文献

J-GLOBAL ID：202102259192090748   整理番号：21A0902862

自動子宮頚部前癌スクリーニングにおける信頼性改善に向けた子宮頸部画像選択のためのアンサンブル深層学習【JST・京大機械翻訳】

Ensemble Deep Learning for Cervix Image Selection toward Improving Reliability in Automated Cervical Precancer Screening

著者 (11件)： Guo Peng (Communications Engineering Branch, Lister Hill National Center for Biomedical Communications, U.S. National Library of Medicine, National Institutes of Health, Bethesda, MD 20894, USA) ,  Xue Zhiyun (Communications Engineering Branch, Lister Hill National Center for Biomedical Communications, U.S. National Library of Medicine, National Institutes of Health, Bethesda, MD 20894, USA) ,  Mtema Zac (Ifakara Health Institute, P.O. Box 53 Ifakara, Tanzania) ,  Yeates Karen (Department of Medicine, Queen’s University, Kingston, ON K7L3N6, Canada) ,  Yeates Karen (School of Global Public Health, New York University, New York, NY 10012, USA) ,  Yeates Karen (Pamoja Tunaweza Research Centre, Moshi, Tanzania) ,  Ginsburg Ophira (Perlmutter Cancer Center, NYU Langone Health, New York, NY 10016, USA) ,  Demarco Maria (Division of Cancer Epidemiology and Genetics (DCEG), National Cancer Institutes, Bethesda, MD 20892, USA) ,  Long L. Rodney (Communications Engineering Branch, Lister Hill National Center for Biomedical Communications, U.S. National Library of Medicine, National Institutes of Health, Bethesda, MD 20894, USA) ,  Schiffman Mark (Division of Cancer Epidemiology and Genetics (DCEG), National Cancer Institutes, Bethesda, MD 20892, USA) ,  Antani Sameer (Communications Engineering Branch, Lister Hill National Center for Biomedical Communications, U.S. National Library of Medicine, National Institutes of Health, Bethesda, MD 20894, USA)
資料名： Diagnostics (Web)  (Diagnostics (Web))
巻： 10  号： 7  ページ： 451  発行年： 2020年 
JST資料番号： U7173A  ISSN： 2075-4418  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 自動視覚検査(AVE)は,特に低および中資源領域において,頸部前癌スクリーニングの有効性を改善することを目的とする深層学習アルゴリズムである。国立がん研究所(NCI)によって行われた大規模縦断的研究からのデータを訓練し,臨床評価と治療のために子宮頸部腫瘍の早期ステージで初心者を正確に同定することが示された。このアルゴリズムは,ディジタルカメラで撮影された子宮頸部の画像を処理し,女性が更なる評価の候補であるならば,ユーザを警告する。これは,このアルゴリズムが,許容できる品質の対象である頸部の画像,すなわち,影や他のオクルージョンのない良好な照明,および全スクアモ-柱状変換ゾーンを示す,という関心の対象である,という事を要求している,という事を必要とする。。また,この事は,良好な照明,すなわち,良好な照明を伴う,という関心の対象である,という事を必要とする。”そのこと”は,良好な照明,すなわち,影または他のオクルージョンなしで,また,全スクアモ-柱状変換ゾーンを示す。著者らの先行研究は,これらの制約のいくつかに取り組んでおり,これらの基準に合致しない画像を捨てることを助ける。本研究では,画像が十分な範囲に頚部を含むことを決定する新しいアルゴリズムを提案した。非cervixまたは他の不適切な画像は,準最適または誤った結果を導くことができた。このような画像の手動除去は労働集約的で時間がかかり,特に不適切な品質管理で取得した大きな遡及的収集で作業する。本研究では,スマートフォン獲得の頸部画像データセットにおける頸部画像と非cervix画像を同定するための新しいアンサンブル深層学習法を提案した。アンサンブル法は,3つの深層学習アーキテクチャ,RetinaNet,Deep SVDD,およびカスタマイズされたCNN(畳込みニューラルネットワーク)の評価を,それぞれ,その決定,すなわち,オブジェクト検出,1クラス分類,およびバイナリ分類に到着する異なる戦略を用いて結合した。各個別アーキテクチャの性能と3つのアーキテクチャのアンサンブルを調べた。それぞれ,91.6%と0.890の平均精度とF-1スコアを,30,000以上のスマートフォン捕獲画像からなる分離試験データセットで達成した。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  品質管理 ,  *信頼性 ,  捕獲 ,  計算機アーキテクチャ ,  *スクリーニング ,  子宮頚部腫瘍 ,  視覚検査 ,  学習アルゴリズム ,  オクルージョン ,  スマートフォン
準シソーラス用語： ディジタルカメラ ,  初心者 ,  物体検出 ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： 深層学習 ,  子宮頸癌 ,  頚部/非頚管 ,  アンサンブル ,  1クラス分類

分類 (2件)： 腫ようの診断  (GE03020J) ,  女性生殖器と胎児の腫よう  (GS04000K)

引用文献 (22件)：

• Human Papillomavirus (HPV) and Cervical Cancer. Available online: https://www.who.int/en/news-room/fact-sheets/detail/human-papillomavirus-(hpv)-and-cervical-cancer (accessed on 2 October 2019).
• Bhattacharyya, A.; Nath, J.; Deka, H. Comparative study between pap smear and visual inspection with acetic acid (via) in screening of CIN and early cervical cancer. J. Mid Life Health 2015, 6, 53-58.
• Egede, J.; Ajah, L.; Ibekwe, P.; Agwu, U.; Nwizu, E.; Iyare, F. Comparison of the accuracy of papanicolaou test cytology, Visual Inspection with Acetic acid, and Visual Inspection with Lugol Iodine in screening for cervical neoplasia in southeast Nigeria. J. Glob. Oncol. 2018, 4, 1-9.
• Sritipsukho, P.; Thaweekul, Y. Accuracy of visual inspection with acetic acid (VIA) for cervical cancer screening: A systematic review. J. Med. Assoc. Thai. 2010, 93, 254-261.
• Jeronimo, J.; Massad, L.S.; Castle, P.E.; Wacholder, S.; Schiffman, M.; National Institutes of Health (NIH)-American Society for Colposcopy and Cervical Pathology (ASCCP) Research Group. Interobserver agreement in the evaluation of digitized cervical images. Obstet. Gynecol. 2007, 110, 833-840.

タイトルに関連する用語 (7件)： 子宮頚部 ,  前癌 ,  スクリーニング ,  子宮頸部 ,  画像選択 ,  アンサンブル ,  深層学習