文献

J-GLOBAL ID：202202277050287578   整理番号：22A0772835

デジタルラジオグラフィーにおける新鮮脊椎圧迫骨折を同定するための深層学習モデル【JST・京大機械翻訳】

A deep-learning model for identifying fresh vertebral compression fractures on digital radiography

著者 (9件)： Chen Weijuan (Department of Radiology, The Second Affiliated Hospital of Chongqing Medical University, Chongqing, China) ,  Liu Xi (Department of Radiology, The Second Affiliated Hospital of Chongqing Medical University, Chongqing, China) ,  Li Kunhua (Department of Radiology, The Second Affiliated Hospital of Chongqing Medical University, Chongqing, China) ,  Luo Yin (Department of Radiology, The Second Affiliated Hospital of Chongqing Medical University, Chongqing, China) ,  Bai Shanwei (Department of Radiology, The Second Affiliated Hospital of Chongqing Medical University, Chongqing, China) ,  Wu Jiangfen (Department of Applied Clinical Medicine, Infervision, Beijing, China) ,  Chen Weidao (Department of Applied Clinical Medicine, Infervision, Beijing, China) ,  Dong Mengxing (Department of Applied Clinical Medicine, Infervision, Beijing, China) ,  Guo Dajing (Department of Radiology, The Second Affiliated Hospital of Chongqing Medical University, Chongqing, China)
資料名： European Radiology  (European Radiology)
巻： 32  号： 3  ページ： 1496-1505  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:参照標準として磁気共鳴画像法(MRI)を用いて,デジタルラジオグラフィー(DR)から新鮮VCFを同定するための深層学習(DL)モデルを開発すること。方法:2011年1月から2020年5月までに腰椎VCF患者を後向きに登録した。すべての患者はDRとMRI走査を受けた。VCFsはMRI結果に従って新鮮または古いものとして分類し,VCFグレードとタイプを評価した。生のDRデータを,注釈のためにInfer Scholarセンターに送付した。DLベースの予測モデルを構築し,その診断性能を評価した。DeLong試験を適用して,異なるモデル間のROC曲線の違いを評価した。【結果】1099人の患者における合計1877のVCFsを本研究に含んで,ランダムに発達(n=824患者)と試験(n=275患者)データセットに分けた。アンサンブルモデルは新鮮および古いVCFsを同定し,0.80のAUC(95%信頼区間[CI],0.77~0.83),74%(95%CI,72~77%)の正確度,80%(95%CI,77~83%)の感度および68%(95%CI,63~72%)の特異性を示した。側方(AUC,0.83)の見解は,前後像(AUC,0.77)より優れた性能を示し,それぞれのサブグループ間の最良の性能は,グレード3(AUC,0.89)および圧挫型(AUC,0.87)サブグループで得られた。結論:提案したDLモデルは,DRから新鮮なVCFsを同定する際に適切な性能を達成した。キーポイント:アンサンブル深層学習モデルは,DRから新鮮なVCFsを同定し,0.80のAUC,74%の精度,80%の感度,および,MRIの参照標準による68%の特異性(AUC,0.83)は,前後像(AUC,0.77)より優れた性能を示し,グレード3(AUC,0.89)および破砕型(AUC,0.87)サブグループは,それらのそれぞれのサブグループの中で最良の性能を示した。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： 感度 ,  精度 ,  *脊柱 ,  *ラジオグラフィー ,  患者 ,  腰椎 ,  *骨折 ,  挫傷 ,  人間 ,  特性曲線 ,  NMRイメージング ,  予測モデル
準シソーラス用語： ROC曲線 ,  ディジタルラジオグラフィー ,  特異性 ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： 深層学習 ,  骨折 ,  圧縮 ,  脊椎 ,  ラジオグラフィー

分類 (3件)： 放射線を利用した診断  (GC04020K) ,  泌尿生殖器の診断  (GM02000E) ,  医療用機器装置  (GA05020L)

タイトルに関連する用語 (5件)： デジタルラジオグラフィー ,  脊椎圧迫骨折 ,  同定 ,  深層学習 ,  モデル