文献

J-GLOBAL ID：202202296450542728   整理番号：22A0849067

実験的データセットでの乳房マイクロ波センシングにおける機械学習の診断性能【JST・京大機械翻訳】

The Diagnostic Performance of Machine Learning in Breast Microwave Sensing on an Experimental Dataset

著者 (2件)： Reimer Tyson (Department of Physics and Astronomy, University of Manitoba, Winnipeg, MB, Canada) ,  Pistorius Stephen (Department of Physics and Astronomy, University of Manitoba, Winnipeg, MB, Canada)
資料名： IEEE Journal of Electromagnetics, RF and Microwaves in Medicine and Biology  (IEEE Journal of Electromagnetics, RF and Microwaves in Medicine and Biology)
巻： 6  号： 1  ページ： 139-145  発行年： 2022年 
JST資料番号： W3484A  ISSN： 2469-7249  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 目的:本論文では,乳房マイクロ波センシング(BMS)における腫瘍検出のための深層学習法の診断性能を評価した。方法:畳み込みニューラルネットワーク(CNN)を用いて,MRI由来ファントムの実験的スキャンからのデータにおける癌性病変の存在を予測した。1257スキャンからのデータを含む実験データセットを用いた。CNNを類似サイズの高密度ニューラルネットワーク(DNN)とロジスティック回帰分類器と比較した。【結果】CNNは,ランダム分類よりも診断性能を有意に達成するために,シノグラムデータ構造を利用することができ,一方,DNNもロジスティック回帰分類器も,テストデータに一般化できなかった。CNN分類器の受信者動作特性曲線の曲線下面積は,(78±3)%と(90±3)%の間であり,試験セットが訓練セットの体積限界内にある乳房体積を有するファントムから成るように,また,腫瘍がシステムアンテナと同じ垂直位置にあるとき,上部推定が得られた。結論:本研究で得られた結果は,乳癌検出のための深層学習とBMSシステムを組み合わせる可能性を実証した。衝撃:本論文では,実現可能な実験データセット上での自動腫瘍検出のための深層学習法を用いて,空気ベースBMSシステムの診断性能の推定を提供した。性能はAI支援マンモグラフィーと同等であり,BMSにおける大規模研究に向けた最初の段階を示した。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アンテナ ,  衝撃 ,  *マイクロ波 ,  データ構造 ,  ニューラルネットワーク ,  腫瘍 ,  *乳房 ,  ファントム ,  乳房撮影 ,  *機械学習
準シソーラス用語： ROC曲線 ,  ロジスティック回帰分析 ,  乳癌検出 ,  深層学習 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (7件)： 実験 ,  データセット ,  乳房 ,  マイクロ波 ,  センシング ,  機械学習 ,  診断性能