一覧に戻る

タイトル	ja 冠動脈CT画像における石灰化とステントの高精度な自動分類を目的とした深層学習改良の試み en Deep learning improvement for accurate automatic classification of calcification and stents in coronary computed tomography angiography
作成者	ja 長谷川, 晃 ja-Kana ハセガワ, アキラ en Hasegawa, Akira ja 吉田, 皓文 ヨシダ, アキフミ Yoshida, Akifumi ja 児玉, 直樹 ja-Kana コダマ, ナオキ en Kodama, Naoki
主題	Other en deep convolutional neural network Other en wide residual network Other en rectified linear unit Other en dropout Other en coronary computed tomography angiography
内容注記	Abstract ja 本研究の目的は，coronary computed tomography angiography（CCTA）画像から石灰化とステントを高精度に分類する深層学習を構築することである．深層学習にWide Residual Network（WRN）50-2，WRN50-4，WRN50-8を構築した．さらにDropoutを追加し，出力層の活性化関数をrectified linear unit（ReLU）に変更した．WRN50-2で活性化関数をReLU，Dropout確率が0.6で正診率が0.7738となった．従ってWRN50にDropoutを追加することとReLUに変更することは有効である． Abstract en The purpose of this study was to construct a deep learning algorithm to accurately classify calcification and stent from coronary computed tomography angiography (CCTA) images. 23,256 orthogonal cross-sectional images of coronary arteries from 24 CCTA images were used. Wide Residual Network (WRN) 50-2, WRN50-4, and WRN50-8 were constructed as deep learning. In addition, we added Dropout and changed the activation function of the output layer to rectified linear unit (ReLU) to compare the classification accuracy of calcification and stent. When the activation function was set to ReLU and the probability of Dropout was set to 0.6 in WRN50-2, the classification accuracy was the highest (0.7738). Therefore, it was suggested that adding Dropout and changing to ReLU to WRN50 were effective.
出版者	ja 日本診療放射線技師会
日付	Issued2022-04-01
言語	jpn
資源タイプ	journal article
出版タイプ	VoR
資源識別子	URI https://nsg.repo.nii.ac.jp/records/2000021
関連	ICHUSHI 2022155170 ja 医中誌 isIdenticalTo URI https://www.jart.jp/docs/ib0rgt00000082k5.pdf ja 日本診療放射線技師会
収録誌情報	NCID AA1257505X PISSN 21872538 ja JART = 日本診療放射線技師会誌 巻69 号4 開始ページ365 終了ページ371
コンテンツ更新日時	2025-11-01