文献

J-GLOBAL ID：202202259367413682   整理番号：22A0842780

カスケード完全畳込みニューラルネットワークを用いた肝臓癌スクリーニングと予測のためのAI駆動新規アプローチ【JST・京大機械翻訳】

AI-DRIVEN Novel Approach for Liver Cancer Screening and Prediction Using Cascaded Fully Convolutional Neural Network

著者 (5件)： Shukla Piyush Kumar (Computer Science & Engineering Department, University Institute of Technology, Rajiv Gandhi Proudyogiki Vishwavidyalaya, Bhopal 462033, India) ,  Zakariah Mohammed (College of Computer and Information Sciences, King Saud University, P.O. Box 51178, Riyadh 11543, Saudi Arabia) ,  Hatamleh Wesam Atef (Department of Computer Science, College of Computer and Information Sciences, King Saud University, P.O. Box 51178, Riyadh 11543, Saudi Arabia) ,  Tarazi Hussam (Department of Computer Science and Informatics, School of Engineering and Computer Science, Oakland University, Rochester Hills MI USA 318 Meadow Brook rd, Rochester, MI 48309, USA) ,  Tiwari Basant (Department of Information Technology, Hawassa University, Institute of Technology, Hawassa, Ethiopia)
資料名： Journal of Healthcare Engineering (Web)  (Journal of Healthcare Engineering (Web))
巻： 2022  ページ： Null  発行年： 2022年 
JST資料番号： U7772A  ISSN： 2040-2295  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 実験解析とコンピュータ支援設計維持方式において,自動化方法による細胞肝臓と肝臓病変のセグメンテーションは,実験解析とコンピュータ支援設計維持方式におけるバイオマーカー特性を研究するための重要なステップである。患者の患者,病変型の変化はサイズ,イメージング装置(設定非類似性アプローチのような),病変のタイミングに依存し,その全ては異なっている。実際的アプローチにより,病変パターンのセグメンテーションに基づく肝癌の段階を決定することは困難である。訓練精度率に基づいて,このアルゴリズムはいくつかのドメインで多くの障害に直面している。示唆された研究は,3Dアフィン不変量と形状パラメータ化アプローチ,ならびに本研究の結果を用いて,腹部画像の磁気共鳴画像における肝臓腫瘍と病変を自動的に検出するシステムを提案する。このポイントツーポイントパラメタリゼーションは,モデリングプロセスを通しての器官表面の標準モデルレベルを確立することにより凹面に関連する頻繁な問題を扱う。最初に,測地線活性輪郭解析法を用いて,残りの体から肝臓領域を分離した。この提案は以下の通りである。分割された腫瘍領域の入力を用いて,Cascad完全畳込みニューラルネットワーク(CFCN)を用いて実行される訓練操作中の誤り率を最小化することが可能である。肝臓セグメンテーションは訓練手順中の誤り率を低減するのに役立つ。訓練と試験写真から成るデータセットの段階解析を使用して,発見を得て,それらの妥当性を検証した。肝臓腫瘍分析に対するCascad完全畳込みニューラルネットワーク(CFCN)により達成された精度は94.21%であり,肝臓腫瘍分析に対する体積当たり90秒未満の計算時間であった。試行の結果は,訓練と試験手順の全精度率が,試験した3DIRCADデータセットの様々な体積で93.85%であることを示した。Copyright 2022 Piyush Kumar Shukla et al. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  CAD【計算機】 ,  自動化 ,  セグメンテーション ,  *肝臓 ,  *ニューラルネットワーク ,  腫瘍 ,  画像 ,  腹部 ,  撮像装置 ,  三次元 ,  NMRイメージング ,  *スクリーニング ,  *肝臓腫瘍 ,  バイオマーカー
準シソーラス用語： *畳込み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)

引用文献 (42件)：

• B. Sahin, M. Emirzeoglu, A. Uzun, L. Incesu, Y. Bek, S. Bilgic, S. Kaplan, "Unbiased estimation of the liver volume by the Cavalieri principle using magnetic resonance images," European journal of radiology, vol. 47, no. 2, pp. 164-170, 2003.
• Asia-Pacific Working Party on Prevention of Hepatocellular Carcinoma, "Prevention of hepatocellular carcinoma in the Asia-Pacific region: Consensus statements," Journal of Gastroenterology and Hepatology, vol. 25, no. 4, pp. 657-663, 2010.
• Y. Yang, C. Li, X. Nie, X. Feng, W. Chen, Y. Yue, H. Tang, F. Deng, "Metabonomic studies of human hepatocellular carcinoma using high-resolution magic-angle spinning 1H NMR spectroscopy in conjunction with multivariate data analysis," Journal of Proteome Research, vol. 6, no. 7, pp. 2605-2614, 2007.
• I. Mehmood, N. Ejaz, M. Sajjad, S. W. Baik, "Prioritization of brain MRI volumes using medical image perception model and tumor region segmentation," Computers in Biology and Medicine, vol. 43, no. 10, pp. 1471-1483, 2013.
• F. Marcolin, E. Vezzetti, "Novel descriptors for geometrical 3D face analysis," Multimedia Tools and Applications, vol. 76, no. 12, pp. 13805-13834, 2017.

タイトルに関連する用語 (6件)： カスケード ,  畳込みニューラルネットワーク ,  肝臓癌 ,  スクリーニング ,  予測 ,  AI