2D U-NETを用いた矢状,高分解能T1強調磁気共鳴画像における腰骨髄の完全自動化セグメンテーション【JST・京大機械翻訳】

Hwang Eo-Jin; Kim Sanghee; Jung Joon-Yong

文献

J-GLOBAL ID：202202242890401426 整理番号：22A0321811

2D U-NETを用いた矢状,高分解能T1強調磁気共鳴画像における腰骨髄の完全自動化セグメンテーション【JST・京大機械翻訳】

Fully automated segmentation of lumbar bone marrow in sagittal, high-resolution T1-weighted magnetic resonance images using 2D U-NET

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=22A0321811&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=22A0321811&from=J-GLOBAL&jstjournalNo=E0858A") }}

著者 (3件)： , ,
資料名：
巻： 140 ページ： Null 発行年： 2022年
JST資料番号： E0858A ISSN： 0010-4825 資料種別：逐次刊行物 (A)
記事区分：原著論文発行国：オランダ (NLD) 言語：英語 (EN)

高分解能T1強調磁気共鳴画像を用いて腰椎骨髄(BM)を描写するために二次元(2D)U-Netモデルを検討した。健康な対照(n=44,836画像)と血液疾患(n=56,1064画像)の患者は腰椎のMRIを受けた。各画像上のLumbar BMは,地上トラスとして経験豊かな放射線科医によって手動で描写された。2D U-Netモデルを,健康な腰椎BMのみ,疾患BMのみを用い,健康および疾患BM併用を用い訓練した。モデルは,健康および疾患被験者を用いて別々に検証された。健常被験者(UNET_HC)で訓練されたU-Net,疾患被験者で訓練されたU-Net(UNET_HD),健康および疾患被験者(UNET_HCHD)および3次元Grow-Cutアルゴリズム(3DGC)を含むすべての被験者で訓練されたU-Netの間の2つの検証コホートとのセグメンテーション精度を比較するために,分散の反復測定分析を実施した。”UNET_HD”,U-Net訓練は,健常被験者で訓練されたU-Net(UNET_HD),U-Net,および3次元Grow-Cutアルゴリズム(3DGC)。健常被験者で検証したとき,UNET_HC,UNET_HD,UNET_HCHDおよび3DGCは,それぞれ0.9415±0.07056,0.9583±0.05146,0.9602±0.0486および0.9139±0.2039のDice類似係数(DSC)の平均および標準偏差を達成した。罹患した被験者で検証された場合,UNET_HC,UNET_HD,UNET_HCHDおよび3DGCのDSCは,それぞれ0.8303±0.1073,0.9502±0.0217および0.8886±0.2179であった。U-Netモデルは半自動3DGC(P<0.0001)よりもBMを良好にセグメント化し,UNET_HDはUNET_HCより良好な結果をもたらした(P<0.0001)。U-Netを用いた高分解能T1強調MRIのための完全自動腰椎BMセグメンテーションモデルの構築に成功し,これはこれまでに報告された手法と既存の半自動アルゴリズムの大部分を凌駕した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

, , , , , , , , , , , , ,
, 【Automatic Indexing@JST】

著者キーワード (4件)： , , ,

運動器系の診断

, , , , , , ,

前のページに戻る