DCNNによる腹部再構成CT画像における出血有無の自動分類

【目的】DCNN（deep convolutional neural network）を取り入れたコンピュータ診断支援システムは，多くの画像を学習することで，新たに入力された画像から異常所見を検出することができる．DCNNによる救急に特化した上腹部の異常所見を検出する報告は少ない．本研究では3断面の上腹部単純CT画像を用いたDCNNによる出血の有無の分類精度を検証する．【方法】対象画像は救急CTで上腹部を撮影した227症例（出血107，正常120）の横断像と矢状断像，冠状断像とする．検証は出血有の横断像398枚，矢状断像413枚，冠状断像427枚，出血無しの横断像478枚，矢状断像488枚，冠...

Full description

Saved in:
Bibliographic Details
Published inTransactions of Japanese Society for Medical and Biological Engineering Vol. Annual60; no. Abstract; p. 201_2
Main Authors 酒井, 健一, 笹本, 龍太, 近藤, 世範, 能登, 義幸, 宮澤, 幸太郎, 高橋, 直也
Format Journal Article
LanguageJapanese
Published 公益社団法人 日本生体医工学会 2022
Japanese Society for Medical and Biological Engineering
Online AccessGet full text
ISSN1347-443X
1881-4379
DOI10.11239/jsmbe.Annual60.201_2

Cover

More Information
Summary:【目的】DCNN（deep convolutional neural network）を取り入れたコンピュータ診断支援システムは，多くの画像を学習することで，新たに入力された画像から異常所見を検出することができる．DCNNによる救急に特化した上腹部の異常所見を検出する報告は少ない．本研究では3断面の上腹部単純CT画像を用いたDCNNによる出血の有無の分類精度を検証する．【方法】対象画像は救急CTで上腹部を撮影した227症例（出血107，正常120）の横断像と矢状断像，冠状断像とする．検証は出血有の横断像398枚，矢状断像413枚，冠状断像427枚，出血無しの横断像478枚，矢状断像488枚，冠状断像490枚を用いて，8分割交差検証を実施した．分類精度は正診率，感度，特異度，AUC（area under the curve）により評価した．DCNNには事前学習済みのDenceNet-201と他計16種類のモデルを用いた．【結果】正診率，感度，特異度，AUCは横断像では82.9％，76.6％，88.2％，0.92，矢状断像では86.9％，82.8％，90.4％，0.94，冠状断像では82.9%，76.7%，88.3%，0.91となった． 【結論】3断面いずれにおいてもAUCは0.91以上を示した．したがって，DCNNによって上腹部単純CT画像から出血症例を検出できる可能性が示唆された．
ISSN:1347-443X
1881-4379
DOI:10.11239/jsmbe.Annual60.201_2