文献

J-GLOBAL ID：202202274272805279   整理番号：22A1116709

安全な出血性変換予測のための二重分岐分離と強化ネットワークによる弱い病変特徴抽出【JST・京大機械翻訳】

Weak lesion feature extraction by dual-branch separation and enhancement network for safe hemorrhagic transformation prediction

著者 (3件)： Wang Ziqiao (School of Information Science and Engineering, Shandong University, Qingdao 266237, China) ,  Liu Zhi (School of Information Science and Engineering, Shandong University, Qingdao 266237, China) ,  Li Shuo (Digital Imaging Group of London, Western University, London, ON N6A 3K7, Canada)
資料名： Computerized Medical Imaging and Graphics  (Computerized Medical Imaging and Graphics)
巻： 97  ページ： Null  発行年： 2022年 
JST資料番号： T0220A  ISSN： 0895-6111  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： 出血性形質転換(HT)は,動脈虚血性脳卒中急性治療および二次予防試験(HutchinsonおよびBeslow,2019)の安全性エンドポイントと考えられている。正確なHT予測は,誤診から死亡率を劇的に減少させる。現在,HT予測は,ほとんど全て,潅流剤によるコントラスト画像に依存しており,それは,時間がかかり,労働集約的であり,二次脳障害と高コストを引き起こす。ほとんど全ての機械学習アルゴリズムは,大きな課題のため,HT予測のために非コントラストCTを使用できない。本研究では,二重分岐分離と強化ネットワーク(DBSE-Net)を,弱い特徴抽出と潅流エージェントなしの安全なHT予測のために提案する。DBSE-Netは,弱い特徴適応抽出を達成するために,二重分岐分離と融合機構を使用する。DBSE-Netの符号器サブモジュールにおいて,脳圧縮評価分岐(BCAB)と梗塞評価分岐(IAB)を提案して,異なる受容野を有する軽量符号化構造を適用して,それは病変領域特性に適応した。DBSE-Netのキーフレーム選択アルゴリズムと領域誘導知識の助けを借りて,DBSE-Netは冗長な情報を除去して,明らかに病変の重症度を記述する。要約すれば,DBSE-Netは,マルチスケールおよび多重カテゴリ脳状態情報を得るために,グローバルおよび局所的特徴を統合し,非コントラストCTの弱い特徴を強化して,正確なHT予測を実現する。結果:HTリスクのない医師により診断された全144名の頭蓋内脳卒中患者のうち,DBSE-Netは73名の高リスクHT患者を同定した(全体で88名のHT症例)。結果は,DBSE-Netが医師が頭蓋内脳卒中患者のHTリスクを診断し,偽HTリスク診断から医師を予防する可能性のあるツールになることを示す。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： コントラスト ,  冗長性 ,  *ネットワーク ,  脳 ,  *特徴抽出 ,  *枝分れ ,  *出血 ,  動脈 ,  画像 ,  潅流 ,  誤診 ,  エージェント
準シソーラス用語： 二次予防 ,  エンドポイント ,  受容野 , 【Automatic Indexing@JST】

著者キーワード (3件)： 出血性形質転換予測 ,  非コントラストCT ,  DBSE-Net

分類 (1件)： 医用画像処理  (JE04020T)

タイトルに関連する用語 (6件)： 出血 ,  予測 ,  分岐 ,  強化 ,  病変 ,  特徴抽出