文献

J-GLOBAL ID：202202266455084005   整理番号：22A0622071

磁気共鳴画像を用いたびまん性神経膠腫の分子サブタイピング:ラジオミクスと深層学習の比較と相関【JST・京大機械翻訳】

Molecular subtyping of diffuse gliomas using magnetic resonance imaging: comparison and correlation between radiomics and deep learning

著者 (16件)： Li Yiming (Department of Neurosurgery, Beijing Tiantan Hospital, Capital Medical University, Beijing, China) ,  Wei Dong (Tencent Jarvis Lab, No, Shenzhen, China) ,  Liu Xing (Beijing Neurosurgical Institute, Capital Medical University, Beijing, China) ,  Fan Xing (Beijing Neurosurgical Institute, Capital Medical University, Beijing, China) ,  Wang Kai (Department of Nuclear Medicine, Beijing Tiantan Hospital, Capital Medical University, Beijing, China) ,  Li Shaowu (Beijing Neurosurgical Institute, Capital Medical University, Beijing, China) ,  Zhang Zhong (Department of Neurosurgery, Beijing Tiantan Hospital, Capital Medical University, Beijing, China) ,  Ma Kai (Tencent Jarvis Lab, No, Shenzhen, China) ,  Qian Tianyi (Tencent HealthCare Co. Ltd, Shenzhen, China) ,  Jiang Tao (Department of Neurosurgery, Beijing Tiantan Hospital, Capital Medical University, Beijing, China) ,  Jiang Tao (Beijing Neurosurgical Institute, Capital Medical University, Beijing, China) ,  Jiang Tao (Center of Brain Tumor, Beijing Institute for Brain Disorders, Beijing, China) ,  Jiang Tao (China National Clinical Research Center for Neurological Diseases, Beijing, China) ,  Jiang Tao (Chinese Glioma Genome Atlas Network (CGGA) and Asian Glioma Genome Atlas Network (AGGA), Beijing, China) ,  Zheng Yefeng (Tencent Jarvis Lab, No, Shenzhen, China) ,  Wang Yinyan (Department of Neurosurgery, Beijing Tiantan Hospital, Capital Medical University, Beijing, China)
資料名： European Radiology  (European Radiology)
巻： 32  号： 2  ページ： 747-758  発行年： 2022年 
JST資料番号： W4351A  ISSN： 0938-7994  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:拡散神経膠腫の分子サブタイピングは重要である。本研究の目的は,術前マルチパラメトリックMRIに基づく予測モデルを確立することであった。【方法】合計1016のびまん性神経膠腫患者を,北京Tiantan病院から遡及的に採取した。患者を訓練(n=780)と検証(n=236)セットにランダムに分けた。2016年のWHO分類によれば,拡散神経膠腫は4つのバイナリ分類タスク(タスクI-IV)に分類できる。ラジオミクスと深い畳み込みニューラルネットワーク(DCNN)に基づく予測モデルをそれぞれ開発し,その性能を受信者動作特性(ROC)曲線と比較した。さらに,ラジオミクスとDCNN特徴を可視化し,t分布確率近傍埋込み技術とスピアマン相関試験と比較した。結果:訓練セットにおいて,DCNNモデル(0.99から1.00の範囲)の曲線下面積(AUC)は,すべてのタスクにおいてラジノミクスモデルよりも優れており,DCNNモデル(0.90から0.94の範囲)の精度は,タスクI,II,およびIIIにおけるラジオミクスモデルより優れていた。独立検証セットにおいて,DCNNモデルの精度は,すべてのタスク(0.74~0.83)においてラジノミクスモデルより優れ,DCNNモデル(0.85~0.89)のAUCは,タスクI,II,およびIIIにおけるラジオミクスモデルより優れていた。DCNN特徴は特徴可視化解析におけるラジオミクス特徴よりも優れた識別能力を示し,それらの一般的相関は弱かった。結論:ラジノミクスとDCNNモデルの両方が,拡散神経膠腫の分子サブタイプを術前に予測でき,後者はほとんどの環境で良好に機能した。キーポイント:拡散神経膠腫の分子サブタイプは,MRIにより予測でき,大きなコホートにおいてラジオミクス特徴を上回る傾向があり,ラジオミクスの特徴とDCNN特徴の間の相関は低かった。Copyright European Society of Radiology 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 特性 ,  曲線 ,  可視化 ,  能力 ,  *神経膠腫 ,  t分布 ,  母集団 ,  *NMRイメージング ,  血中濃度-時間曲線下面積 ,  機械学習 ,  予測モデル
準シソーラス用語： 北京市 ,  *深層学習 ,  二値分類 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： 神経膠腫 ,  磁気共鳴イメージング ,  診断 ,  機械学習 ,  深層学習

分類 (1件)： 神経系の腫よう  (GN04000V)

タイトルに関連する用語 (8件)： 磁気共鳴画像 ,  神経膠腫 ,  分子 ,  サブ ,  タイピング ,  ラジオミクス ,  深層学習 ,  相関