文献

J-GLOBAL ID：202102222702908847   整理番号：21A2563505

COVID-19患者に対する超低線量CTイメージングからの深部残存ニューラルネットワークベース標準CT推定【JST・京大機械翻訳】

Deep Residual Neural Network-based Standard CT Estimation from Ultra-Low Dose CT Imaging for COVID-19 Patients

著者 (14件)： Shiri Isaac (Geneva University Hospital,Division of Nuclear Medicine and Molecular Imaging,Geneva,Switzerland) ,  Akhavanallaf Azadeh (Geneva University Hospital,Division of Nuclear Medicine and Molecular Imaging,Geneva,Switzerland) ,  Sanaat Amirhossein (Geneva University Hospital,Division of Nuclear Medicine and Molecular Imaging,Geneva,Switzerland) ,  Salimi Yazdan (Geneva University Hospital,Division of Nuclear Medicine and Molecular Imaging,Geneva,Switzerland) ,  Askari Dariush (Shahid Beheshti University of Medical Sciences,Department of Biomedical Engineering and Medical Physics,Tehran,Iran) ,  Mansouri Zahra (Shahid Beheshti University of Medical Sciences,Department of Biomedical Engineering and Medical Physics,Tehran,Iran) ,  Shayesteh Sajad P. (Alborz University of Medical Sciences,Department of Physiology, Pharmacology and Medical Physics,Karaj,Iran) ,  Hasanian Mohammad (Arak University of Medical Sciences,Department of Radiology,Arak,Iran) ,  Rezaei-Kalantari Kiara (Rajaie Cardiovascular Medical and Research Center, Iran University of Medical Science,Tehran,Iran) ,  Salahshour Ali (Alborz University of Medical Sciences,department of Radiology,Karaj,Iran) ,  Sandoughdaran Saleh (Shahid Beheshti University of Medical Sciences,Department of Radiation Oncology,Tehran,Iran) ,  Abdollahi Hamid (Kerman University of Medical Science,Department of Radiologic Sciences and Medical Physics,Kerman,Iran) ,  Arabi Hossein (Geneva University Hospital,Division of Nuclear Medicine and Molecular Imaging,Geneva,Switzerland) ,  Zaidi Habib (Geneva University Neurocenter, Geneva University,Geneva,Switzerland)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： NSS/MIC  ページ： 1-3  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： 胸部コンピュータ断層撮影(CT)イメージングは,重症急性呼吸器症候群コロナウイルス(SARS-CoV-2)の診断および病期診断に広く使用されている。CTは,初期診断,重症度スコアリング,連続モニタリング,および患者状態追跡のために利用することができる。連続モニタリングと追跡調査のために,患者は複数回スキャンする必要がある。CTイメージングの傾向は,患者の放射線量を最小化することである。しかし,CTイメージングは,まだ高い放射線量モダリティとして考えられている。本研究では,COVID-19患者の放射線量を低減するため,超低用量CT画像からの深い残留ニューラルネットワークベースの高品質(フル線量)発生を提案した。この多施設研究において,313のPCR陽性COVID-19患者を有する1140人の被験者を登録した。超低線量CT画像を解析的にシミュレートし,次に,対応する超低線量画像から全線量画像を推定するのに用いた深い残留ニューラルネットワークを採用した。二乗平均平方根誤差(RMSE),構造類似性指数(SSIM),および定性的視覚スコアリングを含む種々の定量的パラメータを実装し,生成されたCT画像の画質を評価した。全線量画像の平均CTDI_volは6.5Gy(4.16~10.5mGy)であり,一方,シミュレートした低線量画像は0.72mGyの平均CTDI_vol(0.66~1.02mGy)を意図した。外部検証セット(試験セット)に関して,RMSEは,低用量で0.16±0.06から0.08±0.02に減少し,標準線量CT画像で予測し,一方,SSIM計量は,それぞれ0.89±0.07から0.97±0.01に増加した。最高の視覚スコア(5のアウト)は,全線量画像(4.72±0.57)により達成され,全線量画像(4.42±0.08)を予測した。逆に,超低線量画像は最低スコア(2.78±0.9)を受けた。提案した深い残留ネットワークが超低用量CT画像の画像品質を改善し,従ってそれらの診断値を回復すると結論できる。Copyright 2021 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 視覚 ,  *ネットワーク ,  *ニューラルネットワーク ,  *画像処理 ,  画質 ,  放射線量 ,  類似性 ,  早期診断 ,  追跡調査
準シソーラス用語： 被験者 ,  モダリティ ,  CT画像 ,  胸部CT ,  スコア化 ,  *低線量CT , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (10件)： COVID-19 ,  患者 ,  低線量CT ,  イメージング ,  深部 ,  残存 ,  ニューラルネットワーク ,  標準 ,  CT ,  推定