文献

J-GLOBAL ID：202202219729405155   整理番号：22A0841115

良性および悪性甲状腺病変における深層学習下のコントラスト強調超音波画像特徴の診断値【JST・京大機械翻訳】

Diagnostic Value of Contrast-Enhanced Ultrasound Image Features under Deep Learning in Benign and Malignant Thyroid Lesions

著者 (6件)： Xu Ping (Department of Ultrasound, Ningbo Yinzhou No. 2 Hospital, Ningbo 315192, Zhejiang, China) ,  Du Zusheng (Department of Ultrasound, Ningbo Yinzhou No. 2 Hospital, Ningbo 315192, Zhejiang, China) ,  Sun Long (Department of Ultrasound, Ningbo Yinzhou No. 2 Hospital, Ningbo 315192, Zhejiang, China) ,  Zhang Yan (Department of Ultrasound, Ningbo Yinzhou No. 2 Hospital, Ningbo 315192, Zhejiang, China) ,  Zhang Jingjing (Department of Ultrasound, Ningbo Yinzhou No. 2 Hospital, Ningbo 315192, Zhejiang, China) ,  Qiu Qin (Department of Ultrasound, Ningbo Yinzhou No. 2 Hospital, Ningbo 315192, Zhejiang, China)
資料名： Scientific Programming  (Scientific Programming)
巻： 2022  ページ： Null  発行年： 2022年 
JST資料番号： W0689A  ISSN： 1058-9244  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 本研究は,甲状腺造影超音波画像の評価における深層学習技術に基づく診断モデルの適用を分析し,良性および悪性甲状腺の評価に対する参照を提供することを目的とした。長期および短期記憶ニューラルネットワーク(LSTM),C-LSTMに基づく超音波画像の診断モデルを提案した。診断法を,サポートベクトルマシン(SVM)と手動特徴(MF)に基づくそれと比較し,甲状腺造影超音波画像の診断に適用した。結果は,C-LSTMモデルの感度,特異性,および精度が,SVMとMFのものより大いに高く,そして,差異がかなり([数式:原文を参照])であることを示した。C-LSTMモデルのパラメータ数と計算量は,SVMとMFベースの診断法([数式:原文を参照])のものより非常に低かった。C-LSTMモデルの感度,特異性,および精度は,C-LSTM-0モデルのものより大きく,一方,パラメータおよび計算の量は,C-LSTM-0モデル([数式:原文を参照])のものより非常に小さかった。造影超音波モードによる良性腫瘍の数は,初期段階で増強せず,低い増強は悪性腫瘍のそれらよりも多く,一方,高増強腫瘍の数は悪性腫瘍([数式:原文を参照])のそれより非常に少なかった。悪性腫瘤に対する上昇時間(RT)比,ピークまでの時間(TTP)比および平均通過時間(mTT)比の曲線下面積(AUC)は,それぞれ0.856,0.794および0.761であった。RT比,TTP比,およびmTT比は悪性腫瘤に対する高い診断感度と特異性であったが,RT,TTP,およびmTTは低診断感度と特異性であった。要約すると,深部学習C-LSTMモデルに基づく造影超音波画像は,良性および悪性甲状腺腫瘤の診断効果を効果的に改善することができる。画像特徴パラメータRT比,TTP比,およびmTT比は,良性および悪性甲状腺腫瘤を診断するのに良い効率であった。Copyright 2022 Ping Xu et al. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *学習 ,  特性 ,  ニューラルネットワーク ,  *甲状腺 ,  腫瘍 ,  計算量 ,  良性腫瘍 ,  *超音波画像 ,  性質 ,  血中濃度-時間曲線下面積 ,  *機械学習 ,  サポートベクトルマシン
準シソーラス用語： 悪性腫瘍 ,  腫瘤 ,  特異性 ,  *コントラスト強調 ,  *深層学習 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

引用文献 (27件)：

• J. Liang, X. Huang, H. Hu, Y. Liu, Q. Zhou, Q. Cao, W. Wang, B. Liu, Y. Zheng, X. Li, X. Xie, M. Lu, S. Peng, L. Liu, H. Xiao, "Predicting malignancy in thyroid nodules: radiomics score versus 2017 American college of radiology thyroid imaging, reporting and data system," Thyroid, vol. 28, no. 8, pp. 1024-1033, 2018.
• P. N. Goundan, J. Mamou, D. Rohrbach, J. Smith, H. Patel, K. D. Wallace, E. J. Feleppa, S. L. Lee, "A preliminary study of quantitative ultrasound for cancer-risk assessment of thyroid nodules," Frontiers in Endocrinology, vol. 12, 2021.
• D. Zaric, C. Christiansen, N. Pace, Y. Punjasawadwong, "Transient neurologic symptoms (TNS) following spinal anaesthesia with lidocaine versus other local anaesthetics," Cochrane Database of Systematic Reviews, vol. 12, no. 12, 2019.
• M. Stanak, S. Wolf, H. Jagoš, K. Zebenholzer, "The impact of external trigeminal nerve stimulator (e-TNS) on prevention and acute treatment of episodic and chronic migraine: a systematic review," Journal of the Neurological Sciences, vol. 412, 2020.
• D. K. Wells, M. M. van Buuren, K. K. Dang, V. M. Hubbard-Lucey, K. C. F. Sheehan, K. M. Campbell, A. Lamb, J. P. Ward, J. Sidney, A. B. Blazquez, A. J. Rech, J. M. Zaretsky, B. Comin-Anduix, A. H. C. Ng, W. Chour, T. V. Yu, H. Rizvi, J. M. Chen, P. Manning, G. M. Steiner, X. C. Doan, T. Merghoub, J. Guinney, A. Kolom, C. Selinsky, A. Ribas, M. D. Hellmann, N. Hacohen, A. Sette, J. R. Heath, N. Bhardwaj, F. Ramsdell, R. D. Schreiber, T. N. Schumacher, P. Kvistborg, N. A. Defranoux, A. A. Khan, A. Lugade, A. M. M. Lazic, A. A. E. Frentzen, A. D. Tadmor, A. S. Sasson, A. A. Rao, B. Pei, B. Schrörs, B. Berent-Maoz, B. M. Carreno, B. Song, B. Peters, B. Li, B. W. Higgs, B. J. Stevenson, C. Iseli, C. A. Miller, C. A. Morehouse, C. J. M. Melief, C. Puig-Saus, D. van Beek, D. Balli, D. Gfeller, D. Haussler, D. Jäger, E. Cortes, E. Esaulova, E. Sherafat, F. Arcila, G. Bartha, G. Liu, G. Coukos, G. Richard, H. Chang, H. Si, I. Zörnig, I. Xenarios, I. Mandoiu, I. Kooi, J. P. Conway, J. H. Kessler, J. A. Greenbaum, J. F. Perera, J. Harris, J. Hundal, J. M. Shelton, J. Wang, J. Wang, J. Greshock, J. Blake, J. Szustakowski, J. Kodysh, J. Forman, L. Wei, L. J. Lee, L. F. Fanchi, M. Slagter, M. Lang, M. Mueller, M. Lower, M. Vormehr, M. N. Artyomov, M. Kuziora, M. Princiotta, M. Bassani-Sternberg, M. Macabali, M. R. Kojicic, N. Yang, N. M. I. Raicevic, N. Guex, N. Robine, N. Halama, N. M. Skundric, O. S. Milicevic, P. Gellert, P. Jongeneel, P. Charoentong, P. K. Srivastava, P. Tanden, P. Shah, Q. Hu, R. Gupta, R. Chen, R. Petit, R. Ziman, R. Hilker, S. A. Shukla, S. Al Seesi, S. M. Boyle, S. Qiu, S. Sarkizova, S. Salama, S. Liu, S. Wu, S. Sridhar, S. L. C. Ketelaars, S. Jhunjhunwala, T. Shcheglova, T. Schuepbach, T. H. Creasy, V. Josipovic, V. B. Kovacevic, W. Fu, W.-J. Krebber, Y.-H. Hsu, Y. Sebastian, Z. K. Yalcin, Z. Huang, "Key parameters of tumor epitope immunogenicity revealed through a consortium approach improve neoantigen prediction," Cell, vol. 183, no. 3, pp. 818-834, 2020, e13.

タイトルに関連する用語 (7件)： 甲状腺 ,  病変 ,  深層学習 ,  コントラスト強調 ,  超音波 ,  画像特徴 ,  診断