文献

J-GLOBAL ID：202002273107995336   整理番号：20A2650915

胸部X線画像における末梢挿入中心カテーテル(PICC)の検出:マルチタスク深層学習モデル【JST・京大機械翻訳】

Detection of peripherally inserted central catheter (PICC) in chest X-ray images: A multi-task deep learning model

著者 (18件)： Yu Dingding (School of Mathematical Sciences, Zhejiang University. Hangzhou, Zhejiang Province, China, 310027) ,  Zhang Kaijie (Department of Vascular Surgery, The Second Affiliated Hospital, School of Medicine, Zhejiang University, Hangzhou, Zhejiang Province, China, 310009) ,  Zhang Kaijie (Key Laboratory of Cardiovascular Intervention and Regenerative Medicine of Zhejiang Province. Sir Run Shaw Hospital, School of Medicine, Zhejiang University. Hangzhou, Zhejiang Province, China, 310016) ,  Huang Lingyan (Department of Radiation Oncology, Zhejiang Quhua Hospital, Quzhou, Zhejiang Province, China, 324000) ,  Zhao Bonan (School of Mathematical Sciences, Zhejiang University. Hangzhou, Zhejiang Province, China, 310027) ,  Zhang Xiaoshan (School of Mathematical Sciences, Zhejiang University. Hangzhou, Zhejiang Province, China, 310027) ,  Guo Xin (Department of Vascular Surgery, The Second Affiliated Hospital, School of Medicine, Zhejiang University, Hangzhou, Zhejiang Province, China, 310009) ,  Guo Xin (Bone Marrow Transplantation Center, The First Affiliated Hospital, School of Medicine, Zhejiang University, Hangzhou, Zhejiang Province, China, 310000) ,  Li Miaomiao (Department of Vascular Surgery, The Second Affiliated Hospital, School of Medicine, Zhejiang University, Hangzhou, Zhejiang Province, China, 310009) ,  Li Miaomiao (Department of Reproductive Endocrinology, Women’s Hospital, School of Medicine, Zhejiang University, Hangzhou, Zhejiang Province, China, 310019) ,  Gu Zheng (Department of Vascular Surgery, The Second Affiliated Hospital, School of Medicine, Zhejiang University, Hangzhou, Zhejiang Province, China, 310009) ,  Fu Guosheng (Key Laboratory of Cardiovascular Intervention and Regenerative Medicine of Zhejiang Province. Sir Run Shaw Hospital, School of Medicine, Zhejiang University. Hangzhou, Zhejiang Province, China, 310016) ,  Hu Minchun (Department of Radiation Oncology, Zhejiang Quhua Hospital, Quzhou, Zhejiang Province, China, 324000) ,  Ping Yan (Department of Radiation Oncology, Zhejiang Quhua Hospital, Quzhou, Zhejiang Province, China, 324000) ,  Sheng Ye (Department of Nursing, The Second Affiliated Hospital, School of Medicine, Zhejiang University, Hangzhou, Zhejiang Province, China, 310009) ,  Liu Zhenjie (Department of Vascular Surgery, The Second Affiliated Hospital, School of Medicine, Zhejiang University, Hangzhou, Zhejiang Province, China, 310009) ,  Hu Xianliang (School of Mathematical Sciences, Zhejiang University. Hangzhou, Zhejiang Province, China, 310027) ,  Zhao Ruiyi (Department of Nursing, The Second Affiliated Hospital, School of Medicine, Zhejiang University, Hangzhou, Zhejiang Province, China, 310009)
資料名： Computer Methods and Programs in Biomedicine  (Computer Methods and Programs in Biomedicine)
巻： 197  ページ： Null  発行年： 2020年 
JST資料番号： D0213C  ISSN： 0169-2607  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アイルランド (IRL)  言語： 英語 (EN)

抄録/ポイント： 末梢挿入中心カテーテル(PICC)は,臨床診療で広く使用されている新しいドラッグデリバリー様式である。しかし,患者の長期保持といくつかの不適当な作用は,そのカテーテルのドリフトと脱のようなPICCの重篤な合併症を引き起こす可能性がある。臨床的に,PICCの術後治療は主に看護師によって完了する。しかし,合併症が起こるとすぐにX線胸部画像からPICCの正しい位置を認識することができず,不適切な治療につながる可能性がある。したがって,これらの合併症が起こるとすぐに,PICCカテーテルの位置を同定する必要がある。ここでは,X線画像を通して自動的にPICCを検出する新しいマルチタスク深層学習フレームワークを提案し,この問題を解決するのを助けることができた。可視PICCの326人の患者から348のX線胸部画像を集めた。次に,PICCカテーテルのラインセグメンテーションとチップ検出のためのマルチタスク深層学習フレームワークを提案した。提案した深層学習モデルは,抽出構造と3つの経路,セグメンテーションのためのアップサンプリング経路,RPN経路,および検出のためのRoIプール化経路から成る。さらに,以前に提案されたモデルと著者らのモデルの有効性を比較した。カテーテルセグメンテーション作業において,300のX線画像を用いて,モデルを訓練し,次に48の画像をテストした。チップ検出タスクにおいて,154のX線画像を再訓練のために使用し,20の画像を試験に用いた。著者らのモデルは,以前に提案されたいくつかの一般的な深層学習モデルの間で,一般的により良い結果を達成した。カテーテルを分割し,X線胸部画像から同時にPICCの先端を検出するマルチタスク深層学習モデルを提案した。本モデルは,看護師がPICCの正しい位置を認識することを助け,従って,潜在的合併症を適切に取り扱うことを助けることができた。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： セグメンテーション ,  *カテーテル ,  *X線画像 ,  有効性 ,  ドラッグデリバリーシステム ,  合併症 ,  看護師
準シソーラス用語： アップサンプリング ,  *マルチタスク ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (6件)： 深層学習 ,  マルチタスク学習 ,  Picc ,  セグメンテーション ,  チップ検出 ,  胸部X線画像

分類 (1件)： 医用画像処理  (JE04020T)

タイトルに関連する用語 (6件)： 胸部X線画像 ,  カテーテル ,  PICC ,  マルチタスク ,  深層学習 ,  モデル