文献

J-GLOBAL ID：202202234720521868   整理番号：22A1025819

BUSnet:超音波画像のための乳房腫瘍病変検出の深層学習モデル【JST・京大機械翻訳】

BUSnet: A Deep Learning Model of Breast Tumor Lesion Detection for Ultrasound Images

著者 (5件)： Li Yujie (Faculty of Electronic Information and Electrical Engineering, Dalian University of Technology, Dalian, China) ,  Gu Hong (Faculty of Electronic Information and Electrical Engineering, Dalian University of Technology, Dalian, China) ,  Wang Hongyu (Faculty of Electronic Information and Electrical Engineering, Dalian University of Technology, Dalian, China) ,  Qin Pan (Faculty of Electronic Information and Electrical Engineering, Dalian University of Technology, Dalian, China) ,  Wang Jia (Department of Surgery, The Second Hospital of Dalian Medical University, Dalian, China)
資料名： Frontiers in Oncology (Web)  (Frontiers in Oncology (Web))
巻： 12  ページ： 848271  発行年： 2022年 
JST資料番号： U7089A  ISSN： 2234-943X  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： 超音波(US)イメージングは,乳房疾患スクリーニングのための主要なモダリティである。US画像における病変の自動検出は,人工知能に基づく診断支援技術を開発するために必須である。しかし,スペックル雑音や音響陰影のような超音波イメージングの固有特性は,常に検出精度を縮退する。本研究では,高精度のUS画像における乳房腫瘍病変を検出するために,BUSnetと呼ばれる深層学習モデルを開発した。最初に教師なし領域提案と結合ボックス回帰アルゴリズムを含む2段階法を開発した。次に,検出精度をさらに強化するための後処理法を提案した。487の良性試料と210の悪性サンプルを含むベンチマークデータセットに,提案した方法を用いた。結果は,提案した方法の有効性と精度を証明した。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： アルゴリズム ,  検出 ,  雑音 ,  *超音波 ,  精度 ,  画像処理 ,  *画像 ,  人工知能 ,  *超音波画像 ,  ベンチマーク ,  スクリーニング ,  *乳房腫瘍 ,  乳房疾患
準シソーラス用語： モダリティ ,  スペックル雑音 ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： 胸部超音波 ,  病変検出 ,  深層学習 ,  教師なし前処理 ,  境界ボックス回帰

分類 (2件)： 腫ようの診断  (GE03020J) ,  医用画像処理  (JE04020T)

引用文献 (33件)：

• Lei S, Zheng R, Zhang S, Chen R, Wang S, Sun K, et al. Breast Cancer Incidence and Mortality in Women in China: Temporal Trends and Projections to 2030. Cancer Biol Med (2021) 18:900. doi: doi: 10.20892/j.issn.2095-3941.2020.0523
• Coleman C. Early Detection and Screening for Breast Cancer. Semin Oncol Nurs (Elsevier) (2017) 33:141-55. doi: doi: 10.1016/j.soncn.2017.02.009
• Xin Y, Zhang X, Yang Y, Chen Y, Wang Y, Zhou X, et al. A Multicenter, Hospital-Based and Non-Inferiority Study for Diagnostic Efficacy of Automated Whole Breast Ultrasound for Breast Cancer in China. Sci Rep (2021) 11:1-9. doi: doi: 10.1038/s41598-021-93350-1
• Komatsu M, Sakai A, Dozen A, Shozu K, Yasutomi S, Machino H, et al. Towards Clinical Application of Artificial Intelligence in Ultrasound Imaging. Biomedicines (2021) 9:720. doi: doi: 10.3390/biomedicines9070720
• Takahashi S, Takahashi M, Kinoshita M, Miyake M, Kawaguchi R, Shinojima N, et al. Fine-Tuning Approach for Segmentation of Gliomas in Brain Magnetic Resonance Images With a Machine Learning Method to Normalize Image Differences Among Facilities. Cancers (2021) 13:1415. doi: doi: 10.3390/cancers13061415

タイトルに関連する用語 (5件)： 音波画像 ,  乳房腫瘍 ,  病変 ,  深層学習 ,  モデル