文献

J-GLOBAL ID：202202228778902426   整理番号：22A0791555

深層学習予測因子におけるクロスサイト一般化を改善するための深層生成医用画像用語【JST・京大機械翻訳】

Deep Generative Medical Image Harmonization for Improving Cross-Site Generalization in Deep Learning Predictors

著者 (38件)： Bashyam Vishnu M. (Artificial Intelligence in Biomedical Imaging Lab, University of Pennsylvania, Philadelphia, Pennsylvania, USA) ,  Doshi Jimit (Artificial Intelligence in Biomedical Imaging Lab, University of Pennsylvania, Philadelphia, Pennsylvania, USA) ,  Erus Guray (Artificial Intelligence in Biomedical Imaging Lab, University of Pennsylvania, Philadelphia, Pennsylvania, USA) ,  Srinivasan Dhivya (Artificial Intelligence in Biomedical Imaging Lab, University of Pennsylvania, Philadelphia, Pennsylvania, USA) ,  Abdulkadir Ahmed (Artificial Intelligence in Biomedical Imaging Lab, University of Pennsylvania, Philadelphia, Pennsylvania, USA) ,  Singh Ashish (Artificial Intelligence in Biomedical Imaging Lab, University of Pennsylvania, Philadelphia, Pennsylvania, USA) ,  Habes Mohamad (Biggs Alzheimer’s Institute, University of Texas San Antonio Health Science Center, San Antonio, Texas, USA) ,  Fan Yong (Artificial Intelligence in Biomedical Imaging Lab, University of Pennsylvania, Philadelphia, Pennsylvania, USA) ,  Masters Colin L. (Florey Institute of Neuroscience and Mental Health, University of Melbourne, Melbourne, Victoria, Australia) ,  Maruff Paul (Florey Institute of Neuroscience and Mental Health, University of Melbourne, Melbourne, Victoria, Australia) ,  Zhuo Chuanjun (Tianjin Mental Health Center, Nankai University Affiliated Tianjin Anding Hospital, Tianjin, China) ,  Zhuo Chuanjun (Department of Psychiatry, Tianjin Medical University, Tianjin, China) ,  Volzke Henry (Institute for Community Medicine, University Medicine Greifswald, Greifswald, Germany) ,  Volzke Henry (German Centre for Cardiovascular Research, Partner Site Greifswald, Greifswald, Germany) ,  Johnson Sterling C. (Wisconsin Alzheimer’s Institute, University of Wisconsin School of Medicine and Public Health, Madison, Wisconsin, USA) ,  Fripp Jurgen (CSIRO Health and Biosecurity, Australian e-Health Research Centre CSIRO, Brisbane, Queensland, Australia) ,  Koutsouleris Nikolaos (Department of Psychiatry and Psychotherapy, Ludwig Maximilian University of Munich, Munich, Germany) ,  Satterthwaite Theodore D. (Artificial Intelligence in Biomedical Imaging Lab, University of Pennsylvania, Philadelphia, Pennsylvania, USA) ,  Satterthwaite Theodore D. (Department of Psychiatry, University of Pennsylvania, Philadelphia, Pennsylvania, USA) ,  Wolf Daniel H. (Department of Psychiatry, University of Pennsylvania, Philadelphia, Pennsylvania, USA) ,  Gur Raquel E. (Department of Psychiatry, University of Pennsylvania, Philadelphia, Pennsylvania, USA) ,  Gur Raquel E. (Department of Radiology, University of Pennsylvania, Philadelphia, Pennsylvania, USA) ,  Gur Ruben C. (Department of Psychiatry, University of Pennsylvania, Philadelphia, Pennsylvania, USA) ,  Gur Ruben C. (Department of Radiology, University of Pennsylvania, Philadelphia, Pennsylvania, USA) ,  Morris John C. (Department of Neurology, Washington University in St. Louis, St. Louis, Missouri, USA) ,  Albert Marilyn S. (Department of Neurology, Johns Hopkins University School of Medicine, Baltimore, Maryland, USA) ,  Grabe Hans J. (Department of Psychiatry and Psychotherapy, University Medicine Greifswald, Greifswald, Germany) ,  Grabe Hans J. (German Center for Neurodegenerative Diseases (DZNE), Site Rostock/Greifswald, Greifswald, Germany) ,  Resnick Susan M. (Laboratory of Behavioral Neuroscience, National Institute on Aging, Baltimore, Maryland, USA) ,  Bryan Nick R. (Department of Diagnostic Medicine, University of Texas at Austin, Austin, Texas, USA) ,  Wittfeld Katharina (Department of Psychiatry and Psychotherapy, University Medicine Greifswald, Greifswald, Germany) ,  Wittfeld Katharina (German Center for Neurodegenerative Diseases (DZNE), Site Rostock/Greifswald, Greifswald, Germany) ,  Buelow Robin (Institute of Diagnostic Radiology and Neuroradiology, University Medicine Greifswald, Greifswald, Germany) ,  Wolk David A. (Department of Neurology, University of Pennsylvania, Philadelphia, Pennsylvania, USA) ,  Shou Haochang (Department of Biostatistics, Epidemiology and Informatics, University of Pennsylvania, Philadelphia, Pennsylvania, USA) ,  Nasrallah Ilya M. (Department of Radiology, University of Pennsylvania, Philadelphia, Pennsylvania, USA) ,  Davatzikos Christos (Artificial Intelligence in Biomedical Imaging Lab, University of Pennsylvania, Philadelphia, Pennsylvania, USA) ,  The iSTAGING and PHENOM consortia
資料名： Journal of Magnetic Resonance Imaging  (Journal of Magnetic Resonance Imaging)
巻： 55  号： 3  ページ： 908-916  発行年： 2022年 
JST資料番号： W2648A  ISSN： 1053-1807  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 背景:医用イメージングドメインにおいて,深い学習ベースの方法は,異なるイメージングデバイスと取得プロトコルの限られた一般化性能のため,部分的に広範な臨床採用を見出さない。推定脳年齢と生物学的年齢の間の偏差は,脳健康の確立されたバイオマーカーであり,そのようなモデルは,増加した交差部位普遍性から恩恵を受ける可能性がある。PURPOSE:深層学習年齢予測のクロスサイト一般化可能性を改善するために,深層学習ベース画像調和法を開発して評価する。STUDY TYPE:後向き。POPULATION:6つのサイトからの8億876人の被験者。調和モデルをすべての被験者を用いて訓練した。年齢予測モデルを,単一サイトから2739人の被験者を用いて訓練し,残りの6137人の被験者を用いて,様々な他のサイトから試験した。FIELD STRENGTH/SEQUENCE:磁化による脳イメージングは,1.5Tと3Tで勾配エコーまたはスポーリング勾配エコーシーケンスで迅速な取得を準備する。ASSESSMENT:StarGAN v2を用いて,意味情報を保存しながらサイトベース変動を低減するため,多様なデータセットから参照領域までの正準マッピングを行った。深層学習年齢予測の一般化性能を調和型,ヒストグラム整合,および非調和型データを用いて評価した。STATISTICAL TESTS:平均絶対誤差(MAE)と推定年齢と生物学的年齢の間のピアソン相関は,年齢予測モデルの性能を定量化した。結果:著者らの結果は,サンプル外データにおける年齢予測の実質的な改善を示し,全MAEは15.81(±0.21)年から11.86(±0.11)まで改善し,ヒストグラムマッチングは,生成敵対ネットワーク(GAN)ベースの調和で7.21(±0.22)年であった。マルチサイトの場合,5つのサンプル外サイトにわたって,MAEは9.78(±6.69)年から7.74(±3.03)年へ改善し,ヒストグラム正規化はGANベース調和で5.32(4.07)年であった。DATA結論:更なる研究が必要であるが,GANベースの医用画像調和は,交差部位深層学習一般化を改善するための有望なツールであるように思われる。LEVEL OF EVIDENCE:4TECHNICAL EFFICACY:Stage 1;Copyright 2022 Wiley Publishing Japan K.K. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 磁化 ,  *学習 ,  ネットワーク ,  スポーリング ,  画像処理 ,  交差部 ,  *画像 ,  *医用画像 ,  正規化 ,  バイオマーカー ,  *機械学習 ,  予測モデル
準シソーラス用語： 被験者 ,  医用画像処理 ,  脳イメージング ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (3件)： StarGAN ,  深層学習 ,  調和

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 深層学習 ,  予測因子 ,  一般化 ,  深層 ,  医用画像 ,  用語