文献

J-GLOBAL ID：202102235000909803   整理番号：21A0065042

深層学習による肺癌における良性および転移性リンパ節の分類【JST・京大機械翻訳】

Classification of Benign and Metastatic Lymph Nodes in Lung Cancer with Deep Learning

著者 (1件)： Pham Tuan D. (Prince Mohammad Bin Fahd University,Center for Artificial Intelligence,Khobar,Saudi Arabia,31952)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： BIBE  ページ： 728-733  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： 本論文では,肺癌患者における縦隔リンパ節転移の診断精度を改善するための非侵襲的画像分析法の開発について述べた。この手法は,分類のためのコンピュータ断層撮影(CT)画像における良性および転移性肺リンパ節のテクスチャの地質統計学的シミュレーションを組み込んだ事前訓練された深層学習モデルを採用した。肺癌の148人の患者から採取した縦隔リンパ節の271のCTサンプルを用いて,確率的模擬データ増強と結合した深層学習モデルは,最良の分類結果を提供した。これらの医用画像におけるテクスチャのシミュレーションは,良性と転移性リンパ節の間の微妙な差異を確認し,複雑なパターン分類のための深層学習モデルの性能を強化するため,豊富なラジオミック特徴を発見することができた。提案した手法は医用画像解析のためのコンピュータ化ツールとして利用できる。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： シミュレーション ,  パターン分類 ,  *リンパ節 ,  地質 ,  医用画像 ,  画像分析 ,  *肺腫瘍 ,  計算機トモグラフィー ,  コンピュータ
準シソーラス用語： 非侵襲 ,  診断精度 ,  縦隔リンパ節 ,  *転移性 ,  医用画像解析 ,  *深層学習 , 【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 (5件)： 深層学習 ,  肺癌 ,  転移性 ,  リンパ節 ,  分類