文献

J-GLOBAL ID：202102217351201398   整理番号：21A0164763

頭部および頚部CT画像における自動多臓器セグメンテーションのための自己チャネルおよび空間注意ニューラルネットワーク【JST・京大機械翻訳】

Self-channel-and-spatial-attention neural network for automated multi-organ segmentation on head and neck CT images

著者 (7件)： Gou Shuiping (Key Lab of Intelligent Perception and Image Understanding of Ministry of Education, Xidian University, Xi’an, Shaanxi 710071, People’s Republic of China) ,  Tong Nuo (Key Lab of Intelligent Perception and Image Understanding of Ministry of Education, Xidian University, Xi’an, Shaanxi 710071, People’s Republic of China) ,  Tong Nuo (Department of Radiation Oncology, University of California-Los Angeles, Los Angeles, CA 90095, United States of America) ,  Qi Sharon (Department of Radiation Oncology, University of California-Los Angeles, Los Angeles, CA 90095, United States of America) ,  Yang Shuyuan (Key Lab of Intelligent Perception and Image Understanding of Ministry of Education, Xidian University, Xi’an, Shaanxi 710071, People’s Republic of China) ,  Chin Robert (Department of Radiation Oncology, University of California-Los Angeles, Los Angeles, CA 90095, United States of America) ,  Sheng Ke (Department of Radiation Oncology, University of California-Los Angeles, Los Angeles, CA 90095, United States of America)
資料名： Physics in Medicine and Biology  (Physics in Medicine and Biology)
巻： 65  号： 24  ページ： 245034 (18pp)  発行年： 2020年 
JST資料番号： D0324A  ISSN： 0031-9155  CODEN： PHMBA7  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： リスク(OAR)での臓器の正確なセグメンテーションは,適応頭頚部(H&N)癌治療計画に必要であるが,手動描写は,退屈で,遅く,矛盾しない。CT画像上のH&N OARセグメンテーションのために,自己チャネルおよび空間拡張ニューラルネットワーク(SCSA-Net)を開発した。同時に訓練を容易化し,セグメンテーション性能を改善するために,提案したSCSA-Netはネットワークの自己注意能力を利用する。空間およびチャネルごとの注意学習機構の両者を用いて,ネットワークを適応的に力付けし,意味ある特徴を強調し,同時に無関係な特徴を弱めた。提案したネットワークを,最初に48人の患者を含む公共データセット上で評価し,次に,毎週診断ファンビームCTスキャンを受けた10人の患者を含む,別の連続CTデータセットに,それを含んだ。第2のデータセットでは,放射線療法治療中の耳下腺および顎下腺容積変化を追跡するためのSCSA-Netの使用の精度を定量化した。Dice類似係数(DSC),陽性予測値(PPV),感度(SEN),平均表面距離(ASD),および95%最大表面距離(95SD)を,提案したSCSA-Netを評価するために,脳幹,視交叉,視神経,下顎骨,耳下腺および顎下腺に関して計算した。提案したSCSA-Netは,公開データセットの最先端手法よりも一貫して優れている。特に,Res-NetおよびSE-Netと比較して,それは,スクイーズおよび励起ブロック装備残差ブロックから構築されて,視神経および顎下腺のDSCは,SCSA-Netによって0.06,0.03および0.05,0.04によって改善された。さらに,提案方法は,それぞれ,Res-NetおよびSE-Net上の9つのOARの全ておよび8つに関して,DSCに関して統計的に有意な改善を達成した。訓練されたネットワークは連続データセット上で良好なセグメンテーション結果を達成することができたが,結果はシミュレーションCT画像を用いてモデルの微調整後にさらに改善された。耳下腺および顎下腺では,個々の患者の体積変化は,自動化および手動セグメンテーション(ピアソン相関0.97~0.99)の間で非常に一致した。提案したSCSA-Netは,セグメンテーション(sim2s/CT)を実行するために計算的に効率的である。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： シミュレーション ,  励起 ,  自動化 ,  学習 ,  *セグメンテーション ,  *ネットワーク ,  *ニューラルネットワーク ,  残差 ,  脳幹 ,  放射線療法 ,  視神経 ,  視神経交叉 ,  計算機トモグラフィー
準シソーラス用語： *CT画像 ,  癌治療 , 【Automatic Indexing@JST】

分類 (2件)： 医用画像処理  (JE04020T) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (8件)： 頭部 ,  頚部CT ,  臓器 ,  セグメンテーション ,  自己 ,  チャネル ,  注意 ,  ニューラルネットワーク