冠動脈 CT における石灰化とステントの自動分類のためのDCNN 構造最適化

機関リポジトリ Web Site オープンアクセス

書誌事項

タイトル別名
  • Structure optimization of deep convolutional neural network for automatic classification of calcifications and stents in coronary computed tomography angiography
  • カンドウミャク CT ニ オケル セッカイカ ト ステント ノ ジドウ ブンルイ ノ タメ ノ DCNN コウゾウ サイテキカ

この論文をさがす

説明

【目的】本研究の目的は coronary computed tomography angiography（CCTA）におけるコンピュータ支援診断システムの要素技術として、石灰化またはステントを有する冠動脈と通常の冠動脈の断面像を高精度に自動分類することである。【方法】49 症例の CCTA 画像から再構成した冠動脈の直交断面画像 72,051 枚（石灰化群 13,035 枚、ステント群 14,382 枚、正常群 44,634 枚）を用いた。Deep convolutional neural network（DCNN）には一般に公開されている VGG-16 から畳み込み層を 6 層増やした VGG-22を使用した。この VGG-22 から全結合層の中間層数を 3層から 5 層と増やした。対象画像のうち 64,846 枚を学習データに、7,205 枚をテスト画像に使用した。Holdout 検証を 7 回行い、各群の的中率を算出し、3 種類のDCNN を比較した。【結果】石灰化群の的中率は 3 層では 95.3％、4 層では95.6％、5 層では 95.9％であった。また、ステント群の的中率は 3 層では 99.2％、4 層では 98.9％、5 層では99.3％であった。【結論】DCNN の全結合層を増やすことにより、CCTAを用いた石灰化とステントの自動分類精度を向上させることができる。本研究結果は、CCTA による冠動脈疾患のトリアージに有効である。

収録刊行物

関連プロジェクト

もっと見る

キーワード

詳細情報 詳細情報について

問題の指摘

ページトップへ