文献

J-GLOBAL ID：202102249669420678   整理番号：21A3313294

穿刺吸引細胞診を用いた乳頭甲状腺癌の自動予測のためのアンサンブル深層学習【JST・京大機械翻訳】

An ensemble deep learning for automatic prediction of papillary thyroid carcinoma using fine needle aspiration cytology

著者 (7件)： Duc Nguyen Thanh (Department of Biomedical Science and Engineering (BMSE), Gwangju Institute of Science and Technology (GIST), Gwangju, South Korea) ,  Duc Nguyen Thanh (Department of Neurology and Neurosurgery, Montreal Neurological Institute, McGill Univ, Montreal, Canada) ,  Duc Nguyen Thanh (McConnel Brain Imaging Center, Montreal Neurological Institute, McGill Univ, Montreal, Canada) ,  Duc Nguyen Thanh (Ludmer Centre for Neuroinformatics and Mental Health, McGill Univ, Montreal, Canada) ,  Lee Yong-Moon (Department of Pathology, College of Medicine, Dankook University, South Korea) ,  Park Jae Hyun (Department of Surgery, Wonju Severance Christian Hospital, Yonsei University, Wonju College of Medicine, South Korea) ,  Lee Boreom (Department of Biomedical Science and Engineering (BMSE), Gwangju Institute of Science and Technology (GIST), Gwangju, South Korea)
資料名： Expert Systems with Applications  (Expert Systems with Applications)
巻： 188  ページ： Null  発行年： 2022年 
JST資料番号： W0178A  ISSN： 0957-4174  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： Papillary Thydroid Carcinoma(PTC)の正確な細胞病理診断は,治療コストの低減と効率の増加に重要である。本論文では,薄いNeedle Aspiration Cytology(FNAC)からの悪性PTC細胞クラスターの自動分類のための人工知能(AI)の導入による目標を,薄いPrepにより処理した。Olympus顕微鏡に取り付けた40×客観的レンズデジタルカメラで得られた高解像度細胞学的画像を断片に分割し,次に訓練,検証および試験サブセットに分割した。フラグメントは,適切な診断を行うための有益な組織構造をカバーする領域のみを含む非重複パッチである。深層学習CNNモデルを,細胞学断片上で再訓練する前に,大規模ImageNetドメインで事前訓練し,微調整した。さらに,予測の信頼性と信頼性の付加的証拠を疑いなく提供する患者レベル予測の確実性を計算する方法を提案した。結果は,高密度Net161を用いて達成されたディジタルFNAC画像に関する最良の分類性能が得られ,平均精度は0.9556(p<0.01),平均感度は0.9734,平均特異性は0.9405であった。アンサンブル学習の知見は,複数のCNNモデルとAdaBoost分類器の組み合わせが,予測性能を最大0.9971の精度で促進することを示唆した。さらに,Reinhardにより導入された染色正規化は,予測能力,ヒストグラム仕様,およびMacenko法を増加させた。本知見は,深い学習がPTCの正確な診断において細胞病理学者をサポートするためにコンピュータ支援診断システムに統合できることを示した。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： 自動分類 ,  信頼性 ,  計算機診断 ,  染色 ,  人工知能 ,  クラスタ ,  *乳頭 ,  高分解能 ,  正規化 ,  *甲状腺腫瘍 ,  *穿刺吸引細胞診 ,  細胞生物学
準シソーラス用語： アンサンブル学習 ,  AdaBoost ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (6件)： 甲状腺乳頭癌 ,  穿刺吸引細胞診 ,  コンピュータ支援診断 ,  深いCNNモデル ,  アンサンブル学習 ,  薄い準備

分類 (1件)： 腫ようの診断  (GE03020J)

タイトルに関連する用語 (6件)： 穿刺吸引細胞診 ,  乳頭 ,  甲状腺癌 ,  予測 ,  アンサンブル ,  深層学習