文献

J-GLOBAL ID：202202257599300867   整理番号：22A0624232

前立腺癌における全身骨スキャンでの骨転移を検出するための深層学習モデルの診断性能【JST・京大機械翻訳】

Diagnostic performance of deep learning models for detecting bone metastasis on whole-body bone scan in prostate cancer

著者 (3件)： Han Sangwon (Department of Nuclear Medicine, Asan Medical Center, University of Ulsan College of Medicine, Seoul, Korea) ,  Oh Jungsu S. (Department of Nuclear Medicine, Asan Medical Center, University of Ulsan College of Medicine, Seoul, Korea) ,  Lee Jong Jin (Department of Nuclear Medicine, Asan Medical Center, University of Ulsan College of Medicine, Seoul, Korea)
資料名： European Journal of Nuclear Medicine and Molecular Imaging  (European Journal of Nuclear Medicine and Molecular Imaging)
巻： 49  号： 2  ページ： 585-595  発行年： 2022年 
JST資料番号： A1009A  ISSN： 1619-7070  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)

抄録/ポイント： 目的:前立腺癌患者の骨スキャンのための深層学習分類器の性能を評価した。方法:合計9113人の連続した骨スキャン(5342人の前立腺癌患者)を最初に評価した。骨スキャンは,臨床報告を用いた骨転移の陽性/陰性として標識し,グランドトルース診断のための画像レビューを行った。2つの異なる2D畳込みニューラルネットワーク(CNN)アーキテクチャを提案した。(1)全身ベース(WB)と(2)全体と局所パッチを統合するタンデムアーキテクチャ,ここでは”グローバル局所統一強調”(GLUE)と名付けた。両モデルは,豊富(72%:8%:20%の訓練:検証:試験セット)と限られた訓練データ(10%:40%:50%)を用いて訓練された。テストセットの割り当ては,すべての画像で回転し,従って,5倍と2倍の交差検証試験結果が,それぞれ豊富で限られた設定のために利用可能であった。結果:合計2991の陽性と6142の陰性骨スキャンを入力として使用した。豊富な訓練設定では,GLUEとWBモデルの両方の受信者動作特性曲線は,曲線下面積(GLUE:0.936-0.955,WB:0.933-0.957,P>0.05,4回試験の4つ)に関して,優れた診断能力を示した(GLUE:0.936-0.955,WB:0.933-0.957,P>0.05)。GLUEとWBモデルの総合精度は,それぞれ0.900と0.889であった。限られた訓練設定で,GLUEモデルはWBモデルよりも有意に高いAUCを示した(0.894~0.908対0.870~0.877,P<0.0001)。結論:2D-CNNモデルは前立腺癌患者の骨スキャンを正確に分類した。両者は豊富なデータセットで優れた性能を示したが,GLUEモデルは限られたデータ設定においてWBモデルよりも高い性能を示した。Copyright The Author(s), under exclusive licence to Springer-Verlag GmbH Germany, part of Springer Nature 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： ニューラルネットワーク ,  画像処理 ,  直列接続 ,  二次元 ,  患者 ,  *腫瘍転移 ,  計算機アーキテクチャ ,  *前立腺腫瘍 ,  コンピュータ ,  *骨シンチグラフィー ,  血中濃度-時間曲線下面積
準シソーラス用語： ROC曲線 ,  訓練データ ,  *骨転移 ,  *深層学習 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (7件)： 前立腺腫瘍 ,  骨スキャン ,  深層学習 ,  ニューラルネットワーク ,  コンピュータ ,  画像処理 ,  コンピュータ支援

分類 (2件)： 腫ようの診断  (GE03020J) ,  運動器系の腫よう  (GG04000A)

タイトルに関連する用語 (7件)： 前立腺癌 ,  全身 ,  骨スキャン ,  骨転移 ,  深層学習 ,  モデル ,  診断性能