肺がんのコンピュータ診断.結節不均一性の有用性

/ /

日本語AIでPubMedを検索

PubMedの提供する医学論文データベースを日本語で検索できます。AI(Deep Learning)を活用した機械翻訳エンジンにより、精度高く日本語へ翻訳された論文をご参照いただけます。

Acad Radiol.2017 03;24(3):328-336. S1076-6332(16)30381-6. doi: 10.1016/j.acra.2016.11.007.Epub 2017-01-16.

肺がんのコンピュータ診断.結節不均一性の有用性

Computer-aided Diagnosis for Lung Cancer: Usefulness of Nodule Heterogeneity.

Mizuho Nishio
Chihiro Nagashima

PMID: 28110797 DOI: 10.1016/j.acra.2016.11.007.

抄録

理由と目的:

悪性結節と良性結節を区別するためのコンピュータ支援診断システムを開発する。

RATIONALE AND OBJECTIVES: To develop a computer-aided diagnosis system to differentiate between malignant and benign nodules.

材料と方法:

60セットのコンピュータ断層撮影（CT）画像から明らかになった73の肺結節を解析した。コントラスト強調CTは46回のCT検査で実施した。画像はLUNGx Challengeから提供されたものであり、肺結節の基底真理値は得られなかったため、放射線評価により代替基底真理値を構築した。我々が提案した方法は、主成分分析、画像畳み込み、およびプーリング操作を使用した新しいパッチベースの特徴抽出を含んでいた。この方法を、結節の特徴抽出のための他の3つのシステムと比較した：CT密度のヒストグラム、3つの直交平面上の局所的なバイナリパターン、および3次元ランダムな局所的なバイナリパターンである。システムの確率的な出力とサロゲート基底真実は、受信機動作特性分析と曲線下面積を用いて分析されました。LUNGxチャレンジチームはまた、彼らのデータセットの実際の基底真実に基づいて、我々が提案した方法の曲線下面積を計算しました。

MATERIALS AND METHODS: Seventy-three lung nodules revealed on 60 sets of computed tomography (CT) images were analyzed. Contrast-enhanced CT was performed in 46 CT examinations. The images were provided by the LUNGx Challenge, and the ground truth of the lung nodules was unavailable; a surrogate ground truth was, therefore, constructed by radiological evaluation. Our proposed method involved novel patch-based feature extraction using principal component analysis, image convolution, and pooling operations. This method was compared to three other systems for the extraction of nodule features: histogram of CT density, local binary pattern on three orthogonal planes, and three-dimensional random local binary pattern. The probabilistic outputs of the systems and surrogate ground truth were analyzed using receiver operating characteristic analysis and area under the curve. The LUNGx Challenge team also calculated the area under the curve of our proposed method based on the actual ground truth of their dataset.

結果:

サロゲート基底真実に基づく曲線下面積は、CT密度ヒストグラム0.640、直交する3面上の局所2値パターン0.688、3次元ランダム局所2値パターン0.725、提案手法0.837であった。また、提案手法の曲線下面積は0.81であった。

RESULTS: Based on the surrogate ground truth, the areas under the curve were as follows: histogram of CT density, 0.640; local binary pattern on three orthogonal planes, 0.688; three-dimensional random local binary pattern, 0.725; and the proposed method, 0.837. Based on the actual ground truth, the area under the curve of the proposed method was 0.81.

結論:

提案手法は肺結節の識別特性を捉えることができ、悪性結節と良性結節の鑑別に有用であった。

CONCLUSIONS: The proposed method could capture discriminative characteristics of lung nodules and was useful for the differentiation between malignant and benign nodules.