文献

J-GLOBAL ID：202202211564783405   整理番号：22A0886841

PET/CTにおける頭頸部癌の転帰予測のための深層学習と従来の機械学習の比較【JST・京大機械翻訳】

Comparing Deep Learning and Conventional Machine Learning for Outcome Prediction of Head and Neck Cancer in PET/CT

著者 (6件)： Huynh Bao-Ngoc (Faculty of Science and Technology, Norwegian University of Life Sciences, Ås, Norway) ,  Ren Jintao (Department of Clinical Medicine, Aarhus University, Aarhus, Denmark) ,  Groendahl Aurora Rosvoll (Faculty of Science and Technology, Norwegian University of Life Sciences, Ås, Norway) ,  Tomic Oliver (Faculty of Science and Technology, Norwegian University of Life Sciences, Ås, Norway) ,  Korreman Stine Sofia (Department of Clinical Medicine, Aarhus University, Aarhus, Denmark) ,  Futsaether Cecilia Marie (Faculty of Science and Technology, Norwegian University of Life Sciences, Ås, Norway)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 13209  ページ： 318-326  発行年： 2022年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： ベースライン患者特性に基づく癌治療結果の予測は,生存と生活の質の増加の目的で,より個別化された治療に向けた挑戦的ではあるが必要なステップである。HEadおよびneCK TumORセグメンテーションチャレンジ(HECKTOR)2021は,FDG-PET/CT画像におけるGTVtの自動セグメンテーションおよび口腔咽頭頭および頚部癌患者に対する転帰予測の2つの主要な作業から成る。本研究は,患者転帰予測タスクのための臨床因子とラジノミクス特徴を用いて,PET/CT画像を利用して従来の機械学習法に対する深層学習回帰者を比較した。0.64の一致指数によって,臨床因子に関して訓練した従来の機械学習方式は,最も良い試験性能を持った。茶:Aarhus_OslosloslosCopyright Springer Nature Switzerland AG 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 予測 ,  因子 ,  指数 ,  基準線 ,  *頭頚部腫瘍 ,  クオリティオブライフ ,  *機械学習
準シソーラス用語： 中咽頭 ,  腫瘍サイズ ,  *PET/CT ,  癌患者 ,  癌治療 ,  FDG-PET/CT ,  自動セグメンテーション ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (6件)： 頭頚部癌 ,  機械学習 ,  深層学習 ,  総腫瘍容積 ,  ラジオミクス ,  転帰予測

分類 (2件)： 腫ようの診断  (GE03020J) ,  耳・鼻・咽頭・喉頭の腫よう  (GQ04000E)

タイトルに関連する用語 (7件)： PET ,  CT ,  頭頸部癌 ,  転帰 ,  予測 ,  深層学習 ,  機械学習