文献

J-GLOBAL ID：202202256905453489   整理番号：22A0396724

結合Bモードと超音波歪イメージングによる乳癌分類のためのバイモーダル転移学習【JST・京大機械翻訳】

Bi-Modal Transfer Learning for Classifying Breast Cancers via Combined B-Mode and Ultrasound Strain Imaging

著者 (9件)： Misra Sampa (Department of Electrical Engineering, Convergence IT Engineering, Mechanical Engineering, and Medical Device Innovation Center, Graduate School of Artificial Intelligence, Pohang University of Science and Technology, Pohang, Republic of Korea) ,  Jeon Seungwan (Department of Electrical Engineering, Convergence IT Engineering, Mechanical Engineering, and Medical Device Innovation Center, Graduate School of Artificial Intelligence, Pohang University of Science and Technology, Pohang, Republic of Korea) ,  Managuli Ravi (Department of Bioengineering, University of Washington, Seattle, WA, USA) ,  Lee Seiyon (Opticho Inc., Ltd., Pohang, Republic of Korea) ,  Kim Gyuwon (Department of Electrical Engineering, Convergence IT Engineering, Mechanical Engineering, and Medical Device Innovation Center, Graduate School of Artificial Intelligence, Pohang University of Science and Technology, Pohang, Republic of Korea) ,  Yoon Chiho (Department of Electrical Engineering, Convergence IT Engineering, Mechanical Engineering, and Medical Device Innovation Center, Graduate School of Artificial Intelligence, Pohang University of Science and Technology, Pohang, Republic of Korea) ,  Lee Seungchul (Department of Electrical Engineering, Convergence IT Engineering, Mechanical Engineering, and Medical Device Innovation Center, Graduate School of Artificial Intelligence, Pohang University of Science and Technology, Pohang, Republic of Korea) ,  Barr Richard G. (Southwoods Imaging, Youngstown, OH, USA) ,  Kim Chulhong (Department of Electrical Engineering, Convergence IT Engineering, Mechanical Engineering, and Medical Device Innovation Center, Graduate School of Artificial Intelligence, Pohang University of Science and Technology, Pohang, Republic of Korea)
資料名： IEEE Transactions on Ultrasonics, Ferroelectrics, and Frequency Control  (IEEE Transactions on Ultrasonics, Ferroelectrics, and Frequency Control)
巻： 69  号： 1  ページ： 222-232  発行年： 2022年 
JST資料番号： H0369A  ISSN： 0885-3010  CODEN： ITUCER  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 乳癌の正確な検出は依然として大きな課題を提起するが,深層学習(DL)はより正確な画像解釈をサポートできる。この研究では,良性および悪性乳房腫瘍を分類するため,Bモード超音波(Bモード)と歪エラストグラフィ超音波(SE)画像の組み合わせに基づく,非常に頑健なDLモデルを開発した。本研究は,良性病変を有する42例と悪性腫瘍を伴う43例を含む85例の患者を遡及的に含んで,生検によってすべて確認した。2つの深層ニューラルネットワークモデル,AlexNetとResNetを,良性と悪性病変を有する67人の患者から205Bモードと205SE画像(訓練の80%と検証の20%)で別々に訓練した。次に,これらの2つのモデルを,画像ワイズとレイヤーワイズの両方を用いてアンサンブルとして作業するために構成し,残りの18人の患者から56の画像のデータセットで試験した。アンサンブルモデルは,BモードとSE画像に存在する多様な特徴を捕捉し,また,AlexNetとResNetモデルから意味論的特徴を結合して,悪性腫瘍から良性を分類した。実験結果は,提案したアンサンブルモデルの精度が90%であり,それは個々のモデルおよびBモードまたはSE画像だけを用いて訓練されたモデルより良いことを示した。さらに,従来法によって誤分類されたいくつかの患者は,提案したアンサンブル法によって正しく分類された。提案したアンサンブルDLモデルは,超音波(US)画像における乳癌に対する分類精度の強化により,放射線科医が優れた検出効率を達成することを可能にするであろう。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *超音波 ,  意味論 ,  生検 ,  検出効率 ,  *乳房腫瘍 ,  画像認識
準シソーラス用語： 悪性腫瘍 ,  *Bモード法 ,  分類精度 ,  *転移学習 ,  深層学習 ,  ディープニューラルネットワーク , 【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 (6件)： Bモード ,  超音波 ,  歪イメージング ,  乳癌 ,  分類 ,  転移学習