文献

J-GLOBAL ID：202002279930423336   整理番号：20A1760483

CNN特徴と形態学的特徴の組み合わせを用いた乳房超音波画像上の腫瘤の組織学的分類のためのコンピュータ化決定スキーム【JST・京大機械翻訳】

Computerized determination scheme for histological classification of masses on breast ultrasonographic images using combination of CNN features and morphologic features

著者 (3件)： Kunieda Shinya (Ritsumeikan Univ. (Japan)) ,  Hizukuri Akiyoshi (Ritsumeikan Univ. (Japan)) ,  Nakayama Ryohei (Ritsumeikan Univ. (Japan))
資料名： Proceedings of SPIE  (Proceedings of SPIE)
巻： 11513  ページ： 115131Y-7  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： 乳房超音波検査画像における腫瘤の生検または追跡調査を正しく決定することは臨床医にとって難しい。本研究の目的は,CNN(畳込みニューラルネットワーク)特徴と形態学的特徴の組み合わせを用いて,腫瘤の組織学的分類のためのコンピュータ化決定スキームを開発することであった。データベースは585の乳房超音波検査画像から構成された。それは,288の悪性腫瘤(218の浸潤癌と70の非侵襲的癌)と297の良性腫瘤(182の線維腺腫と115の嚢胞)を含んだ。提案方法では,CNNの特徴と形態学的特徴を質量から最初に決定した。主成分分析を用いて,GoogLeNetにおける最終プール層の出力の次元を減らすことによりCNN特徴を定義した。形態学的特徴も,乳房超音波検査画像上の腫瘤を記述するために一般的に使用される画像特徴を考慮することにより定義した。CNN特徴と形態学的特徴を有するサポートベクトルマシン(SVM)を用いて,腫瘤の組織学的分類を分類した。GoogLeNetとSVMの訓練と試験に3回交差検証法を用いた。提案方法による分類精度は,浸潤癌で84.4%(184/218),非侵襲的癌で72.9%(51/70),線維腺腫で85.7%(156/182),嚢胞で87.8%(101/115)であった。感度と特異性は,87.2%(251/288)と93.3%(277/297)であり,一方,陽性予測値と陰性予測値は,92.6%(251/271)と88.2%(277/314)であった。高い分類精度を与える提案方法は,診断支援として超音波画像上の腫瘤の鑑別診断に有用である。COPYRIGHT SPIE. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： データベース ,  画像特性 ,  *乳房 ,  生検 ,  *超音波画像 ,  主成分分析 ,  嚢胞 ,  鑑別診断 ,  *コンピュータ ,  サポートベクトルマシン
準シソーラス用語： *腫瘤 ,  分類精度 ,  特異性 ,  予測値 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (2件)： 腫ようの診断  (GE03020J) ,  医用画像処理  (JE04020T)

タイトルに関連する用語 (10件)： CNN ,  形態学的特徴 ,  組み合わせ ,  乳房 ,  超音波画像 ,  腫瘤 ,  組織学 ,  分類 ,  コンピュータ ,  スキーム