文献

J-GLOBAL ID：202202232232705238   整理番号：22A1029189

フルオロデオキシグルコース陽電子放出断層撮影-コンピュータ断層撮影による自動三次元高分解能表現学習を用いた悪性および良性肺結節間の分化【JST・京大機械翻訳】

Differentiation Between Malignant and Benign Pulmonary Nodules by Using Automated Three-Dimensional High-Resolution Representation Learning With Fluorodeoxyglucose Positron Emission Tomography-Computed Tomography

著者 (12件)： Lai Yung-Chi (Department of Nuclear Medicine, PET Center, China Medical University Hospital, Taichung, Taiwan) ,  Wu Kuo-Chen (Graduate Institute of Biomedical Electronics and Bioinformatics, National Taiwan University, Taipei, Taiwan) ,  Wu Kuo-Chen (Center of Augmented Intelligence in Healthcare, China Medical University Hospital, Taichung, Taiwan) ,  Tseng Neng-Chuan (Division of Nuclear Medicine, Tungs’ Taichung MetroHarbor Hospital, Taichung, Taiwan) ,  Chen Yi-Jin (Center of Augmented Intelligence in Healthcare, China Medical University Hospital, Taichung, Taiwan) ,  Chang Chao-Jen (Center of Augmented Intelligence in Healthcare, China Medical University Hospital, Taichung, Taiwan) ,  Yen Kuo-Yang (Department of Nuclear Medicine, PET Center, China Medical University Hospital, Taichung, Taiwan) ,  Yen Kuo-Yang (Department of Biomedical Imaging and Radiological Science, School of Medicine, College of Medicine, China Medical University, Taichung, Taiwan) ,  Kao Chia-Hung (Department of Nuclear Medicine, PET Center, China Medical University Hospital, Taichung, Taiwan) ,  Kao Chia-Hung (Center of Augmented Intelligence in Healthcare, China Medical University Hospital, Taichung, Taiwan) ,  Kao Chia-Hung (Graduate Institute of Biomedical Sciences, College of Medicine, China Medical University, Taichung, Taiwan) ,  Kao Chia-Hung (Department of Bioinformatics and Medical Engineering, Asia University, Taichung, Taiwan)
資料名： Frontiers in Medicine (Web)  (Frontiers in Medicine (Web))
巻： 9  ページ： 773041  発行年： 2022年 
JST資料番号： U7079A  ISSN： 2296-858X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 背景:偶発的肺結節の研究は,現在,コンピュータ断層撮影(PET-CT)と組み合わせた18F-フルオロデオキシグルコース(FDG)陽電子放出断層撮影(PET)に対する主な適応の1つになっている。また,PET-CT画像の最適化と解釈のために,人工知能を使用する傾向がある。このため,FDG PET-CTで悪性と良性肺結節の間の自動分化を助ける新しい深層学習モデルを提案した。方法:手術の前にFDG PET-CTを受けた肺結節を有する112人の参加者を,遡及的に登録した。専門家による手動注釈のないFDG PET-CT画像に基づく肺結節の自動分類のための,新しい深層学習三次元(3D)高解像度表現学習(HRRL)モデルを設計した。より正確に局在化する画像のために,著者らは,エキスパートの助けなしで,従来のセグメンテーション方法の代わりに,新規人工知能駆動画像処理アルゴリズムを通して肺の領域を定義した。このアルゴリズムは,高分解能分類を実行するために用いられる深いHRRLに基づいている。さらに,2Dモデルを3Dモデルに変換した。結果:すべての肺病変は,病理学的研究(79の悪性と33の良性)を通して確認された。悪性および良性結節の分化におけるその診断性能を評価した。深層学習モデルの受信者動作特性曲線(AUC)下の面積を用いて,5回交差検証を用いた評価における分類性能を示した。モデルの根粒ベースの予測性能は,AUC,感度,特異性,および精度がそれぞれ78.1,89.9,54.5,および79.4%であった。結論:著者らの結果は,専門家からの手動注釈のないHRRLを用いた深層学習アルゴリズムが,臨床FDG PET-CT画像を通して発見された肺結節の分類を助けるかもしれないことを示唆する。Copyright 2022 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  自動分類 ,  セグメンテーション ,  *分化 ,  画像 ,  人工知能 ,  *三次元 ,  特性曲線 ,  *PET【トモグラフィー】 ,  学習アルゴリズム ,  アノテーション
準シソーラス用語： PET/CT ,  FDG-PET/CT ,  *肺結節 ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (7件)： 肺結節 ,  3D高分解能表現学習 ,  フルオロデオキシグルコース(FDG) ,  ポジトロン放出断層撮影(PET-CT) ,  運転特性曲線(AUC) ,  人工知能 ,  深層学習

分類 (3件)： 放射線を利用した診断  (GC04020K) ,  呼吸器の腫よう  (GI04000G) ,  腫ようの診断  (GE03020J)

引用文献 (48件)：

• Moyer VA U.S. Preventive Services Task Force. Screening for lung cancer: U.S. preventive services task torce recommendation statement. Ann Intern Med. (2014) 160:330-8.
• Rivera MP, Mehta AC, Wahidi MM. Establishing the diagnosis of lung cancer: diagnosis and management of lung cancer, 3rd ed: American college of chest physicians evidence-based clinical practice guidelines. Chest. (2013) 143:e142S-e165S. doi: 10.1378/chest.12-2353
• Detterbeck FC, Mazzone PJ, Naidich DP, Bach PB. Screening for lung cancer: diagnosis and management of lung cancer, 3rd ed: American college of chest physicians evidence-based clinical practice guidelines. Chest. (2013) 143:e78S-e92S. doi: 10.1378/chest.12-2350
• Wender R, Fontham ET, Barrera E Jr., Colditz GA, Church TR, Ettinger DS, et al American cancer society lung cancer screening guidelines. CA Cancer J Clin. (2013) 63:107-17. doi: 10.1378/chest.12-2350
• Roberts H, Walker-Dilks C, Sivjee K, Ung Y, Yasufuku K, Hey A, et al Screening high-risk populations for lung cancer: guideline recommendations. J Thorac Oncol. (2013) 8:1232-7. doi: 10.1097/JTO.0b013e31829fd3d5

タイトルに関連する用語 (7件)： フルオロデオキシグルコース ,  陽電子放出断層撮影 ,  コンピュータ断層撮影 ,  高分解能 ,  表現学習 ,  肺結節 ,  分化