文献

J-GLOBAL ID：202202274162660026   整理番号：22A0886828

PET/CT画像に関する自動頭頚部腫瘍セグメンテーションと進行フリー生存解析【JST・京大機械翻訳】

Automatic Head and Neck Tumor Segmentation and Progression Free Survival Analysis on PET/CT Images

著者 (3件)： Yuan Yading (Department of Radiation Oncology, Icahn School of Medicine at Mount Sinai, New York, NY, USA) ,  Adabi Saba (Department of Radiation Oncology, Icahn School of Medicine at Mount Sinai, New York, NY, USA) ,  Wang Xuefeng (Department of Biostatistics and Bioinformatics, H. Lee Moffitt Cancer Center and Research Institute, Tampa, FL, USA)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 13209  ページ： 179-188  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： 自動セグメンテーションは,腫瘍検出,診断,予後,治療計画および評価における頭頚部腫瘍を特徴づけるための定量的イメージングバイオマーカーを抽出するための必須ではあるが挑戦的なステップである。HEadとneCK TumORセグメンテーションチャレンジ2021(HECKTOR 2021)は次の3つのタスクのための共通のプラットフォームを提供する。1)FDG-PETとCT画像上の咽頭領域における一次総標的体積(GTV)の自動セグメンテーション;2)患者転帰の予測,すなわち,自動セグメンテーション結果と利用可能な臨床データによるFDG-PET/CT画像からの進行性自由生存(PFS);3)グランドトルースアノテーションによるPFSの予測。符号器デコーダアーキテクチャに基づく完全自動セグメンテーションネットワークをさらに評価することによって,最初の2つのタスクに参加した。異なるスケールにわたる情報をよりよく統合するために,異なるスケールで特徴マップから高レベル意味論を持つ低レベル詳細を組み込んだ動的スケール注意機構を提案した。放射線学的特徴をセグメント化腫瘍から抽出し,PFS予測に用いた。セグメンテーションフレームワークをHECKTOR 2021により提供された224のチャレンジ訓練事例を用いて訓練し,交差検証で0.7693の平均Dice類似係数(DSC)を達成した。101の試験事例で試験することによって,著者らのモデルは,0.7608の平均DSCと3.27mmの[数式:原文を参照]Hausdorff距離を達成した。全体のPFS予測は,試験データセット(深いX)で0.53の一致指数(c指数)をもたらした。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： ターゲット ,  意味論 ,  *セグメンテーション ,  咽頭 ,  *腫瘍 ,  符号器 ,  放射線医学 ,  予後 ,  *断層画像 ,  *頭頚部腫瘍 ,  治療計画
準シソーラス用語： *CT画像 ,  臨床データ ,  *PET/CT ,  FDG-PET/CT ,  腫瘍検出 , 【Automatic Indexing@JST】

分類 (2件)： 腫ようの診断  (GE03020J) ,  腫ようの放射線療法  (GE03034K)

タイトルに関連する用語 (5件)： PET ,  CT画像 ,  頭頚部腫瘍 ,  セグメンテーション ,  生存解析