文献

J-GLOBAL ID：202102237490299492   整理番号：21A1737176

自動乳癌検出のためのデジタル乳房トモシンセシスにおける深層学習の適用:レビュー【JST・京大機械翻訳】

Applying deep learning in digital breast tomosynthesis for automatic breast cancer detection: A review

著者 (6件)： Bai Jun (Department of Computer Science and Engineering, University of Connecticut, 371 Fairfield Way, Storrs, CT 06269, USA) ,  Posner Russell (University of Connecticut School of Medicine, 263 Farmington Ave. Farmington, CT 06030, USA) ,  Wang Tianyu (Department of Computer Science and Engineering, University of Connecticut, 371 Fairfield Way, Storrs, CT 06269, USA) ,  Yang Clifford (University of Connecticut School of Medicine, 263 Farmington Ave. Farmington, CT 06030, USA) ,  Yang Clifford (Department of Radiology, UConn Health, 263 Farmington Ave. Farmington, CT 06030, USA) ,  Nabavi Sheida (Department of Computer Science and Engineering, University of Connecticut, 371 Fairfield Way, Storrs, CT 06269, USA)
資料名： Medical Image Analysis  (Medical Image Analysis)
巻： 71  ページ： Null  発行年： 2021年 
JST資料番号： W3156A  ISSN： 1361-8415  資料種別： 逐次刊行物 (A)
記事区分： 文献レビュー  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 深層学習の比較的最近の再導入は,画像診断研究の解釈における革命力である。しかし,これらの画像を取得するために使用する技術は,非常に同時に革命自体を受ける。デジタル乳房合成(DBT)はそのような技術であり,乳房イメージングの分野を変換する。3次元マンモグラフィの形であるDBTは,従来の二次元マンモグラムを迅速に置き換える。乳房画像の取得と解釈の両方におけるこれらの並列開発は,最新のAIシステムが新しいイメージング法に適応するように設計できるかにおいてユニークな事例研究を提示する。また,それらは,結果および患者の結果の妥当性をよりよく改善することができる両方の技術の同時開発に対するユニークな機会を提供する。本レビューにおいて,著者らは,深層学習がDBTを用いて乳癌スクリーニングワークフローに最も良く統合できる方法を探究した。著者らは最初に,DBT自体の背後にある原理を説明し,なぜそれが乳房スクリーニングにおける金標準になったかを説明した。次に,診断イメージングにおける深層学習法の基礎を調査し,AIベースのDBT解釈への研究の現状をレビューした。最後に,AIを臨床診療に統合する限界のいくつかと,この埋め込み分野に存在する機会を示した。Copyright 2021 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 金 ,  画像処理 ,  *乳房 ,  二次元 ,  ディジタル方式 ,  事例研究 ,  三次元 ,  人工知能システム ,  画像診断 ,  乳房撮影 ,  ワークフロー
準シソーラス用語： 乳癌検診 ,  乳房画像 ,  乳癌検出 ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (3件)： ディジタル乳房トモシンセシス ,  深層学習 ,  レビュー

分類 (1件)： 腫ようの診断  (GE03020J)

タイトルに関連する用語 (4件)： 乳癌検出 ,  デジタル乳房トモシンセシス ,  深層学習 ,  レビュー