文献

J-GLOBAL ID：202202287936389557   整理番号：22A0652069

心血管イメージングにおける人工知能の応用【JST・京大機械翻訳】

Application of Artificial Intelligence in Cardiovascular Imaging

著者 (3件)： Ma Panjiang (The Affiliated People’s Hospital of Ningbo University, Ningbo 315040, China) ,  Li Qiang (The Affiliated People’s Hospital of Ningbo University, Ningbo 315040, China) ,  Li Jianbin (The Affiliated People’s Hospital of Ningbo University, Ningbo 315040, China)
資料名： Journal of Healthcare Engineering (Web)  (Journal of Healthcare Engineering (Web))
巻： 2022  ページ： Null  発行年： 2022年 
JST資料番号： U7772A  ISSN： 2040-2295  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 過去20年間,コンピュータ技術が成熟し,ビジネスシナリオが多様化しているので,様々な産業におけるコンピュータシステムの応用の規模は拡大を続けており,産業データの巨大な増加をもたらしている。医療産業に関しては,巨大な非構造化データが蓄積され,効果的に診断を効率的に完了するために医用画像データを使用する方法を探究することは,重要な実用的影響を有する。長い間,中国は医療情報化のプロセスを促進し,医学分野での大データと人工知能と他の先進技術の組合せは,熱産業と新開発傾向になった。本論文は,心血管疾患に焦点を当て,医学画像の自動解析と診断を実現するために,関連する深い学習法を使用し,AI支援医療の実現可能性を検証した。心血管医学イメージングの完全な診断を達成し,脆弱な病変領域を特定することを試みた。(1)畳み込みニューラルネットワークと実験に基づく古典的オブジェクトをテストし,領域分割アルゴリズムを調査して,医用イメージングの分野におけるその応用シナリオを示した。(2)データとタスク特性に従って,分類ノードと回帰ノードを含むネットワークモデルを構築した。マルチタスク関節ドリルの後,診断と検出の効果も増強した。本論文では,加重損失関数メカニズムを用いて,医用画像解析におけるクラス間のデータの不均衡を改善し,モデルの効果を強化した。(3)実際の医療プロセスにおいて,多くの医用画像は高レベルカテゴリーのラベル情報を持っているが,低レベル病変のラベル情報を欠いている。提案システムは,これらの課題を解決するため,心血管イメージングデータを取ることにより,弱い教師つき条件下で病変局在化の可能性を露出する。実験結果は,提案した深層学習可能モデルが,オンラインインフラストラクチャにおける最小可能な変化で前述の課題を解決する能力を持つことを検証した。Copyright 2022 Panjiang Ma et al. 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 ,  学習 ,  計算機システム ,  セグメンテーション ,  ドリル ,  *画像処理 ,  *人工知能 ,  事業 ,  *循環系 ,  インフラストラクチャー ,  医用画像 ,  機械学習
準シソーラス用語： オンライン ,  医用画像処理 ,  非構造化データ ,  深層学習 , 【Automatic Indexing@JST】

分類 (2件)： 医療用機器装置  (GA05020L) ,  人工知能  (JE08000Z)

引用文献 (27件)：

• G. Litjens, T. Kooi, B. E. Bejnordi et al., "A survey on deep learning in medical image analysis," Medical Image Analysis, vol. 42, pp. 60-88, 2017.
• W. Zhu, C. Liu, W. Fan, X. Xie, "DeepLung: deep 3D dual path nets for automated pulmonary nodule detection and classification," Proceedings of the IEEE Winter Conference on Applications of Computer Vision (WACV), Lake Tahoe, NV, USA, March 2018.
• P. Rajpurkar, J. Irvin, K. Zhu et al., "CheXNet: radiologist-level pneumonia detection on chest X-rays with deep learning," 2017, https://arxiv.org/abs/1711.05225.
• S. C. B. Lo, S. L. A. Lou, L. J. S. Jyh-Shyan, M. T. Freedman, M. V. Chien, S. K Mun, "Artificial convolution neural network techniques and applications for lung nodule detection," IEEE Transactions on Medical Imaging, vol. 14, no. 4, pp. 711-718, 1995.
• A. Krizhevsky, I. Sutskever, G. E. Hinton, "ImageNet classification with deep convolutional neural networks," Proceedings of the International Conference on Neural Information Processing Systems. Curran Associates Inc, pp. 1097-1105, 2012.

タイトルに関連する用語 (4件)： 心血管 ,  イメージング ,  人工知能 ,  応用