文献

J-GLOBAL ID：202002272667898660   整理番号：20A0483339

心臓温存改善のための深部学習による心臓下部構造セグメンテーション【JST・京大機械翻訳】

Cardiac substructure segmentation with deep learning for improved cardiac sparing

著者 (9件)： Morris Eric D. (Department of Radiation Oncology, Henry Ford Cancer Institute, Detroit, MI, USA) ,  Morris Eric D. (Department of Radiation Oncology, Wayne State University School of Medicine, Detroit, MI, USA) ,  Ghanem Ahmed I. (Department of Radiation Oncology, Henry Ford Cancer Institute, Detroit, MI, USA) ,  Ghanem Ahmed I. (Department of Clinical Oncology, Alexandria University, Alexandria, Egypt) ,  Dong Ming (Department of Computer Science, Wayne State University, Detroit, MI, USA) ,  Pantelic Milan V. (Department of Radiology, Henry Ford Cancer Institute, Detroit, MI, USA) ,  Walker Eleanor M. (Department of Radiation Oncology, Henry Ford Cancer Institute, Detroit, MI, USA) ,  Glide-Hurst Carri K. (Department of Radiation Oncology, Henry Ford Cancer Institute, Detroit, MI, USA) ,  Glide-Hurst Carri K. (Department of Radiation Oncology, Wayne State University School of Medicine, Detroit, MI, USA)
資料名： Medical Physics  (Medical Physics)
巻： 47  号： 2  ページ： 576-586  発行年： 2020年 
JST資料番号： A1258A  ISSN： 0094-2405  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 目的:心臓下部構造への放射線量は,放射線誘発性心疾患に関連する。しかし,CT上での可視化が乏しいため,放射線治療計画(RTP)ではサブ構造は考慮されていない。したがって,単一の非コントラストCT入力を必要とする最先端の心臓サブ構造セグメンテーションのために,CTと結合した新しい深部学習(DL)パイプライン活用MRIソフト組織コントラストを開発した。材料/方法:32人の左側全乳癌患者は,心臓T2 MRIとCTシミュレーションを受けた。剛体心臓制限MR/CT登録により,12のサブ構造(チャンバー,大血管(GVs),冠動脈(CA)など)のグランドトルース描写が可能になった。対MRI/CTデータ(25人の患者)を別々の画像チャネルに配置し,3D画像を用いて三次元(3D)ニューラルネットワークを訓練した。深い監視とDice加重多クラス損失関数を適用した。結果は,前/後増強と後処理(3D条件付きランダムフィールド(CRF))を評価した。11の試験CTs(7つのユニークな患者)の結果を,Dice類似性係数(DSC),平均距離(MDA),Wilcoxon signedランク検定により,グランドトルースとマルチアトラス法(MA)と比較した。3人の医師はコンセンサススコア(5ポイントスケール)により臨床的受容を評価した。結果:モデルは~19時間(200エポック,訓練誤差<0.001)で安定化した。増強とCRFは,それぞれ,サブ構造を横切って,DSC5.0±7.9%と1.2±2.5%を増加した。dlは,チャンバー(DSC=0.88±0.03),GVs(DSC=0.85±0.03),および肺静脈(DSC=0.77±0.04)の正確なセグメンテーションを提供した。CAに対する複合DSCは0.50±0.14であった。サブ構造にわたるMDAは<2.0mm(GV MDA=1.24±0.31mm)であった。サブ構造には統計的体積差がなかった(P>0.05)。4例において,DLは左主CA輪郭を生じたが,MAセグメンテーションは失敗し,MAに対する44/60比較において改善されたコンセンサススコアを提供した。dlは,3/4チャンバーに対するすべての段階的患者に対して臨床的に許容できるセグメンテーションを提供した。dl輪郭発生は,患者あたり約14秒を要した。結論:これらの有望な結果は,DLが心臓部分切除のための主要な効率と精度の向上をもたらし,改善された心臓温存のためのRTPへの迅速な実装のための高い可能性を提供することを示唆する。Copyright 2020 Wiley Publishing Japan K.K. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 損失関数 ,  冠動脈 ,  コントラスト ,  心臓病 ,  シミュレーション ,  *学習 ,  *セグメンテーション ,  ニューラルネットワーク ,  放射線量 ,  三次元 ,  *心臓 ,  可視化 ,  放射線 ,  NMRイメージング ,  肺静脈

著者キーワード (5件)： 心臓毒性 ,  深層学習 ,  磁気共鳴イメージング ,  放射線 ,  セグメンテーション

分類 (1件)： 医用画像処理  (JE04020T)

タイトルに関連する用語 (5件)： 心臓 ,  深部 ,  学習 ,  下部構造 ,  セグメンテーション