文献

J-GLOBAL ID：202202236664633530   整理番号：22A1036706

乳房腫瘍の組織学的グレード予測のための半自動セグメンテーションアルゴリズムに基づくMRI画像【JST・京大機械翻訳】

MRI Images Based on Semiautomatic Segmentation Algorithm for Prediction of Histological Grade of Breast Tumor

著者 (5件)： Wang Jiyuan (General Surgery Block-9A, Suzhou Kowloon Hospital, Shanghai Jiaotong University School of Medicine, Suzhou 215028, China) ,  Zhou Yanling (Department of General Surgery, the Second Affiliated Hospital of Soochow University, Suzhou 215004, China) ,  Sun Shaokun (Department of General Surgery, the Second Affiliated Hospital of Soochow University, Suzhou 215004, China) ,  Xu Wenqian (Department of General Surgery, the Second Affiliated Hospital of Soochow University, Suzhou 215004, China) ,  Zou Hanqing (Department of General Surgery, the Second Affiliated Hospital of Soochow University, Suzhou 215004, China)
資料名： Scientific Programming  (Scientific Programming)
巻： 2022  ページ： Null  発行年： 2022年 
JST資料番号： W0689A  ISSN： 1058-9244  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： 本研究は,乳房腫瘍の組織学的悪性度の予測において,半自動円依存性(SCD)ベースの多相レベルセット(MLS)(SCD-MLS)アルゴリズムに基づく遅延増強磁気共鳴イメージング(MRI)(DE-MRI)画像特徴の影響を調査することを目的とした。乳房腫瘍(BTs)の組織学的悪性度の予測に対するDE-MRIの臨床効果を検討した。本研究では,Soocow大学の第2付属病院からの264の乳房腫瘍(BT)患者を研究対象として選択し,DE-MRI検査を行った。SCD-MLSアルゴリズムを分割効果のためにLive-Wireアルゴリズムと比較し,BTの組織学的悪性度の予測のためにDE-MRI画像に適用した。結果は,この研究におけるSCD-MLSアルゴリズムが,良い安定性でより正確なセグメンテーション効果を示したことを証明した。BT組織は,T1WIでパッチ状低信号を示し,T2WIで高信号を示した。グレードIIの患者数は最も高かった(P<0.05)。グレードIIとグレードIIIの病変直径は,それぞれ1.5~2.5cmと2.5~3.5cmに集中した(P<0.05)。グレードIの患者の分数異方性(FA)は,最大であった(P<0.05)。グレードIIIの患者の見かけの拡散係数(ADC)は最も高かった(P<0.05)。要するに,DE-MRIはBT診断において良好な性能を示し,BT組織の等級づけは病変サイズ,病変数,ADCおよびFAと関連していた。Copyright 2022 Jiyuan Wang et al. 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 ,  異方性 ,  *セグメンテーション ,  *画像処理 ,  *画像 ,  画像特性 ,  等級づけ ,  *NMRイメージング ,  多相 ,  *乳房腫瘍 ,  腫瘍進行度
準シソーラス用語： 組織学的悪性度 ,  見掛の拡散係数 ,  *自動セグメンテーション , 【Automatic Indexing@JST】

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

引用文献 (21件)：

• A. Menta, T. M. Fouad, A. Lucci, H. Le-Petross, M. C. Stauder, W. A. Woodward, N. T. Ueno, B. Lim, "Inflammatory breast cancer: what to know about this unique, aggressive breast cancer," Surgical Clinics of North America, vol. 98, no. 4, pp. 787-800, 2018.
• X. Li, J. Yang, L. Peng, A. A. Sahin, L. Huo, K. C. Ward, R. O’Regan, M. A. Torres, J. L. Meisel, "Triple-negative breast cancer has worse overall survival and cause-specific survival than non-triple-negative breast cancer," Breast Cancer Research and Treatment, vol. 161, no. 2, pp. 279-287, 2017.
• M. Thomas, E. D. Kelly, J. Abraham, M. Kruse, "Invasive lobular breast cancer: a review of pathogenesis, diagnosis, management, and future directions of early stage disease," Seminars in Oncology, vol. 46, no. 2, pp. 121-132, 2019.
• S. Blissett, M. Chetrit, B. Kovacina, V. Mardigyan, J. Afilalo, "Performing cardiac magnetic resonance imaging in patients with cardiac implantable electronic devices: a contemporary review," Canadian Journal of Cardiology, vol. 34, no. 12, pp. 1682-1686, 2018.
• M. A. Marino, C. C. Riedl, M. Bernathova, C. Bernhart, P. A.T Baltzer, T. H. Helbich, K. Pinker, "Imaging phenotypes in women at high risk for breast cancer on mammography, ultrasound, and magnetic resonance imaging using the fifth edition of the breast imaging reporting and data system," European Journal of Radiology, vol. 106, pp. 150-159, 2018.

タイトルに関連する用語 (7件)： 乳房腫瘍 ,  組織学 ,  グレード ,  予測 ,  自動セグメンテーション ,  アルゴリズム ,  MRI画像