메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색

논문 기본 정보

자료유형
학술저널
저자정보
Yusuke Toyohara (Department of Obstetrics and Gynecology, Graduate School of Medicine, The University of Tokyo, Tokyo, Japan) Kenbun Sone (Department of Obstetrics and Gynecology, Graduate School of Medicine, The University of Tokyo, Tokyo, Japan) Katsuhiko Noda (SIOS Technology Inc.) Kaname Yoshida (SIOS Technology Inc.) Shimpei Kato (Department of Radiology, Graduate School of Medicine, The University of Tokyo, Tokyo, Japan) Masafumi Kaiume (Department of Radiology, Graduate School of Medicine, The University of Tokyo, Tokyo, Japan) Ayumi Taguchi (Department of Obstetrics and Gynecology, Graduate School of Medicine, The University of Tokyo, Tokyo, Japan) Ryo Kurokawa (Department of Radiology, Graduate School of Medicine, The University of Tokyo, Tokyo, Japan) Yutaka Osuga (Department of Obstetrics and Gynecology, Faculty of Medicine, The University of Tokyo, Tokyo, Japan)
저널정보
대한부인종양학회 Journal of Gynecologic Oncology Journal of Gynecologic Oncology Vol.35 No.3
발행연도
2024.5
수록면
1 - 13 (13page)
DOI
https://doi.org/10.3802/jgo.2024.35.e24

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색

초록· 키워드

오류제보하기
Objective: Magnetic resonance imaging (MRI) is efficient for the diagnosis of preoperativeuterine sarcoma; however, misdiagnoses may occur. In this study, we developed a newartificial intelligence (AI) system to overcome the limitations of requiring specialists tomanually process datasets and a large amount of computer resources. Methods: The AI system comprises a tumor image filter, which extracts MRI slices containingtumors, and sarcoma evaluator, which diagnoses uterine sarcomas. We used 15 types of MRIpatient sequences to train deep neural network (DNN) models used by tumor filter and sarcomaevaluator with 8 cross-validation sets. We implemented tumor filter and sarcoma evaluatorusing ensemble prediction technique with 9 DNN models. Ten tumor filters and sarcomaevaluator sets were developed to evaluate fluctuation accuracy. Finally, AutoDiag-AI was used toevaluate the new validation dataset, including 8 cases of sarcomas and 24 leiomyomas. Results: Tumor image filter and sarcoma evaluator accuracies were 92.68% and 90.50%,respectively. AutoDiag-AI with the original dataset accuracy was 89.32%, with 90.47%sensitivity and 88.95% specificity, whereas AutoDiag-AI with the new validation datasetaccuracy was 92.44%, with 92.25% sensitivity and 92.50% specificity. Conclusion: Our newly established AI system automatically extracts tumor sites from MRIimages and diagnoses them as uterine sarcomas without human inter vention. Its accuracyis comparable to that of a radiologist. With further validation, the system could be appliedfor diagnosis of other diseases. Further improvement of the system's accuracy may enable itsclinical application in the future.
#Keywords: Sarcoma #Magnetic Resonance Imaging #Deep Learning #Keywords #Sarcoma, Magnetic Resonance Imaging, Deep Learning

목차

등록된 정보가 없습니다.

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

최근 본 자료

전체보기

댓글(0)

0