文献
J-GLOBAL ID:202202277453147377   整理番号:22A1105847

好酸球性食道炎の深層学習に基づく検出【JST・京大機械翻訳】

Deep learning-based detection of eosinophilic esophagitis
著者 (7件):
資料名:
巻: 54  号: 03  ページ: 299-304  発行年: 2022年 
JST資料番号: W5598A  ISSN: 0013-726X  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:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
背景:好酸球性食道炎(EoE)に対して,実質的な診断遅延は依然として臨床的に関連する現象である。深層学習ベースアルゴリズムは医用画像分析の可能性を示した。ここでは,正常所見とカンジダ性食道炎からEoEの出現を区別できる畳み込みニューロンネットワーク(CNN)に基づくアプローチを確立する。方法:著者らは,3つのクラス(正常,EoEおよびカンジダ症)から成る134人の被験者から484の実世界内視鏡画像を用いてCNNを訓練し,試験した。画像は2つの完全に独立したデータセットに分割された。提案手法を,試験セットを用いて3つの訓練者内視鏡者に対して評価した。モデル拡張性は,深いTaylor分解によって強化された。結果:全体的精度(0.915[95%信頼区間(CI)0.880~0.940]),感度(0.871[95%CI 0.819~0.910])および特異性(0.936[95%CI 0.910~0.955])は,試験セットに対する内視鏡技師より有意に高かった。受信者動作特性曲線下面積は0.966[95%CI 0.954~0.975]であった。結果は非常に再現性があった。説明可能性解析は,このアルゴリズムが内視鏡技師によって使用される特性サインを同定することを見出した。結論:2つ以上のクラスを含む複雑な内視鏡分類タスクはCNNベースのアルゴリズムによって解決することができる。したがって,著者らのアルゴリズムは,EoEの診断において臨床医を支援する可能性がある。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】
シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。

準シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
, 【Automatic Indexing@JST】
分類 (1件):
分類
JSTが定めた文献の分類名称とコードです
消化器の疾患 
タイトルに関連する用語 (2件):
タイトルに関連する用語
J-GLOBALで独自に切り出した文献タイトルの用語をもとにしたキーワードです

前のページに戻る