文献

J-GLOBAL ID：202202229714389100   整理番号：22A1170245

深層ニューラルネットワークによるX線に基づく肺線維症の予測【JST・京大機械翻訳】

Prediction of Pulmonary Fibrosis Based on X-Rays by Deep Neural Network

著者 (5件)： Li Da (Dalian University of Technology, Dalian 116024, China) ,  Liu Zhuo (The First Affiliated Hospital of Dalian Medical University, Dalian 116011, China) ,  Luo Lin (The Second Affiliated Hospital of Dalian Medical University, Dalian 116000, China) ,  Tian Siyu (Dalian Medical University, Dalian 116044, China) ,  Zhao Jingyuan (The First Affiliated Hospital of Dalian Medical University, Dalian 116011, 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： 致死的肺疾患として,肺線維症は肺に不可逆的損傷を引き起こし,正常肺機能に影響し,最終的に死亡に至る。現在,この種の疾患の病因は完全には明らかではなく,根治的治癒はない。この疾患の治療の主目的は,肺線維症の悪化を遅くすることである。この種の疾患では,早期に発見できれば,できるだけ早く治療でき,患者の生命は延長される。臨床的に,肺線維症の診断は,関連する画像検査,肺生検,肺機能検査などに依存する。X線のような画像データは臨床医学における一般的な検査手段であり,また肺線維症の予測において重要な役割を果たす。X線を通して,放射線科医は,関連する診断を作るために,関連する肺病変を明らかに見ることができる。一般的な医用画像データに基づいて,本論文は,肺線維症の予測を完了するために関連モデルを設計した。本論文で設計したモデルは,主に2つの部分に分割される:最初に,本論文は,肺器官の分割を完了するためにニューラルネットワークを使用した。第2に,画像分類のニューラルネットワークを設計して,肺画像から疾患予測までのプロセスを完了した。これらの2つの部品の設計において,本論文は以前の研究方法に基づいて改良した。より高性能のニューラルネットワークの設計を通して,より最適化された結果を,肺線維症予測の実際の場面に適用することができる重要な指標に関して達成した。Copyright 2022 Da Li et al. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  *ニューラルネットワーク ,  *肺線維症 ,  生検 ,  不可逆性 ,  肺機能検査 ,  肺疾患 ,  呼吸器診断 ,  病因
準シソーラス用語： 画像分類 ,  肺機能 ,  肺生検 ,  検像 ,  *ディープニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 呼吸器の診断  (GI02000S)

引用文献 (15件)：

• M. K. Glassberg, "Overview of idiopathic pulmonary fibrosis evidence-based guidelines and recent developments in the treatment landscape," American Journal of Managed Care, vol. 25, pp. S195-S203, 2019.
• C. M. Liu, H. R. Cai, "Progress in treatment for idiopathic pulmonary fibrosis," Clinical Medication Journal, vol. 13, no. 3, pp. 1-4, 2015.
• X. Wang, Y. Peng, L. Lu, Z. Lu, M. Bagheri, R. M. Summers, "ChestX-ray8: hospital-scale chest X-ray database and benchmarks on weakly-supervised classification and localization of common thorax diseases," 2017, https://arxiv.org/abs/1705.02315.
• P. Rajpurkar, J. Irvin, K. Zhu, B. Yang, H. Mehta, T. Duan, D. Ding, A. Bagul, C. Langlotz, K. Shpanskaya, M P. Lungren, A. Y. Ng, "CheXNet: radiologist-level pneumonia detection on chest X-rays with deep learning," 2017, https://arxiv.org/abs/1711.05225.
• L. Zhao, T. Yang, J. Zhang, Z. Chen, Y. Yang, Z. Jane Wang, "Co-learning non-negative correlated and uncorrelated features for multi-view data," IEEE Transactions on Neural Networks and Learning Systems, vol. 32, pp. 1486-1496, 2021.

タイトルに関連する用語 (4件)： 深層ニューラルネットワーク ,  X線 ,  肺線維症 ,  予測