文献

J-GLOBAL ID：202202284444505873   整理番号：22A0886835

頭頸部癌患者における生存分析のための深部スーパーボクセルセグメンテーション【JST・京大機械翻訳】

Deep Supervoxel Segmentation for Survival Analysis in Head and Neck Cancer Patients

著者 (5件)： Juanco-Mueller Angel Victor (Canon Medical Research Europe Ltd., Edinburgh, UK) ,  Juanco-Mueller Angel Victor (Heriot-Watt University, Edinburgh, UK) ,  Mota Joao F. C. (Heriot-Watt University, Edinburgh, UK) ,  Goatman Keith (Canon Medical Research Europe Ltd., Edinburgh, UK) ,  Hoogendoorn Corne (Canon Medical Research Europe Ltd., Edinburgh, UK)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 13209  ページ： 257-265  発行年： 2022年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
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： リスク評価技術,特に生存分析は,HeadとNeck(H&N)癌患者に個人化された治療を提供するために重要である。これらの技術は,通常,コンピュータ断層撮影(CT)および陽電子放出断層撮影(PET)画像における総腫瘍体積(GTV)領域の正確なセグメンテーションに依存する。これは,CTにおける低いコントラストおよびPETにおける解剖学的情報の欠如のため,困難な作業である。畳込みニューラルネットワーク(CNN)に基づく最近のアプローチは,高いメモリフットプリント([数式:原文を参照] GB/epoch)にもかかわらず,GTVの自動3Dセグメンテーションを実証した。本研究では,HECKTOR 2021チャレンジにおけるセグメンテーションタスクのための効率的なソリューション([数式:原文を参照] GB/epoch)を提案した。GTVを分割するためにグラフ畳込みネットワークと単純線形反復クラスタリング(SLIC)アルゴリズムを結合することによりこれを達成し,チャレンジテストセットで0.63のDiceスコアを得た。さらに,得られたセグメンテーションの形状記述子がWeibull加速故障時間モデルにおける関連共変量であり,HECKTOR 2021チャレンジにおけるタスク2の一致指数が0.59であることを示した。Copyright Springer Nature Switzerland AG 2022 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 ,  コントラスト ,  畳込み ,  故障 ,  *セグメンテーション ,  ネットワーク ,  クラスタ化 ,  *患者 ,  解剖学 ,  *頭頚部腫瘍 ,  PET【トモグラフィー】 ,  計算機トモグラフィー ,  リスク評価
準シソーラス用語： *癌患者 ,  共変量 , 【Automatic Indexing@JST】

分類 (2件)： 腫ようの診断  (GE03020J) ,  放射線を利用した診断  (GC04020K)

タイトルに関連する用語 (4件)： 頭頸部癌 ,  患者 ,  生存分析 ,  深部