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。
コンピュータ断層撮影(CT)による肺結節の早期検出は,肺癌患者のより長い生存とより良い生活の質のために重要である。コンピュータ支援検出/診断(CAD)は,この文脈において,第2または同時読者として貴重であることが証明されている。しかし,肺結節の正確な検出は,肺結節のサイズ,位置,および外観の変動性だけでなく,肺構造の複雑性のため,そのようなCADシステムや放射線科医にとっても,依然として困難な課題である。これはCADを伴う高い偽陽性率をもたらし,その臨床的有効性を損なう。最近のコンピュータビジョン技法によって動機づけられて,ここでは,一連の候補領域の中で肺結節を同定するための自己監督領域ベースの3D変圧器モデルを提示する。具体的には,3Dビジョン変圧器(ViT)を開発し,CT画像ボリュームを非重複キューブのシーケンスに分割し,埋込み層を持つ各キューブから埋込み特徴を抽出し,予測のために自己注意機構ですべての埋込み特徴を解析した。比較的小さなデータセットに関する変圧器モデルを効果的に訓練するために,領域ベースのコントラスト学習法を用いて,公開CT画像で3D変圧器を予訓練することによって性能を強化した。著者らの実験は,提案方法が一般的に使用される3D畳込みニューラルネットワークと比較して,肺結節スクリーニングの性能を著しく改良できることを示した。【JST・京大機械翻訳】