文献

J-GLOBAL ID：202202278003238404   整理番号：22A1092827

MRIベースラジオミクスによる子宮頸癌の初期段階の分類【JST・京大機械翻訳】

Classifying early stages of cervical cancer with MRI-based radiomics

著者 (12件)： Zhao Xin (Department of Radiology, The Third Affiliated Hospital of Zhengzhou University, No.7 Kangfu front street, Zhengzhou 450052, China) ,  Zhao Xin (Institute of Neuroscience, Zhengzhou University, Zhengzhou 450052, China) ,  Wang Xueyuan (Department of Radiology, The Third Affiliated Hospital of Zhengzhou University, No.7 Kangfu front street, Zhengzhou 450052, China) ,  Wang Xueyuan (Institute of Neuroscience, Zhengzhou University, Zhengzhou 450052, China) ,  Zhang Bohao (Institute of Neuroscience, Zhengzhou University, Zhengzhou 450052, China) ,  Zhang Bohao (College of Chemistry, Zhengzhou University, Zhengzhou, Zhengzhou 450052, China) ,  Liu Xianglong (Department of Radiology, Zhengzhou Central Hospital Affiliated to Zhengzhou University, Zhengzhou 450052, China) ,  Xuan Desheng (Department of Radiology, The Third Affiliated Hospital of Zhengzhou University, No.7 Kangfu front street, Zhengzhou 450052, China) ,  Xuan Desheng (Institute of Neuroscience, Zhengzhou University, Zhengzhou 450052, China) ,  Xia Yuwei (Huiying Medical Technology Co., Ltd., Beijing 100192, China) ,  Zhang Xiaoan (Department of Radiology, The Third Affiliated Hospital of Zhengzhou University, No.7 Kangfu front street, Zhengzhou 450052, China) ,  Zhang Xiaoan (Institute of Neuroscience, Zhengzhou University, Zhengzhou 450052, China)
資料名： Magnetic Resonance Imaging  (Magnetic Resonance Imaging)
巻： 89  ページ： 70-76  発行年： 2022年 
JST資料番号： A1133A  ISSN： 0730-725X  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： この研究は,臨床診断と治療を助けるため,子宮頸癌の初期段階を区別するため,MRIに基づく分類器を確立することを目的にした。2018年1月から2019年5月までの子宮頸癌の病理学的診断の57人の患者を本研究に登録した。T1強調画像(T1WI),T2強調画像(T2W),拡散強調画像(DWI)および動的コントラスト増強(DCE)を含むMRI検査を,手術前に施行した。ステージIbまたはIIa子宮頸癌の患者からのMR画像を,腫瘍セグメント化を入力として使用した。特徴抽出プロセスは一次統計とテクスチャと応用フィルタを抽出した。最小絶対収縮と選択演算子(LASSO)を用いて,無線特徴の次元を低減した。モデルを3つの機械学習(k-最近傍(KNN),サポートベクターマシン(SVM),およびロジスティック回帰(LR))によって訓練し,ステージIbおよびステージIIa症例における診断成績を評価した。T1WIからの2つの特徴,T2WIからの5つの特徴,DWIからの5つの特徴(b=50),DWIからの4つの特徴(b=800),DCEからの5つの特徴,およびADCからの6つの特徴を含む,合計27の特徴を,モデルを確立するために抽出した。各機械学習(ML)分類器に対して,訓練セットと試験セットの6つのシーケンスをモデル化し,解析した。すべてのモデルの中で,SVM分類装置によって構築したT2WIモデルの訓練セットと試験セットは,最良(曲線の下のArea(AUC)0.915)/(AUC0.907)であった。MLベースのテクスチャ特徴および一次統計特徴のラジオミック分析は,術前に早期子宮頸癌をステージするために使用できる。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： コントラスト ,  セグメンテーション ,  特徴抽出 ,  腫瘍 ,  医用画像 ,  NMRイメージング ,  *子宮頚部腫瘍 ,  機械学習 ,  サポートベクトルマシン
準シソーラス用語： ロジスティック回帰分析 ,  T1強調画像 ,  臨床診断 ,  T2強調画像 ,  テクスチャ特徴 ,  SVM分類 ,  拡散強調画像 , 【Automatic Indexing@JST】

著者キーワード (3件)： 子宮頸癌 ,  磁気共鳴イメージング ,  ラジオミクス

分類 (2件)： 腫ようの診断  (GE03020J) ,  女性生殖器と胎児の腫よう  (GS04000K)

タイトルに関連する用語 (5件)： MRI ,  ラジオミクス ,  子宮頸癌 ,  初期段階 ,  分類