットワークを用いた肝細胞癌のための完全自動コンピュータ支援診断システム【JST・京大機械翻訳】

A fully automatic computer-aided diagnosis system for hepatocellular carcinoma using convolutional neural networks

著者 (8件)： Li Jing (Shanghai Key Laboratory of Intelligent Manufacturing and Robotics, School of Mechatronic Engineering and Automation, Shanghai University, Shanghai, China) ,  Wu Yurun (Shanghai Key Laboratory of Intelligent Manufacturing and Robotics, School of Mechatronic Engineering and Automation, Shanghai University, Shanghai, China) ,  Shen Nanyan (Shanghai Key Laboratory of Intelligent Manufacturing and Robotics, School of Mechatronic Engineering and Automation, Shanghai University, Shanghai, China) ,  Zhang Jiawen (Department of Radiology, Huashan Hospital, Fudan University, Shanghai, China) ,  Chen Enlong (Department of Radiology, Pudong New Area People’s Hospital, Shanghai, China) ,  Sun Jie (Shanghai Key Laboratory of Intelligent Manufacturing and Robotics, School of Mechatronic Engineering and Automation, Shanghai University, Shanghai, China) ,  Deng Zongqian (Shanghai Key Laboratory of Intelligent Manufacturing and Robotics, School of Mechatronic Engineering and Automation, Shanghai University, Shanghai, China) ,  Zhang Yuchen (Shanghai Key Laboratory of Intelligent Manufacturing and Robotics, School of Mechatronic Engineering and Automation, Shanghai University, Shanghai, China)
資料名： Biocybernetics and Biomedical Engineering  (Biocybernetics and Biomedical Engineering)
巻： 40  号： 1  ページ： 238-248  発行年： 2020年 
JST資料番号： W3437A  ISSN： 0208-5216  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： 癌死の主要な原因である肝臓癌は,患者のCT画像の異なる相における肝臓組織のグレーレベルの変化を比較することにより一般的に診断される。誤診または誤診診断における医師を助けるために,完全自動コンピュータ支援診断(CAD)システムを,畳込みニューラルネットワーク(CNN)分類装置を用いて肝細胞癌(HCC)を診断するために提案した。自動セグメンテーションと分類は,提案したCADシステムの2つのコア技術であり,両方ともCNNに基づいて実現した。肝臓と腫瘍のセグメンテーションは,必然的に不均衡な訓練データによって引き起こされる不正確な腫瘍セグメンテーションの問題を解決するのに役立つ加重損失関数を用いて,2つの付加的な「スキップ構造」を有する完全畳込みネットワーク(FCN)によって実行される。HCC分類は9層CNN分類器により実行され,その入力はFCNのセグメンテーション結果を元のCT画像と結合することにより構築された4チャネル画像データである。46のびまん性腫瘍,43の結節性腫瘍,および76の大量腫瘍を含む合計165の静脈相CT画像を用いて,提案したCADシステムの性能を評価した。びまん性,結節性および塊状腫瘍に対するCNN分類装置の分類精度は,それぞれ98.4%,99.7%および98.7%であり,従来の特徴ベースのANNおよびSVM分類器と対照的に有意に改善された。提案したCADシステムは,前処理方法と特徴タイプの差異によって影響を受けないが,テストセットによって満足できて実行可能であることを証明した。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： *畳込み ,  セグメンテーション ,  損失関数 ,  *ネットワーク ,  分類装置 ,  *計算機診断 ,  腫瘍 ,  静脈 ,  チャネル ,  肝臓腫瘍 ,  *肝細胞癌 ,  誤診
準シソーラス用語： 訓練データ ,  CT画像 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： 静脈相 ,  重み付き損失関数 ,  完全畳込みネットワーク ,  肝臓セグメンテーション ,  肝細胞癌

分類 (3件)： 腫ようの診断  (GE03020J) ,  人工知能  (JE08000Z) ,  医用画像処理  (JE04020T)

タイトルに関連する用語 (3件)： 畳込みニューラルネットワーク ,  肝細胞癌 ,  コンピュータ支援診断システム