文献

J-GLOBAL ID：202002268438323370   整理番号：20A0711030

ビッグデータ応用のための臨床神経腫瘍学MRI研究の前処理【JST・京大機械翻訳】

Preprocessing of clinical neuro-oncology MRI studies for big data applications

著者 (4件)： Chakrabarty Satrajit (Washington Univ. in St. Louis (United States)) ,  LaMontagne Pamela (Washington Univ. School of Medicine (United States)) ,  Marcus Daniel S. (Washington Univ. School of Medicine (United States)) ,  Milchenko Mikhail (Washington Univ. School of Medicine (United States))
資料名： Proceedings of SPIE  (Proceedings of SPIE)
巻： 11318  ページ： 1131809-8  発行年： 2020年 
JST資料番号： D0943A  ISSN： 0277-786X  CODEN： PSISDG  資料種別： 会議録 (C)
記事区分： 短報  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 臨床的に獲得された多モードおよび多部位MRIデータセットは,神経腫瘍学研究に広く使用されている。しかしながら,そのようなデータの手動前処理は,非常に面倒で,高い固有の不均一性のためにエラーが起こりやすい。したがって,そのようなデータセットの自動標準化は,深い学習のようなデータハンリーアプリケーションにとって重要である。MRIデータ収集と処理アルゴリズムにおける急速な進歩にもかかわらず,限られた努力しかそのようなデータの標準化のための自動方法論に専用された。この挑戦に取り組むために,著者らは以前に開発された多モードグリーマ解析(MGA)パイプラインを,大規模データアプリケーションに適した処理スケールを達成するために自動化ツールを用いて拡張した。この新しいパイプラインは,自然言語処理(NLP)に基づくスキャン型分類器を実装する。それは,バッグの単語モデルに基づくDICOMメタデータから構成される特徴を有する。分類装置は,MRI研究におけるすべてのスキャンに対して,18のあらかじめ定義されたスキャンタイプのうちの1つを自動的に割り当てる。記述したデータモデルを用いて,3つのタイプの分類装置を訓練した:ロジスティック回帰,線形SVM,および多層人工ニューラルネットワーク(ANN)。それらの性能を複数のソースからの4つのデータセットで検証した。ANN実装は最高の性能を達成し,99%以上の平均分類精度を得た。また,この解析の再現性を保証するために,進行追跡目的と品質管理のために,半自動モードでMGAを実行するために使用されるJupyterノートブックベースのグラフィカルユーザインタフェイス(GUI)を構築した。MGAは,携帯性と容易な配置を保証するためにDockerコンテナ画像として実装されている。適用は,局所DICOMデータまたはXNATクラウドストレージのいずれかを用いて,単一またはバッチ研究モードで実行できる。COPYRIGHT SPIE. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 応用プログラム ,  標準化 ,  単語 ,  自然言語処理 ,  ニューラルネットワーク ,  品質管理 ,  GUI【計算機】 ,  コンテナ ,  *走査 ,  データ収集 ,  自動化 ,  多モード ,  アルゴリズム ,  分類装置 ,  メタデータ

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： ビッグデータ ,  応用 ,  臨床 ,  神経腫瘍学 ,  MRI ,  研究