文献

J-GLOBAL ID：202202288561509546   整理番号：22A1155715

MR画像ラジオミクス解析による神経膠腫分類【JST・京大機械翻訳】

Glioma classification via MR images radiomics analysis

著者 (3件)： Ouerghi Hajer (LR16ES06 Laboratoire de Recherche en Informatique, Modelisation Et Traitement de L’Information Et de La Connaissance (LIMTIC), Institut Superieur D’Informatique El Manar, Research Team SIIVA, Universite de Tunis El Manar, Ariana, Tunisia) ,  Mourali Olfa (LR16ES06 Laboratoire de Recherche en Informatique, Modelisation Et Traitement de L’Information Et de La Connaissance (LIMTIC), Institut Superieur D’Informatique El Manar, Research Team SIIVA, Universite de Tunis El Manar, Ariana, Tunisia) ,  Zagrouba Ezzeddine (LR16ES06 Laboratoire de Recherche en Informatique, Modelisation Et Traitement de L’Information Et de La Connaissance (LIMTIC), Institut Superieur D’Informatique El Manar, Research Team SIIVA, Universite de Tunis El Manar, Ariana, Tunisia)
資料名： Visual Computer  (Visual Computer)
巻： 38  号： 4  ページ： 1427-1441  発行年： 2022年 
JST資料番号： T0285A  ISSN： 0178-2789  CODEN： VICOE5  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： 手術前の正確な神経膠腫分類は,臨床意思決定および予後予測において,最も重要である。本論文では,低悪性度神経膠腫(LGG)対高悪性度神経膠腫(HGG)の分化に対するマルチモーダルMR画像融合の影響を,ラジオミック特徴および機械学習アプローチの統合解析により検討した。MICCAI BraTS 2019データから得られた80の組織学的に確認された神経膠腫患者(40HGGと40LGG)を本研究に含めた。本研究を達成するために,著者らは,T1とT2またはFLAIRモダリティを,非サブサンプルシヤレットドメインで結合することを提案した。最初に,前処理ソースMR画像を低周波(LF)といくつかの高周波(HF)サブ画像に分解した。LFサブ画像を,提案した重み局所特徴融合規則を用いて融合し,一方,HFサブ画像を,新規和修正ラプラシアン技術に基づいて組み合わせた。実験結果は,提案した融合アプローチがエントロピーと特徴相互情報に関して最新の最先端手法より優れていることを証明した。次に,主要なラジノミクス署名を,最小絶対収縮と選択オペレータ回帰アルゴリズムによって検索した。5つの機械学習分類装置を確立して,検索されたデータセットで評価して,次に,10倍交差検証方式を用いて融合データセットによって評価を行った。その結果,ランダムフォレストは,生データから選択した21の特徴と融合データから選択した16の特徴を有する96.1%の96.5%の最も高い精度を有した。最後に,実験的知見は,提案した支援診断フレームワークが,HGGとLGGの鑑別において放射線科医を支援する有望なツールであることを確認する。Copyright The Author(s), under exclusive licence to Springer-Verlag GmbH, DE part of Springer Nature 2021 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 ,  エントロピー ,  意思決定 ,  オペレータ ,  実験 ,  分類装置 ,  計算機アルゴリズム ,  *神経膠腫 ,  多モード ,  *NMRイメージング ,  Laplace演算子 ,  機械学習
準シソーラス用語： モダリティ ,  予後予測 ,  悪性度 ,  ランダムフォレスト , 【Automatic Indexing@JST】

著者キーワード (4件)： 神経膠腫 ,  ラジオミクス ,  マルチモーダル医用画像融合 ,  機械学習

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： MR画像 ,  ラジオミクス ,  解析 ,  神経膠腫 ,  分類