文献

J-GLOBAL ID：202002267230549904   整理番号：20A0394741

デジタル乳房トモシンセシスにおける病変悪性度分類のための収集入力ベースのサポートテンソルマシン【JST・京大機械翻訳】

A collection input based support tensor machine for lesion malignancy classification in digital breast tomosynthesis

著者 (13件)： Yang Benjuan (School of Mathematics and Sciences, Guizhou Normal University, Guiyang 50001, People’s Republic of China) ,  Yang Benjuan (Medical Artificial Intelligence and Automation (MAIA) Lab, University of Texas Southwestern Medical Center, Dallas, TX 75390, United States of America) ,  Wu Yingjiang (School of Information Engineering, Guangdong Medical University, Dongguan 523808, People’s Republic of China) ,  Zhou Zhiguo (Department of Radiation Oncology, University of Texas Southwestern Medical Center, Dallas, TX 75235, United States of America) ,  Zhou Zhiguo (Medical Artificial Intelligence and Automation (MAIA) Lab, University of Texas Southwestern Medical Center, Dallas, TX 75390, United States of America) ,  Zhou Zhiguo (School of Computer Science and Mathematics, University of Central Missouri, Warrensburg, MO 64093, United States of America) ,  Li Shulong (School of Biomedical Engineering, Southern Medical University, Guangzhou, 510515, People’s Republic of China) ,  Qin Genggeng (School of Biomedical Engineering, Southern Medical University, Guangzhou, 510515, People’s Republic of China) ,  Chen Liyuan (Department of Radiation Oncology, University of Texas Southwestern Medical Center, Dallas, TX 75235, United States of America) ,  Chen Liyuan (Medical Artificial Intelligence and Automation (MAIA) Lab, University of Texas Southwestern Medical Center, Dallas, TX 75390, United States of America) ,  Wang Jing (Department of Radiation Oncology, University of Texas Southwestern Medical Center, Dallas, TX 75235, United States of America) ,  Wang Jing (Medical Artificial Intelligence and Automation (MAIA) Lab, University of Texas Southwestern Medical Center, Dallas, TX 75390, United States of America) ,  Wang Jing (Author to whom correspondence should be addressed.)
資料名： Physics in Medicine and Biology  (Physics in Medicine and Biology)
巻： 64  号： 23  ページ： 235007 (10pp)  発行年： 2019年 
JST資料番号： D0324A  ISSN： 0031-9155  CODEN： PHMBA7  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 改善された病変の顕著性と特性化を伴うデジタル乳房合成(DBT)は,スクリーニング実践において採用されている。DBTベースの診断は医師の経験に強く依存するので,DBTを用いた自動病変悪性度分類モデルは,異なる医師の間の診断の一貫性を改善することができた。入力として元の画像データを用いるテンソルベースの手法は,多くの分類タスクに対して有望な結果を示した。しかしながら,DBTデータは,DBTのスライス間隔が面内分解能のそれよりはるかに粗いので,擬3D体積画像である。従って,スライス間隔次元に沿った元のDBTデータに追加情報を導入することにより,従来のテンソルベース分類器における三次テンソルとしてDBTを直接構築することは,三次元全体にわたって矛盾をもたらす。このような矛盾を避けるために,DBTにおける病変悪性度を分類するための入力としてテンソル収集を用いる収集入力ベースのサポートテンソルマシン(CISTM)ベースの分類器を導入した。CISTMにおいて,三次元を幾何学構築に直接導入する代わりに,三次元構造関係は決定関数における重みパラメータに関連し,分類装置訓練プロセスの間に動的に自動的に構築され,DBTの擬似3D特性とより一貫している。著者らは,262が悪性で,664が良性であった926の画像のDBTデータセットに関する著者らの方法をテストした。この方法を最新のテンソルに基づく方法,KSTM(カーネル支援テンソル機械)と比較した。これはDBTの独特の不均一分解能を考慮しない。実験結果は,CISTMベースの分類装置がDBTにおける乳房病変悪性度を分類するために効果的であり,それがKSTMベースの分類装置より優れていることを例証した。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *テンソル ,  ディジタル方式 ,  *乳房 ,  スクリーニング ,  キャラクタリゼーション ,  幾何学 ,  三次元 ,  分類装置 ,  分解能
準シソーラス用語： 三次元構造 ,  画像データ ,  *悪性度 ,  *デジタルブレストトモシンセシス , 【Automatic Indexing@JST】

分類 (2件)： 放射線を利用した診断  (GC04020K) ,  医療用機器装置  (GA05020L)

タイトルに関連する用語 (5件)： デジタル乳房トモシンセシス ,  病変 ,  悪性度 ,  分類 ,  収集