| Item type |
学術雑誌論文 / Journal Article(1) |
| 公開日 |
2020-12-20 |
| タイトル |
|
|
タイトル |
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 |
|
言語 |
ja |
| タイトル |
|
|
タイトル |
Structure optimization of deep convolutional neural network for automatic classification of calcifications and stents in coronary computed tomography angiography |
|
言語 |
en |
| 言語 |
|
|
言語 |
jpn |
| キーワード |
|
|
言語 |
ja |
|
主題Scheme |
Other |
|
主題 |
深層学習 |
| キーワード |
|
|
言語 |
ja |
|
主題Scheme |
Other |
|
主題 |
構造調整 |
| キーワード |
|
|
言語 |
ja |
|
主題Scheme |
Other |
|
主題 |
冠動脈 CT |
| キーワード |
|
|
言語 |
ja |
|
主題Scheme |
Other |
|
主題 |
石灰化 |
| キーワード |
|
|
言語 |
ja |
|
主題Scheme |
Other |
|
主題 |
ステント |
| キーワード |
|
|
言語 |
en |
|
主題Scheme |
Other |
|
主題 |
deep learning |
| キーワード |
|
|
言語 |
en |
|
主題Scheme |
Other |
|
主題 |
structure adjustment |
| キーワード |
|
|
言語 |
en |
|
主題Scheme |
Other |
|
主題 |
coronary computed tomography angiography (CCTA) |
| キーワード |
|
|
言語 |
en |
|
主題Scheme |
Other |
|
主題 |
calcification |
| キーワード |
|
|
言語 |
en |
|
主題Scheme |
Other |
|
主題 |
stent |
| 資源タイプ |
|
|
資源タイプ識別子 |
http://purl.org/coar/resource_type/c_6501 |
|
資源タイプ |
journal article |
| タイトル（英） |
|
|
|
en |
|
|
Structure optimization of deep convolutional neural network for automatic classification of calcifications and stents in coronary computed tomography angiography |
| 著者 |
長谷川, 晃
吉田, 皓文
二木, 来菜
李, 鎔範
|
| 抄録 |
|
|
内容記述タイプ |
Abstract |
|
内容記述 |
【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。 |
|
言語 |
ja |
| 抄録 |
|
|
内容記述タイプ |
Abstract |
|
内容記述 |
Purpose ： The purpose of this study was to classify coronary arteries with calcifications or stents and normal coronary arteries with high accuracy as a computer-aided diagnosis system in coronary computed tomography angiography (CCTA). Methods ： Altogether, 49 CCTA scans were taken retrospectively. We obtained 72,051 cross-sectional images of coronary arteries (13,035 calcified images, 14,382 stent images, and 44,634 normal images) among CCTA images. For the deep convolutional neural network (DCNN), we used VGG-22 with six additional convolutional layers from the publicly available VGG-16. From VGG-22, the number of intermediate layers in the full connected layers were increased from three to five. On the target images, 64,846 images were used as training data, and 7,205 images were used as test images. We performed hold-out validation at seven times, calculated accuracy and positive predictive value of each group, and compared the three DCNNs. Results ： The positive predictive value of the calcified group was 95.3% for 3 full connected layers, 95.6% for 4 layers, and 95.9% for 5 layers. The positive predictive value of the stent group was 99.2% for 3 layers, 98.9% for 4 layers, and 99.3% for 5 layers. Conclusion ： The accuracy of automatic classification with calcifications and stents using CCTA can be improved by increasing the fully connected layer of DCNN. The results show that DCNN is effective for triage of coronary artery disease using CCTA. |
|
言語 |
en |
| 内容記述 |
|
|
内容記述タイプ |
Other |
|
内容記述 |
原著論文 |
|
言語 |
ja |
| 書誌情報 |
ja : 新潟医療福祉学会誌
巻 20,
号 2,
p. 9-15,
発行日 2020-11-30
|
| 出版者 |
|
|
出版者 |
新潟医療福祉学会 |
|
言語 |
ja |
| ISSN |
|
|
収録物識別子タイプ |
PISSN |
|
収録物識別子 |
1346-8774 |
| ONLINE ISSN |
|
|
|
2435-9777 |
| 書誌レコードID |
|
|
収録物識別子タイプ |
NCID |
|
収録物識別子 |
AA11614531 |
| 著者版フラグ |
|
|
出版タイプ |
VoR |
|
出版タイプResource |
http://purl.org/coar/version/c_970fb48d4fbd8a85 |
| フォーマット |
|
|
内容記述タイプ |
Other |
|
内容記述 |
application/pdf |
| 資源タイプ |
|
|
内容記述タイプ |
Other |
|
内容記述 |
論文(Article) |
| 資源タイプ・NII |
|
|
|
Journal Article |
| 資源タイプ・DCMI |
|
|
|
text |
https://nsg.repo.nii.ac.jp/record/5183/files/009_015_w2002.pdf (899.3 kB)
