HOMEご利用手順商品サンプルご利用規約お支払いご注文進行確認Q&A、お問い合せカートを見る
電気学会 電子図書館
電気学会HPへ
 HOME > 同研究会の論文誌(論文単位) > 文献詳細
*商品について
表紙はついていません(本文のみ中綴じ製本です)。
号単位でも購入できます。
すべてモノクロ印刷です。
Extended Summaryはついていません。

・会員価格 ¥550
・一般価格 ¥770
カートに入れる
こちらはBookPark「電気学会 電子図書館(IEEJ Electronic Library)」による文献紹介ページです。
会員ログイン
電気学会会員の方はこちらから一旦ログインのうえ、マイページからお入りください。
会員価格で購入することができます。
非会員の方はログインの必要はありません。このまま お進みください。
■論文No.
■ページ数 7ページ
■発行日
2022/05/01
■タイトル

Attention Mechanismを導入したMulti-scale 3D-CNNsによる脳MRI画像の低悪性度グリオーマの1p/19q共欠損分類

■タイトル(英語)

Computerized Classification Method for 1p/19q Codeletion in Low-Grade Glioma on Brain MRI Using Multi-Scale 3D-CNNs with Attention Mechanism

■著者名 田中 大貴(立命館大学大学院理工学研究科),檜作 彰良(立命館大学大学院理工学研究科),中山 良平(立命館大学大学院理工学研究科)
■著者名(英語) Daiki Tanaka (Graduate School of Science and Engineering, Ritsumeikan University), Akiyoshi Hizukuri (Graduate School of Science and Engineering, Ritsumeikan University), Ryohei Nakayama (Graduate School of Science and Engineering, Ritsumeikan University)
■価格 会員 ¥550 一般 ¥770
■書籍種類 論文誌(論文単位)
■グループ名 【C】電子・情報・システム部門
■本誌 電気学会論文誌C(電子・情報・システム部門誌) Vol.142 No.5 (2022) 特集:医用・生体工学関連技術
■本誌掲載ページ 550-556ページ
■原稿種別 論文/日本語
■電子版へのリンク https://www.jstage.jst.go.jp/article/ieejeiss/142/5/142_550/_article/-char/ja/
■キーワード Attention Mechanism,Attention Pooling,脳MRI,低悪性度グリオーマ,1p/19q共欠損   attention mechanism,attention pooling,brain MRI,low-grade glioma,1p/19q codeletion
■要約(日本語)
■要約(英語) The purpose of this study was to develop a computerized classification method for low-grade gliomas (LGGs) with/without 1p/19q codeletion on brain MRI using multi-scale 3D-convolutional neural networks (Multi-scale 3D-CNNs) with an attention mechanism that analyzes only the tumor region. Our database consisted of brain T2-weighted MRI images for 159 patients (102 LGGs with 1p/19q codeletion and 57 LGGs without it) from The Cancer Imaging Archive. The proposed method was constructed from a feature extractor, an attention mechanism, and a perception branch. In the feature extractor, the feature maps were extracted from input images. The attention mechanism generated the attention maps focusing on a tumor region from those feature maps. The feature maps on the tumor region were then obtained using an attention pooling with the attention maps. In the perception branch, the likelihood of LGG with 1p/19q codeletion was evaluated based on the feature maps of the tumor region. The classification accuracy, the sensitivity, the specificity, and the area under the receiver operating characteristic curve for the proposed method were 78.0%, 82.4%, 70.2%, and 0.838, showing a significant improvement when compared with the multi-scale 3D-CNNs without the attention mechanism (69.8%, 75.5%, 59.6%, and 0.717; p = 0.001).
■版 型 A4
運営会社についてBookPark個人情報保護方針電気学会ホームページ
本サービスは電気学会がコンテンツワークス株式会社に委託して運営しているサービスです。
©Contents Works Inc.