プレーンCT画像に基づく深部残存ネットワークモデルを用いた肝線維症の非侵襲的精密病期分類【JST・京大機械翻訳】

Li Qiuju; Kang Han; Zhang Rongguo; Guo Qiyong

文献

J-GLOBAL ID：202202249718631229 整理番号：22A1056057

プレーンCT画像に基づく深部残存ネットワークモデルを用いた肝線維症の非侵襲的精密病期分類【JST・京大機械翻訳】

Non-invasive precise staging of liver fibrosis using deep residual network model based on plain CT images

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=22A1056057&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=22A1056057&from=J-GLOBAL&jstjournalNo=W4459A") }}

著者 (4件)： , , ,
資料名：
巻： 17 号： 4 ページ： 627-637 発行年： 2022年
JST資料番号： W4459A ISSN： 1861-6410 資料種別：逐次刊行物 (A)
記事区分：原著論文発行国：ドイツ (DEU) 言語：英語 (EN)

目的:本研究の目的は,単純CT画像に基づく5クラス深部残留ネットワークモデルの適用と肝線維症の正確な病期分類のための臨床的特徴を調査することであった。方法:この後向き臨床研究は,肝臓CTを受けた347人の患者を含み,金標準として肝線維症の病理学的病期分類を行った。ステージ肝線維症に対する3つのResNetモデルを確立した。モデルの出力診断ラベルは,F0,F1,F2,F3およびF4段階に対応する0,1,2,3および4であった。融合マトリックスを用いて,肝線維症を正確に段階するモデル性能を評価した。肝硬変(F4),進行性線維症(≧F3)およびモデルの有意な線維症(F2)を診断するための性能を,受信者動作特性(ROC)分析により評価した。【結果】5クラスResNetモデル(単純CT画像に基づく)のカッパ係数,5クラスResNet臨床モデル(臨床的特徴に基づく),および正確な病期分類肝線維症のための5クラス混合ResNetモデル(単純CT画像および臨床的特徴に基づく)は,それぞれ0.566,0.306および0.63であった。3つのモデルのF0,F1,F2,およびF3の再現率と精度率は60%より低かった。5クラスResNetモデルのROCAUC値,5クラスResNet臨床モデル,および肝硬変,進行性線維症,および有意な線維症を診断するための5クラス混合ResNetモデルは,それぞれ0.95,0.88,および0.82,0.80,0.72,および0.70,0.95,0.90,および0.83であった。【結論】5クラスResNetモデルは,肝硬変,進行性肝線維症,および有意な肝線維症の診断において高値である。しかし,肝線維症の正確な病期分類のために,モデルはF4を除く他の肝線維症段階を正確に区別できない。臨床的特徴と組み合わせた単純CT画像は,肝線維症を診断する際のResNetモデルの性能を改善する可能性がある。Copyright CARS 2022 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)： , , ,

消化器の診断

, , , , , ,

前のページに戻る