深層学習を用いた乳房密度推定の多再構成研究【JST・京大機械翻訳】

Gupta Vikash; Demirer Mutlu; Maxwell Robert W.; White Richard D.; Erdal Barbaros Selnur

プレプリント

J-GLOBAL ID：202202207686111219 整理番号：22P0290850

深層学習を用いた乳房密度推定の多再構成研究【JST・京大機械翻訳】

A multi-reconstruction study of breast density estimation using Deep Learning

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (5件)： , , , ,
資料名：
発行年： 2022年02月16日プレプリントサーバーでの情報更新日： 2022年10月10日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

乳房密度推定は,乳癌に罹患する個人の認識における重要課題の1つである。それは,マンモグラムの脂肪組織バックグラウンドにおける低いコントラストと変動のため,しばしば困難である。大部分の時間,乳房密度を手動で推定し,放射線科医が乳房画像と報告データシステム(BI-RADS)によって決定された4つの密度カテゴリーの1つを割り当てた。乳房密度分類パイプラインを自動化する方向に努力があった。乳房密度推定は,スクリーニング試験中に実行される重要課題の1つである。高密度乳房は乳癌により感受性が高い。マンモグラムの脂肪組織バックグラウンドにおける低いコントラストと変動のため,密度推定は挑戦的である。伝統的マンモグラムは,トモシンセシスおよび他の低線量変異体(例えば,Hology Intelligent 2DおよびC-View)によって置換されている。低用量要求のため,ますます多くのスクリーニングセンターは,インテリジェント2DビューとCビューに好都合である。乳房密度推定のための深層学習研究は,ニューラルネットワークを訓練するための単一モダリティのみを使用する。しかし,データセットにおける画像数を制限する。本論文では,すべてのモダリティで訓練されたニューラルネットワークが,任意の単一モダリティで訓練されたニューラルネットワークよりも良好に機能することを示した。受信機オペレータ特性曲線下の面積を用いてこれらの結果を論じた。【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , , 【Automatic Indexing@JST】

腫ようの診断 , 臨床腫よう学一般 , 医用画像処理

, , , ,

前のページに戻る