文献

J-GLOBAL ID：202102263254866340   整理番号：21A3174806

HLDnet:新しい深層学習ベースの人工知能ツールは正確な前癌スクリーニングのための酢酸とLugolのヨウ素セルビコグラムを融合する【JST・京大機械翻訳】

HLDnet: Novel deep learning based Artificial Intelligence tool fuses acetic acid and Lugol’s iodine cervicograms for accurate pre-cancer screening

著者 (8件)： Yan Ling (Department of Obstetrics and Gynecology, Sir Run Run Shaw Hospital of Zhejiang University School of Medicine, Hangzhou, Zhejiang Province 310016, China) ,  Song Haoxuan (Department of Computer Science and Technology, Hangzhou Dianzi University, Hangzhou, Zhejiang Province 310018, China) ,  Guo Yi (Qiaosi Branch of the First People’s Hospital of Yuhang District, Hangzhou, Zhejiang Province 311101, China) ,  Ren Peng (Bank of America Corporation, Atlanta, GA 30308, USA) ,  Zhou Wenhui (Department of Computer Science and Technology, Hangzhou Dianzi University, Hangzhou, Zhejiang Province 310018, China) ,  Li Shufeng (Department of Computer Science and Technology, Hangzhou Dianzi University, Hangzhou, Zhejiang Province 310018, China) ,  Yang Jingjing (Center for Computational and Quantitative Genetics, Department of Human Genetics, Emory University School of Medicine, Atlanta, GA 30322, USA) ,  Shen Xingfa (Department of Computer Science and Technology, Hangzhou Dianzi University, Hangzhou, Zhejiang Province 310018, China)
資料名： Biomedical Signal Processing and Control  (Biomedical Signal Processing and Control)
巻： 71  号： PA  ページ： Null  発行年： 2022年 
JST資料番号： W3347A  ISSN： 1746-8094  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： 頚癌は,世界中の女性死亡と不妊症の主要原因の1つである。子宮頸癌の早期段階を含む,高悪性度扁平上皮内病変または上記(HSIL+)の早期スクリーニングは,生存率を改善する鍵である。最近,人工知能(AI)ツールは,コルポスコピー画像(すなわち,セルビコグラム)に基づく生検領域を自動的に検出する深層学習法により開発されている。しかしながら,ほとんどの既存のAIツールは,単一チャネル酢酸セルビコグラムからのみ学習し,これは,膨張した偽陽性検出の洞窟を持つことが知られている。酢酸とLugolのヨウ素セルビコグラムは臨床の医師によって考慮されるので,AIツールが望ましい精度を達成するために,両方のタイプのセルビコグラムを融合することが重要である。したがって,HLDnet(HSIL+検出ネットワーク)と呼ばれる新しい深層学習ベースのAIツールを開発し,HSIL+領域の検出の十分な精度を確保するために,両方のタイプのセルボグラムの情報を融合させた。HLDnetフレームワークは,後期融合を採用することによって二重チャネルターゲット検出アルゴリズムの検出結果を融合する。特に,HLDnetは,両タイプのコルポスコピー画像で検出される共通病変領域の割合を評価するために,インターセクション(IoU)決定アルゴリズムを使用し,HSIL+領域の偽陽性率を減らし,検出精度を改善する。HSIL+と追加の200の試験患者(100HSIL+と100LSIL-)を有する400の訓練と検証患者の実際の臨床セルログラムにHLDnetを適用することにより,テストデータによって精度0.86(感度0.82と特異性0.90)を得て,酢酸セルビコグラムまたはLugolヨウ素だけを使用する単一チャネル検出によって,それぞれの精度0.61または0.53を凌駕した。全体として,著者らのAIツールHLDnetは,自動プレサービックス-がんスクリーニングの精度を改善することが期待されるので,特に開発途上国において,世界中の人々に対するプレサービックス-がんスクリーニングのアベイラビリティの増加を助けることができる。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： アルゴリズム ,  ネットワーク ,  死 ,  洞窟 ,  アベイラビリティ ,  *人工知能 ,  発展途上国 ,  生存率 ,  不妊症 ,  生検 ,  *スクリーニング ,  子宮頚部腫瘍 ,  コルポスコピー ,  脂肪酸 ,  薬物
準シソーラス用語： *深層学習 , 【Automatic Indexing@JST】

著者キーワード (7件)： 深層学習 ,  高速RCNN ,  マルチモーダル融合 ,  HLDnet ,  セルビコグラム ,  子宮頸癌 ,  病変領域検出

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

物質索引 (1件)： 酢酸

タイトルに関連する用語 (8件)： 深層学習 ,  人工知能 ,  ツール ,  前癌 ,  スクリーニング ,  酢酸 ,  ヨウ素 ,  融合