文献

J-GLOBAL ID：202002277919346738   整理番号：20A2521893

低ステージ腎細胞癌における低および高悪性度の鑑別のためのMRIに基づく深層学習【JST・京大機械翻訳】

Deep Learning Based on MRI for Differentiation of Low- and High-Grade in Low-Stage Renal Cell Carcinoma

著者 (17件)： Zhao Yijun (Department of Radiology, The Second Xiangya Hospital, Central South University, Changsha, China) ,  Chang Marcello (Stanford School of Medicine, Palo Alto, California, USA) ,  Wang Robin (Perelman School of Medicine at the University of Pennsylvania, Philadelphia, Pennsylvania, USA) ,  Xi Ianto Lin (Perelman School of Medicine at the University of Pennsylvania, Philadelphia, Pennsylvania, USA) ,  Chang Ken (Department of Radiology, Athinoula A. Martinos Center for Biomedical Imaging, Boston, Massachusetts, USA) ,  Huang Raymond Y (Department of Radiology, Brigham and Women’s Hospital, Boston, Massachusetts, USA) ,  Vallieres Martin (Medical Physics Unit, McGill University, Montreal, Quebec, Canada) ,  Habibollahi Peiman (Department of Radiology, Division of Interventional Radiology, UT Southwestern Medical School, Dallas, Texas, USA) ,  Dagli Mandeep S. (Department of Radiology, Division of Interventional Radiology, Perelman School of Medicine of the University of Pennsylvania, Philadelphia, Pennsylvania, USA) ,  Palmer Matthew (Department of Pathology and Laboratory Medicine, Perelman School of Medicine, University of Pennsylvania, Philadelphia, Pennsylvania, USA) ,  Zhang Paul J. (Department of Pathology and Laboratory Medicine, Perelman School of Medicine, University of Pennsylvania, Philadelphia, Pennsylvania, USA) ,  Silva Alvin C. (Department of Radiology, Mayo Clinical Hospital, Scottsdale, Arizona, USA) ,  Yang Li (Department of Neurology, The Second Xiangya Hospital, Central South University, Changsha, China) ,  Soulen Michael C. (Department of Radiology, Division of Interventional Radiology, Perelman School of Medicine of the University of Pennsylvania, Philadelphia, Pennsylvania, USA) ,  Zhang Zishu (Department of Radiology, The Second Xiangya Hospital, Central South University, Changsha, China) ,  Bai Harrison X. (Department of Diagnostic Imaging, Warren Alpert Medical School of Brown University, Providence, Rhode Island, USA) ,  Stavropoulos S. William (Department of Radiology, Division of Interventional Radiology, Perelman School of Medicine of the University of Pennsylvania, Philadelphia, Pennsylvania, USA)
資料名： Journal of Magnetic Resonance Imaging  (Journal of Magnetic Resonance Imaging)
巻： 52  号： 5  ページ： 1542-1549  発行年： 2020年 
JST資料番号： W2648A  ISSN： 1053-1807  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： 腎細胞癌悪性度の前処理決定は,臨床意思決定を導くのを助ける可能性がある。PURPOSE:ステージIおよびII腎細胞癌における高グレード(グレードIII~IV)から低グレード(グレードI~II)を区別するルーチンMRIを用いて,残存畳込みニューラルネットワークの有効性を評価する。STUDY TYPE:後向き。POPULATION:2008年~2019年に多施設コホートで430の腎細胞癌病変を有する376人の患者を得た。353のFuhrmanグレードの腎細胞癌を,7:2:1の分割で訓練,検証および試験セットに分けた。77のWHO/ISUP段階的腎細胞癌を,別々のWHO/ISUP試験セットとして使用した。FIELD STRENGTH/SEQUENCE:1.5Tおよび3.0T/T_2強調およびT_1コントラスト増強配列。ASSESSMENT:最終モデルの精度,感度,および特異性を評価した。受信機動作特性(ROC)曲線と精度-反射曲線を,バイナリ分類装置の性能を測定するためにプロットした。混乱マトリックスを,モデルの真の正,真陰性,偽陽性,および偽陰性を示すために描いた。STATISTICAL TESTS:連続データに対するMann-Whitney U検定,およびカテゴリーデータに対するカイ二乗検定またはフィッシャーの正確検定を用いて,低および高グレード群の間の臨床病理学的特徴の差異を比較した。調整したWald法を用いて,精度,感度,および特異性の95%信頼区間(CI)を計算した。結果:最終深層学習モデルは,Fuhrman試験セットで0.88(95%CI:0.73~0.96),感度0.89(95%CI:0.74~0.96),特異度0.88(95%CI:0.73~0.96),およびWHO/ISUP試験セットで0.83(95%CI:0.73~0.90),0.92(95%CI:0.84~0.97)の感度,および0.78(95%CI:0.68~0.86)の特異度を達成した。結論:深部学習は,高精度の多施設データセットにおいて,従来のMRIを用いてステージIおよびII腎細胞癌の組織学的悪性度を非侵襲的に予測することができる。LEVEL OF EVIDENCE:3TECHNICAL EFFICACY STAGE:2。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： コントラスト ,  意思決定 ,  χ2乗検定 ,  *学習 ,  前処理 ,  受信機 ,  母集団 ,  有効性 ,  カオス ,  *腎細胞癌
準シソーラス用語： 高精度 ,  特異度 ,  特異性 ,  偽陰性 ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： 深層学習 ,  残差畳込みニューラルネットワーク ,  組織学的グレード ,  腎細胞癌 ,  MRI

分類 (1件)： 泌尿生殖器の腫よう  (GM04000S)

タイトルに関連する用語 (6件)： ステージ ,  腎細胞癌 ,  悪性度 ,  鑑別 ,  MRI ,  深層学習