文献

J-GLOBAL ID：202102252230774577   整理番号：21A0394682

CT画像群学的特徴に基づく腎腫瘍組織学的サブタイプ分類【JST・京大機械翻訳】

Classification of renal tumor histology subtypes based on radiomics features of CT images

著者 (6件)： Yang Yi (中国科学技術大学 合肥 230027;中国科学院蘇州生物医学工程技術研究所 蘇州215163) ,  Qian Xusheng (中国科学院蘇州生物医学工程技術研究所 蘇州215163) ,  Zhou Zhiyong (中国科学院蘇州生物医学工程技術研究所 蘇州215163) ,  Shen Junkang (蘇州大学附属第二医院 蘇州 215163) ,  Zhu Jianbing (南京医科大学附属蘇州医院 蘇州 215163;蘇州科技城医院 蘇州 215163) ,  Dai Yakang (中国科学院蘇州生物医学工程技術研究所 蘇州215163)
資料名： Beijing Shengwu Yixue Gongchneg  (Beijing Shengwu Yixue Gongchneg)
巻： 39  号： 1  ページ： 15-20  発行年： 2020年 
JST資料番号： C4412A  ISSN： 1002-3208  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 目的:術前に脂肪血管平滑筋脂肪腫(fat-poorangiomyolipoma,fp-AML)と腎明細胞癌(clearcellrenalcellcarcinoma)を鑑別する。ccRCCは正しい治療プランを作成するのに極めて重要である。fp-AMLとccRCCの分類精度を向上させるため、本論文では、映像学技術に基づく分類モデルを提案した。方法:蘇州大学付属第二病院放射線科18例のfp-AML患者と42例のccRCC患者のCT画像を回顧的に収集した。まず、CT画像から430個の映像学特徴を抽出した。次に,特徴選択を3ステップで実施し,Welch’st検定を用いて,特徴選択を行い,そして,Welch’st検定を用いて,識別能力を持つ特徴を選択するために,時系列浮動前方選択アルゴリズムを用いた。最後に,k最近傍(k-nearestneighborhood,kNN),ランダム森林(randomforest,RF),サポートベクトルマシン(supportvectormachine)を確立した。SVMとAdaBoostの4つの分類装置を分類した。【結果】SVM分類装置によって構築したモデルは,それぞれ91.67%,88.89%,92.86%,84.21%,95.12%,および0のROC曲線下面積で,最適分類性能を得た。9418。結論:本研究で構築したモデルはfp-AMLとccRCCの分類精度を高め、医師のfp-AMLとccRCCの鑑別診断を補助できる。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  分類装置 ,  浮動 ,  特徴選択 ,  映像 ,  脂肪腫 ,  *腎臓腫瘍 ,  鑑別診断 ,  血中濃度-時間曲線下面積 ,  サポートベクトルマシン
準シソーラス用語： *CT画像 ,  AdaBoost ,  分類精度 ,  ランダムフォレスト ,  SVM分類 , 【Automatic Indexing@JST】

分類 (3件)： 泌尿生殖器の腫よう  (GM04000S) ,  人工知能  (JE08000Z) ,  医用画像処理  (JE04020T)

タイトルに関連する用語 (5件)： CT画像 ,  腎腫瘍 ,  組織学 ,  サブ ,  タイプ分類