文献

J-GLOBAL ID：202202222297084254   整理番号：22A0747094

PET/CTイメージングによる肺癌病変セグメンテーションのための少数ショットU-Net深層学習モデル【JST・京大機械翻訳】

A few-shot U-Net deep learning model for lung cancer lesion segmentation via PET/CT imaging

著者 (9件)： Protonotarios Nicholas E (Department of Applied Mathematics & Theoretical Physics, University of Cambridge, United Kingdom) ,  Katsamenis Iason (School of Rural & Surveying Engineering, National Technical University of Athens, Greece) ,  Sykiotis Stavros (School of Rural & Surveying Engineering, National Technical University of Athens, Greece) ,  Dikaios Nikolaos (Mathematics Research Center, Academy of Athens, Greece) ,  Kastis George A (Mathematics Research Center, Academy of Athens, Greece) ,  Chatziioannou Sofia N (PET/CT Department, Biomedical Research Foundation Academy of Athens, Greece) ,  Metaxas Marinos (PET/CT Department, Biomedical Research Foundation Academy of Athens, Greece) ,  Doulamis Nikolaos (School of Rural & Surveying Engineering, National Technical University of Athens, Greece) ,  Doulamis Anastasios (School of Rural & Surveying Engineering, National Technical University of Athens, Greece)
資料名： Biomedical Physics & Engineering Express  (Biomedical Physics & Engineering Express)
巻： 8  号： 2  ページ： 025019 (12pp)  発行年： 2022年 
JST資料番号： W5552A  ISSN： 2057-1976  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： 過去数年間,コンピュータ支援診断のための陽電子放出断層撮影/コンピュータ断層撮影(PET/CT)イメージングは,ますます注目を浴びている。特にCTスキャンの場合,解剖学的局在性を伴う異常の検出には,超視化深層学習アーキテクチャが通常使用される。しかし,教師つき学習パラダイムの主な限界は,(i)モデル訓練に必要な大量のデータ,および(ii)訓練完了時の固定ネットワーク重みの仮定を含み,モデルの性能は訓練後にさらに改善できないことを意味する。これらの限界を克服するために,少数ショット学習(FSL)方式を適用した。従来の深層学習実践に反して,FSLにおいて,モデルは訓練中のより少ないデータで提供される。次に,モデルは,訓練後にエンドユーザフィードバックを利用して,その性能を絶えず改善した。PET/CTスキャンでの肺癌病変セグメンテーションのためのU-NetアーキテクチャにおけるFSLを統合し,動的モデル重み微調整を可能にし,オンライン教師つき学習スキームをもたらした。ユーザのフィードバックによるモデル重みの一定オンライン再調整は,特に低検出性能が遭遇する場合に,検出と分類精度を増加させる。提案手法を,肺-PET-CT-DX TCIAデータベースで検証した。87人の患者からのPET/CTスキャンをデータセットに含め,静脈内18F-FDG注射の60分後に取得した。実験結果は,他の最先端の方法と比較して,著者らのアプローチの優位性を示した。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *学習 ,  *セグメンテーション ,  データベース ,  ネットワーク ,  計算機診断 ,  *画像処理 ,  ダイナミックモデル ,  教師つき学習 ,  *モデル ,  計算機アーキテクチャ ,  *肺腫瘍 ,  PET【トモグラフィー】 ,  *X線CT ,  *機械学習
準シソーラス用語： *PET/CT ,  オンライン ,  *深層学習 , 【Automatic Indexing@JST】

分類 (2件)： 放射線を利用した診断  (GC04020K) ,  腫ようの診断  (GE03020J)

タイトルに関連する用語 (10件)： PET ,  CT ,  イメージング ,  肺癌 ,  病変 ,  セグメンテーション ,  ショット ,  U-Net ,  深層学習 ,  モデル