文献

J-GLOBAL ID：202202251529559627   整理番号：22A0732668

コンピュータ断層撮影における静脈内コントラスト相を同定するための機械学習の利用【JST・京大機械翻訳】

Using Machine Learning to Identify Intravenous Contrast Phases on Computed Tomography

著者 (6件)： Muhamedrahimov Raouf (Zebra Medical Vision LTD, Shfayim, Israel) ,  Bar Amir (Zebra Medical Vision LTD, Shfayim, Israel) ,  Laserson Jonathan (Zebra Medical Vision LTD, Shfayim, Israel) ,  Akselrod-Ballin Ayelet (Zebra Medical Vision LTD, Shfayim, Israel) ,  Elnekave Eldad (Zebra Medical Vision LTD, Shfayim, Israel) ,  Elnekave Eldad (Department of Radiology, Rabin Medical Center, Petach Tikvah, Israel)
資料名： Computer Methods and Programs in Biomedicine  (Computer Methods and Programs in Biomedicine)
巻： 215  ページ： Null  発行年： 2022年 
JST資料番号： D0213C  ISSN： 0169-2607  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アイルランド (IRL)  言語： 英語 (EN)

抄録/ポイント： 本研究の目的は,胸部,AbdomenおよびPelvisのコンピュータ断層撮影(CT)スキャンにおける静脈内(IV)コントラストの存在および生理的相を自動的に同定するための機械学習(ML)技術の適用を実証することである。訓練,試験および検証データを,82,690の胸部および17の異なる施設で行なった腹部CT検査のデータセットから得た。DICOMメタデータにおける自由テキストを,半教師つき分類訓練のための弱いラベルとして利用した。コントラスト位相識別を,4つのコントラスト位相出力を有する12層CNNとResNet18を用いて,分類タスクとしてアプローチした。モデルは,一連の画像取得に対するIVコントラスト投与の時間から実際の秒を予測することを目的とした回帰タスクに適合するために再定式化された。最後に,移動学習を用いて,CT胸部のコントラスト存在を予測するモデルを最適化した。雑音の多い,自由なテキストDICOM情報から推論されたラベルに基づく訓練によって,コントラスト位相を93.3%の試験精度(95%CI:89.3%,96.6%)で予測した。回帰分析は,門脈静脈と遅延排泄相の間の初期対後期動脈相および腎形成相を描写した。胸部CTに適用した移動学習は,腹部CTで訓練されたモデルおよび微調整による0.999(95%CI:0.998,1.000)を用いて,0.776(95%CI:0.721,0.832)のAUROCを達成した。Abdomen-pelvisのCT検査におけるコントラストの存在と位相は,機械学習アルゴリズムによって正確に自動的に確認された。CT胸部に適用した転送学習は100のラベル付けされたサンプルと同様に高精度を達成した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *コントラスト ,  最適化 ,  雑音 ,  回帰分析 ,  *学習 ,  *静脈 ,  動脈 ,  位相 ,  定式化 ,  *計算機トモグラフィー ,  *機械学習 ,  学習アルゴリズム ,  メタデータ
準シソーラス用語： 腹部CT ,  胸部CT , 【Automatic Indexing@JST】

分類 (1件)： 医用画像処理  (JE04020T)

タイトルに関連する用語 (5件)： コンピュータ断層撮影 ,  静脈 ,  コントラスト ,  同定 ,  機械学習