文献

J-GLOBAL ID：202202245362361430   整理番号：22A1030183

新しい特性の調査:胸部CTに基づくオリジナルCOVID-19とそのデルタ変異体を比較するための深層学習と3D再構成の利用【JST・京大機械翻訳】

Exploring New Characteristics: Using Deep Learning and 3D Reconstruction to Compare the Original COVID-19 and Its Delta Variant Based on Chest CT

著者 (15件)： Bai Na (1College of Information and Computer Engineering, Northeast Forestry University, Harbin, China) ,  Lin Ruikai (1College of Information and Computer Engineering, Northeast Forestry University, Harbin, China) ,  Wang Zhiwei (2China United Network Communications Corporation Heilongjiang Branch, Harbin, China) ,  Cai Shengyan (3Hongqi Hospital Affiliated to Mudanjiang Medical University, Mudanjiang, China) ,  Huang Jianliang (4Zhangjiajie Hospital Affiliated to Hunan Normal University, Zhangjiajie, China) ,  Su Zhongrui (4Zhangjiajie Hospital Affiliated to Hunan Normal University, Zhangjiajie, China) ,  Yao Yuanzhen (4Zhangjiajie Hospital Affiliated to Hunan Normal University, Zhangjiajie, China) ,  Wen Fang (5Medical College of Jishou University, Jishou, China) ,  Li Han (1College of Information and Computer Engineering, Northeast Forestry University, Harbin, China) ,  Huang Yuxin (6Heilongjiang Tuomeng Technology Co. Ltd., Harbin, China) ,  Zhao Yi (6Heilongjiang Tuomeng Technology Co. Ltd., Harbin, China) ,  Xia Tao (1College of Information and Computer Engineering, Northeast Forestry University, Harbin, China) ,  Lei Mingsheng (4Zhangjiajie Hospital Affiliated to Hunan Normal University, Zhangjiajie, China) ,  Yang Weizhen (3Hongqi Hospital Affiliated to Mudanjiang Medical University, Mudanjiang, China) ,  Qiu Zhaowen (1College of Information and Computer Engineering, Northeast Forestry University, Harbin, China)
資料名： Frontiers in Molecular Biosciences (Web)  (Frontiers in Molecular Biosciences (Web))
巻： 9  ページ： 836862  発行年： 2022年 
JST資料番号： U7081A  ISSN： 2296-889X  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： 目的:コンピュータ支援診断法を用いて,元のCOVID-19とそのデルタ変動の特性を比較した。方法:これは後向き研究であった。深部学習セグメンテーションモデルを,CTにおける肺と感染を分割するために適用した。3次元(3D)再構成を用いて患者の肺と感染の3Dモデルを作成した。立体分割法を提案して,3D肺を5葉と18セグメントに分割することができた。専門家ベースのCTスコアリングシステムを改善し,人工知能を用いて視覚スコアの代わりに自動的にスコア化した。非線形回帰と定量分析を用いて,感染率(POI)の動的変化を分析した。結果:全患者の5肺葉におけるPOIを計算し,CTスコアに変換した。初期症状の発症以来,元のCOVID-19患者およびDelta Variant患者のCTスコアは,それぞれ時間にわたって適合した。ピークは,元のCOVID-19患者において11日目に,そして,Delta Variant患者において15日目に起こることがわかった。Delta Variant患者のCTにおける肺変化の経時変化を,早期段階(0-3日),進行性およびピーク段階(4~16日)および吸収段階(17-42日)として再決定した。当初のCOVID-19患者における最初のRT-PCR陰性時間は,Delta Variant患者よりも早く現れた(22[17~30]対39[31~44],p<0.001)。Delta Variant患者は,最初の陰性RT-PCR時間(30.5%対17.1%)の後,元のCOVID-19患者より,より再検出可能な陽性RT-PCR検査結果を有した。初期段階では,右下葉のCTスコアは有意に異なった(Delta Variant vs. Original COVID-19,0.8±0.6対1.3±0.6,p=0.039)。吸収段階において,右中葉のCTスコアは有意に異なった(Delta Variant vs. Original COVID-19,0.6±0.7対0.3±0.4,p=0.012)。左および右下葉は,任意の時間において肺関与に最も寄与した。【結論】元のCOVID-19と比較して,Delta Variantは,より長い肺変化期間,より多くの再検出陽性RT-PCR検査結果,肺炎の異なる位置,および早期のより多くの病変があり,そして,感染のピークは後に起こった。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： 視覚 ,  *学習 ,  セグメンテーション ,  計算機診断 ,  定量分析 ,  肺炎 ,  人工知能 ,  患者 ,  三次元 ,  *X線CT ,  *機械学習 ,  RT-PCR法 ,  三次元モデル
準シソーラス用語： 線形回帰 ,  *胸部CT ,  *3D画像再構成 ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (7件)： オリジナルCOVID-19 ,  デルタ変異体 ,  胸部CT ,  深層学習 ,  三次元再構成 ,  立体セグメンテーション ,  定量分析

分類 (1件)： 医用画像処理  (JE04020T)

引用文献 (23件)：

• AiT., YangZ., HouH., ZhanC., ChenC., LvW., et al (2020). Correlation of Chest CT and RT-PCR Testing for Coronavirus Disease 2019 (COVID-19) in China: A Report of 1014 Cases. Radiology 296, E32-E40. doi: 10.1148/radiol.2020200642
• BaiY., TaoX. (2021). Comparison of COVID-19 and Influenza Characteristics. J. Zhejiang Univ. Sci. B 22, 87-98. doi: 10.1631/jzus.B2000479
• BrehmT. T., van der MeirschenM., HennigsA., RoedlK., JarczakD., WichmannD., et al (2021). Comparison of Clinical Characteristics and Disease Outcome of COVID-19 and Seasonal Influenza. Sci. Rep. 11, 5803. doi: 10.1038/s41598-021-85081-0
• ChoudharyJ., DheemanS., SharmaV., KatiyarP., KarnS. K., SarangiM. K., et al (2021). Insights of Severe Acute Respiratory Syndrome Coronavirus (SARS-CoV-2) Pandemic: a Current Review. Biol. Proced. Online 23, 5. doi: 10.1186/s12575-020-00141-5
• DouQ., SoT. Y., JiangM., LiuQ., VardhanabhutiV., KaissisG., et al (2021). Federated Deep Learning for Detecting COVID-19 Lung Abnormalities in CT: a Privacy-Preserving Multinational Validation Study. Npj Digit. Med. 4, 60. doi: 10.1038/s41746-021-00431-6

タイトルに関連する用語 (7件)： 調査 ,  胸部CT ,  COVID-19 ,  デルタ ,  変異体 ,  深層学習 ,  3D再構成