抄録/ポイント：
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
肺癌のコンピュータ断層撮影(CT)走査画像の再構成と診断におけるU-Netニューラルネットワークの応用価値を分析するために,肺癌のCT画像診断のための援助を提供するため,新しい深層学習ベースの腫瘍画像診断アルゴリズムU-Net-NT(U-Net-Newton法)を,U-Netニューラルネットワークフレームワークに基づいて構築し,遺伝的アルゴリズム-バック伝播(GA-BP),ランダムフォレスト(RF),半Naive Bayes(SNB),およびフィルタバック投影(FBP)と比較した。さらに,専門家によって与えられる情報を,D0群としてセットした。腫瘍消失率(TDR),最大標準取込値(SUVmax),および代謝腫瘍容積(MTV)をTrue Dで計算した。結果は,GA-BP群,RF群,SNB群,およびFBP群における原発性病変密度,SUVmax,およびMTVレベルに関する診断結果が,D0群のものより有意に低かった(P<0.05)ことを示した。U-Net-NT群における原発性病変密度,SUVmax,およびMTVレベルの診断結果は,D0群(P>0.05)と明白な差異を持たなかった。U-Net-NT群は,GA-BP群,RF群,SNB群,およびFBP群より有意に高いDice係数を有し,その差は統計的に有意だった(P<0.05)。U-Net-NT群の体積重複誤差(VOE)と実行時間は,GA-BP群,RF群,SNB群,およびFBP群のものより明らかに低く,差異は統計的に有意だった(P<0.05)。U-Net-NT群における原発性病変リンパ節転移,胸膜転移,および骨転移の診断のための精度,感度,および特異性は,GA-BP群,RF群,およびSNB群,FBP群(P>0.05)におけるそれらと有意差がなかった,そして,原発性病変脳転移および肝転移の診断のための精度,感受性,および特異性は,GA-BP群,RF群,SNB群,およびFBP群におけるそれらより有意に高かった(P<0.05)。要するに,本研究で構築した新しい深層学習ベースのU-Net-NTアルゴリズムは,一次病変レベルと転移の診断のための精度,感度,および特異性においてより優れていて,再建された画像のより良い品質を持っている。Copyright The Author(s), under exclusive licence to Springer Science+Business Media, LLC, part of Springer Nature 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】
