文献

J-GLOBAL ID：202202225973564176   整理番号：22A0652043

肺癌画像診断における深層学習の応用【JST・京大機械翻訳】

Application of Deep Learning in Lung Cancer Imaging Diagnosis

著者 (5件)： Jiang Wenfa (Thoracic Surgery Department, GanZhou People’s Hospital, Ganzhou 341000, China) ,  Zeng Ganhua (Thoracic Surgery Department, GanZhou People’s Hospital, Ganzhou 341000, China) ,  Wang Shuo (Ward 1, Ganzhou Cancer Hospital, Ganzhou, Jiangxi 341500, China) ,  Wu Xiaofeng (The Three Departments of Medicine, Dayu County Peoples Hospital, Ganzhou, Jiangxi 341500, China) ,  Xu Chenyang (Thoracic Surgery Department, GanZhou People’s Hospital, Ganzhou 341000, China)
資料名： Journal of Healthcare Engineering (Web)  (Journal of Healthcare Engineering (Web))
巻： 2022  ページ： Null  発行年： 2022年 
JST資料番号： U7772A  ISSN： 2040-2295  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： 肺癌は,最も高い致死率を有し,著者らの生活に最も近い悪性腫瘍の1つである。それは人間の健康に大きな脅威をもたらし,主に喫煙者において発生する。我が国では,工業化,環境汚染,人口高齢化の加速により,肺癌の癌負荷は日々増加している。肺癌の診断において,コンピュータ断層撮影(CT)画像は,かなり一般的な可視化ツールである。CT画像はX線の吸収に基づくすべての組織を可視化する。肺の疾患部分は,肺結節としてまとめられ,結節の形状は異なり,癌のリスクは結節の形状により変化する。コンピュータ支援診断(CAD)は,コンピュータ視覚モデルが解析に対して同じ品質のCT画像のあらゆる部分を迅速に走査でき,疲労と感情によって影響されないので,この問題を解決するための非常に適切な方法である。深層学習における最新の進歩は,医師が様々な疾患を診断することを助けるコンピュータビジョンモデルを可能にし,いくつかの場合において,モデルは医師より大きな競争力を示した。技術開発の機会に基づいて,病気の医用画像診断におけるコンピュータビジョンの応用は,重要な研究意義と価値を有する。本論文では,肺癌のCT画像に関する深層学習ベースモデルを用い,肺疾患のタイムリーで正確な予測におけるその有効性を検証した。提案モデルには3つの部分がある。(i)肺結節の検出,(ii)検出された結節のFalse陽性減少,および(iii)良性および悪性肺結節の分類。さらに,異なるネットワーク構造と損失関数を設計し,異なる段階で実現した。さらに,提案した深層学習ベースモードを微調整し,検出肺ノード検出における精度を改善するために,U-NetとRPNを結合した検出ネットワーク構造であるNoudule-Netを提案した。実験観測は,提案した方式が,オンライン疾患の予測精度と精度比率を例外的に改善することを立証した。Copyright 2022 Wenfa Jiang et al. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 計算機診断 ,  致死率 ,  *肺 ,  可視化 ,  ネットワーク構造 ,  医師 ,  医用画像 ,  コンピュータビジョン ,  断層画像 ,  *肺腫瘍 ,  計算機トモグラフィー ,  *機械学習
準シソーラス用語： 悪性腫瘍 ,  CT画像 ,  予測精度 ,  肺結節 ,  *深層学習 , 【Automatic Indexing@JST】

分類 (1件)： 腫ようの診断  (GE03020J)

引用文献 (25件)：

• H. Mller, P. Clough, T. Deselaers et al., ImageCLEF: Experimental Evaluation in Visual Information Retrieval, Springer Publishing Company, Incorporated, 2010.
• P. F. Zhao, Research on Detection and Classification of Small Pulmonary Nodules Based on Convolution Neural Network, Taiyuan University of Technology, Taiyuan, China, 2018.
• E. Choi, M. T. Bahadori, A. Schuetz, W. F. Stewart, J. Sun, "Doctor AI: predicting clinical events via recurrent neural networks," Proceedings of Machine Learning for Healthcare, vol. 56, pp. 301-318, 2016.
• Z. C. Lipton, D. C. Kale, C. Elkan, R. Wetzel, "Learning to diagnose with LSTM recurrent neural networks," Proceedings of the International Conference on Learning Representations (ICLR) 2016, San Juan, November 2016.
• K. Murphy, B. van Ginneken, A. M. R. Schilham, B. J. de Hoop, H. A. Gietema, M. Prokop, "A large-scale evaluation of automatic pulmonary nodule detection in chest CT using local image features and k-nearest-neighbour classification," Medical Image Analysis, vol. 13, no. 5, pp. 757-770, 2009.

タイトルに関連する用語 (4件)： 肺癌 ,  画像診断 ,  深層学習 ,  応用