抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
癌ステージは,多くの癌タイプにおける患者予後および管理の大きな決定因子であり,CTおよびMRIのような医用イメージング様式を用いてしばしば評価される。これらの医用画像は,予後アルゴリズムをさらに改善するために,各ステージグループ内の患者を層別化するために探索できる豊富な情報を含む。癌死亡の大多数は転移性および多巣性疾患から生じるが,多発性腫瘍患者に対する建物イメージングバイオマーカーは,注釈付きデータセットおよび標準研究フレームワークの欠如のため,困難な作業である。本論文では,2つの公開データセットを処理し,多巣性転移性癌の転帰予測を研究するために合計341人の患者のベンチマークコホートを設定した。一般的な多重インスタンス分類ネットワークにおける表現性の欠如を同定し,結果予測に適した2つの注入多重インスタンスプール機能を提案した。結果は,注入プール機能による多重インスタンス学習が,非小細胞肺癌CTと頭頚部CT結果予測ベンチマークタスクにおいて最先端の性能を達成できることを示した。著者らは,処理多焦点データセット,著者らのコードおよび中間ファイル,すなわち,さらに透明で再現可能な研究をサポートするために抽出したラジオミック特徴を放出する。【JST・京大機械翻訳】