文献

J-GLOBAL ID：202202259796091889   整理番号：22A0886832

深層ニューラルネットワークと適応エンセンブリングを用いた頭頚部原発腫瘍セグメンテーション【JST・京大機械翻訳】

Head and Neck Primary Tumor Segmentation Using Deep Neural Networks and Adaptive Ensembling

著者 (8件)： Murugesan Gowtham Krishnan (BAMF Health, Grand Rapids, MI, USA) ,  Brunner Eric (BAMF Health, Grand Rapids, MI, USA) ,  McCrumb Diana (BAMF Health, Grand Rapids, MI, USA) ,  Kumar Jithendra (BAMF Health, Grand Rapids, MI, USA) ,  VanOss Jeff (BAMF Health, Grand Rapids, MI, USA) ,  Moore Stephen (BAMF Health, Grand Rapids, MI, USA) ,  Peck Anderson (BAMF Health, Grand Rapids, MI, USA) ,  Chang Anthony (BAMF Health, Grand Rapids, MI, USA)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 13209  ページ： 224-235  発行年： 2022年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
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： 頭頚部癌(HNC)における頭頚部(H&N)腫瘍を正確に診断し,分析する能力は,患者特異的放射線療法治療の治療およびラジノミクスを用いた患者の生存転帰の予測に重要である。H&N腫瘍に対する自動セグメンテーション法は,個別化患者治療計画を最適化し,患者の予後を予測するため,ラジオミクスまたは他の手段を介し,正確な特徴抽出を可能にする。本研究では,三次元UNETネットワークを,nnUNETに基づくフレームワークを用いて,H&N原発腫瘍をセグメント化するために訓練した。224人の被験者からのマルチモーダル陽電子放出断層撮影(PET)とコンピュータ断層撮影(CT)データをモデル訓練に用いた。生存森林モデルを,各患者の進行イベントまでの時間に対するリスクスコアを予測するために,セグメンテーションマップから抽出した特徴と共に患者の臨床データの特徴に適用した。選択したセグメンテーション法は,平均DSCスコア0.78と95%Hausdorff距離3.14で優れた性能を示した。ランダムフォレストモデルは,進行自由生存(PFS)エンドポイントを予測するために0.66のC指数を達成した。Copyright Springer Nature Switzerland AG 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  *セグメンテーション ,  *ネットワーク ,  特徴抽出 ,  *腫瘍 ,  放射線療法 ,  患者 ,  多モード ,  三次元 ,  頭頚部腫瘍 ,  治療計画 ,  PET【トモグラフィー】
準シソーラス用語： エンドポイント ,  *頭頸部 ,  ランダムフォレスト , 【Automatic Indexing@JST】

著者キーワード (5件)： 頭頚部腫瘍セグメンテーション ,  生存予測 ,  アンサンブル ,  nnUNET ,  ランダム生存森林

分類 (2件)： 腫ようの診断  (GE03020J) ,  放射線を利用した診断  (GC04020K)

タイトルに関連する用語 (5件)： 深層ニューラルネットワーク ,  適応 ,  頭頚部 ,  原発腫瘍 ,  セグメンテーション