文献

J-GLOBAL ID：202202248022931455   整理番号：22A0956132

胃癌における腫瘍および結節ラジオミクスを用いたリンパ節転移予測のための多視点学習【JST・京大機械翻訳】

Multi-view learning for lymph node metastasis prediction using tumor and nodal radiomics in gastric cancer

著者 (11件)： Yang Jing (Peking University Aerospace School of Clinical Medicine, Aerospace Center Hospital, Beijing 100049, People’s Republic of China) ,  Yang Jing (Shenzhen Bay Laboratory, Shenzhen 518118, People’s Republic of China) ,  Yang Jing (Women’s Hospital, Zhejiang University School of Medicine, Hangzhou, Zhejiang, 310006, People’s Republic of China) ,  Wang Li (Department of Mathematics, University of Texas at Arlington, Arlington, TX 76019-0408, United States of America) ,  Wang Li (Department of Computer Science and Engineering, University of Texas at Arlington, Arlington, TX 76019-0408, United States of America) ,  Qin Jiale (Women’s Hospital, Zhejiang University School of Medicine, Hangzhou, Zhejiang, 310006, People’s Republic of China) ,  Du Jichen (Peking University Aerospace School of Clinical Medicine, Aerospace Center Hospital, Beijing 100049, People’s Republic of China) ,  Ding Mingchao (Peking University Aerospace School of Clinical Medicine, Aerospace Center Hospital, Beijing 100049, People’s Republic of China) ,  Niu Tianye (Peking University Aerospace School of Clinical Medicine, Aerospace Center Hospital, Beijing 100049, People’s Republic of China) ,  Niu Tianye (Shenzhen Bay Laboratory, Shenzhen 518118, People’s Republic of China) ,  Li Rencang (Department of Mathematics, University of Texas at Arlington, Arlington, TX 76019-0408, United States of America)
資料名： Physics in Medicine and Biology  (Physics in Medicine and Biology)
巻： 67  号： 5  ページ： 055007 (14pp)  発行年： 2022年 
JST資料番号： D0324A  ISSN： 0031-9155  CODEN： PHMBA7  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： 目的.本研究は,胃癌(GC)におけるLN状態の術前予測のために,原発腫瘍ラジノミクスとリンパ節(LN)ラジノミクスの組み合わせによる多視点学習法を開発して検証することを目的とした。【方法】GC患者からの合計170の造影剤増強腹部CT画像を,この遡及的研究に登録した。データ前処理の後,ピアソン相関分析と試験時間予算(FSBudget)に基づく教師つき特徴選択法を含む2段階特徴選択アプローチを,それぞれ腫瘍とLNラジノミクス特徴の冗長性を除去するために実行した。次に,ロジスティック回帰分類器が訓練された潜在共通空間に対する教師なしマルチビュー部分最小二乗(UMvPLS)により,2種類の識別的特徴を学習した。5回の反復ランダム保持実験を行った。【結果】20次元潜在共通空間において,受信者動作特性曲線(AUC),精度,再現率,およびF1スコアの下の面積は,それぞれ,訓練コホートに対して0.9531±0.0183,0.9260±0.0184,0.9136±0.0174,0.9468±0.0106および0.9362±0.0125であり,検証コホート(平均±標準偏差として報告された)に対して,それぞれ0.8984±0.0536,0.8671±0.0489,0.8500±0.0599,0.9118±0.0550および0.8882±0.0440であった。それは,単一視点法,著者らの以前の方法,および8つのベースライン法より良い識別能力を示した。次元が2に減少したとき,モデルは有効な予測性能を持つだけでなく,データ可視化にも便利である。結論.原発腫瘍とLNのラドミクス特徴を統合することによる著者らの提案方法は,GC患者におけるリンパ節転移の予測に有用である。それは,マルチビュー学習が,GCにおける予後と治療意思決定を導くための大きな可能性を有することを示した。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 意思決定 ,  標準偏差 ,  *腫瘍 ,  造影剤 ,  *リンパ節 ,  特徴選択 ,  モデル ,  治療法 ,  予後 ,  母集団 ,  *胃腫瘍 ,  部分最小二乗法 ,  *リンパ節転移
準シソーラス用語： 後向き研究 ,  ロジスティック回帰分析 , 【Automatic Indexing@JST】

分類 (1件)： 消化器の腫よう  (GH04000D)

タイトルに関連する用語 (7件)： 胃癌 ,  腫瘍 ,  結節 ,  ラジオミクス ,  リンパ節転移 ,  予測 ,  多視点学習