文献

J-GLOBAL ID：202202260042334352   整理番号：22A0791078

深層学習アプローチを用いた乳房の動的造影MRIのための毛細管レベル入力関数の推定【JST・京大機械翻訳】

Estimation of the capillary level input function for dynamic contrast-enhanced MRI of the breast using a deep learning approach

著者 (21件)： Bae Jonghyun (Vilcek Institute of Graduate Biomedical Science, New York University School of Medicine, New York, New York, USA) ,  Bae Jonghyun (Center for Biomedical Imaging, Radiology, New York University School of Medicine, New York, New York, USA) ,  Bae Jonghyun (Center for Advanced Imaging Innovation and Research, Radiology, New York University School of Medicine, New York, New York, USA) ,  Bae Jonghyun (Department of Radiology, Weill Cornell Medical College, New York, New York, USA) ,  Huang Zhengnan (Vilcek Institute of Graduate Biomedical Science, New York University School of Medicine, New York, New York, USA) ,  Huang Zhengnan (Center for Biomedical Imaging, Radiology, New York University School of Medicine, New York, New York, USA) ,  Huang Zhengnan (Center for Advanced Imaging Innovation and Research, Radiology, New York University School of Medicine, New York, New York, USA) ,  Knoll Florian (Center for Biomedical Imaging, Radiology, New York University School of Medicine, New York, New York, USA) ,  Knoll Florian (Center for Advanced Imaging Innovation and Research, Radiology, New York University School of Medicine, New York, New York, USA) ,  Geras Krzysztof (Center for Biomedical Imaging, Radiology, New York University School of Medicine, New York, New York, USA) ,  Geras Krzysztof (Center for Advanced Imaging Innovation and Research, Radiology, New York University School of Medicine, New York, New York, USA) ,  Geras Krzysztof (Center for Data Science, New York University, New York, New York, USA) ,  Pandit Sood Terlika (Center for Biomedical Imaging, Radiology, New York University School of Medicine, New York, New York, USA) ,  Pandit Sood Terlika (Center for Advanced Imaging Innovation and Research, Radiology, New York University School of Medicine, New York, New York, USA) ,  Feng Li (Biomedical Engineering and Imaging Institute and Department of Radiology, Icahn School of Medicine at Mount Sinai, New York, New York, USA) ,  Heacock Laura (Center for Biomedical Imaging, Radiology, New York University School of Medicine, New York, New York, USA) ,  Heacock Laura (Center for Advanced Imaging Innovation and Research, Radiology, New York University School of Medicine, New York, New York, USA) ,  Moy Linda (Vilcek Institute of Graduate Biomedical Science, New York University School of Medicine, New York, New York, USA) ,  Moy Linda (Center for Biomedical Imaging, Radiology, New York University School of Medicine, New York, New York, USA) ,  Moy Linda (Center for Advanced Imaging Innovation and Research, Radiology, New York University School of Medicine, New York, New York, USA) ,  Kim Sungheon Gene (Department of Radiology, Weill Cornell Medical College, New York, New York, USA)
資料名： Magnetic Resonance in Medicine  (Magnetic Resonance in Medicine)
巻： 87  号： 5  ページ： 2536-2550  発行年： 2022年 
JST資料番号： W2675A  ISSN： 0740-3194  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： PURPOSE:DCE-MRIの薬物動態モデル分析のための局所キャピラリーレベル入力関数(CIF)を推定するための深い学習アプローチを開発する。方法:深部畳込みネットワークを,CIFを推定するために,数値的にシミュレートしたデータで訓練した。訓練されたネットワークを,模擬病変データを用いて試験し,悪性(n=25)および良性(n=28)病変を有する女性からの略称プロトコルを用いて,乳房DCE-MRIデータの薬物動態モデル分析のためのボクセルワイズCIFの推定に用いた。推定パラメータを用いて,悪性腫瘍を検出するロジスティック回帰モデルを構築した。RESULT:著者らの乳房DCEデータからネットワーク予測CIFを用いて推定した薬物動態パラメータは,すべてのパラメータに対して悪性群と良性群の間で有意差を示した。推定パラメータによる診断性能を試験して,動脈入力関数(AIF)による従来のアプローチは0.76と0.87の間の曲線下面積(AUC)を示し,CIFによる提案した手法は0.79と0.81の間のAUCと類似の性能を示した。結論:本研究は,深いニューラルネットワークを用いてボクセルワイズCIFを推定する実現可能性を示した。提案した手法は,臨床設定における悪性腫瘍を検出する診断性能を損なうことなく,手動でAIFを測定する必要性を除去することができた。Copyright 2022 Wiley Publishing Japan K.K. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 畳込み ,  *学習 ,  ネットワーク ,  ニューラルネットワーク ,  腫瘍 ,  動脈 ,  略語 ,  *乳房 ,  プロトコル ,  パラメータ ,  *NMRイメージング
準シソーラス用語： 悪性腫瘍 ,  *造影MRI ,  薬物動態パラメータ ,  ロジスティック回帰モデル ,  *入力関数 ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： 動脈入力機能 ,  乳癌 ,  毛管入力関数 ,  深層学習 ,  動的コントラスト強調MRI

分類 (2件)： 腫ようの診断  (GE03020J) ,  医用画像処理  (JE04020T)

タイトルに関連する用語 (6件)： 深層学習 ,  乳房 ,  造影MRI ,  毛細管 ,  入力関数 ,  推定