文献

J-GLOBAL ID：202202276630928064   整理番号：22A0897344

超音波画像を用いた腋窩リンパ節状態の深層学習予測【JST・京大機械翻訳】

Deep learning prediction of axillary lymph node status using ultrasound images

著者 (9件)： Sun Shawn (Department of Radiology, Columbia University Medical Center, 622 West 168th Street, PB-1-301, New York, NY, 10032, USA) ,  Mutasa Simukayi (Department of Radiology, Columbia University Medical Center, 622 West 168th Street, PB-1-301, New York, NY, 10032, USA) ,  Liu Michael Z (Department of Radiology, Columbia University Medical Center, 622 West 168th Street, PB-1-301, New York, NY, 10032, USA) ,  Nemer John (Duke University School of Medicine, USA) ,  Sun Mary (Department of Radiology, Columbia University Medical Center, 622 West 168th Street, PB-1-301, New York, NY, 10032, USA) ,  Siddique Maham (Department of Radiology, Columbia University Medical Center, 622 West 168th Street, PB-1-301, New York, NY, 10032, USA) ,  Desperito Elise (Department of Radiology, Columbia University Medical Center, 622 West 168th Street, PB-1-301, New York, NY, 10032, USA) ,  Jambawalikar Sachin (Department of Radiology, Columbia University Medical Center, 622 West 168th Street, PB-1-301, New York, NY, 10032, USA) ,  Ha Richard S. (Breast Imaging Section Columbia University Medical Center, 622 West 168th Street, PB-1-301, New York, NY, 10032, USA)
資料名： Computers in Biology and Medicine  (Computers in Biology and Medicine)
巻： 143  ページ： Null  発行年： 2022年 
JST資料番号： E0858A  ISSN： 0010-4825  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 原発性乳癌超音波(US)画像を用いて腋窩リンパ節転移を予測するため,畳み込みニューラルネットワーク(CNN)の能力を検討した。このIRB承認研究において,1/2014-12/2016の169人の患者からの338のUS画像(2つの直交画像)を使用した。疑いのあるリンパ節はUSで見られ,患者はその後コア-生検を受けた。64人の患者は,転移リンパ節があった。訓練データセットの124人の患者から248US画像にカスタムCNNを用い,45人の患者から90US画像で試験した。CNNは3×3畳込みカーネルと線形層を完全に実行した。9つの畳込みカーネルは6つの残留層から成り,合計12の畳み込み層であった。特徴マップを,ストライド畳込みを用いてダウンサンプリングした。0.5の保留確率とL2正規化によるドロップアウトを利用した。訓練はAdam最適化器を用いて実装し,各ピクセルからの生ロジットの平均から0.5の最終的ソフトMaxスコア閾値を2クラス分類(メタスタシスまたはなし)に用いた。著者らのCNNは,試験データセットにおけるUS画像から腋窩リンパ節転移の予測において0.72(SD±0.08)のAUCを達成した。モデルは,それぞれ65.5%(SD±28.6)と78.9%(SD±15.1)の感度と特異性で72.6%(SD±8.4)の精度を有した。著者らのアルゴリズムは,研究利用のために共有できる。(https://github.com/stmutasa/MetUS)。深層学習技術を用いてUS画像から腋窩リンパ節転移を予測することが可能である。これは乳癌患者における結節の病期分類を助ける可能性がある。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： アルゴリズム ,  最適化 ,  閾値 ,  畳込み ,  *超音波 ,  *リンパ節 ,  画素 ,  生検 ,  *超音波画像 ,  直交性 ,  ロジットモデル ,  正規化 ,  乳房腫瘍
準シソーラス用語： ダウンサンプリング ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (3件)： 深層学習 ,  腋窩リンパ節 ,  超音波イメージング

分類 (1件)： 腫ようの診断  (GE03020J)

タイトルに関連する用語 (4件)： 音波画像 ,  腋窩リンパ節 ,  深層学習 ,  予測