深部畳込みニューラルネットワークによる冠動脈造影の自動解釈【JST・京大機械翻訳】

Miyoshi, T.; Higaki, A.; Kawakami, H.; Yamaguchi, O.

プレプリント

J-GLOBAL ID：202202203962736346 整理番号：22P0259989

深部畳込みニューラルネットワークによる冠動脈造影の自動解釈【JST・京大機械翻訳】

Automated interpretation of the coronary angioscopy with deep convolutional neural networks

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2020年01月08日プレプリントサーバーでの情報更新日： 2020年01月08日
JST資料番号： O7002B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

背景:冠動脈造影(CAS)はアテローム性動脈硬化変化を評価する有用な方法であるが,画像の解釈は専門家の知識を必要とする。深部畳込みニューラルネットワーク(DCNN)は診断予測と画像合成に使用できる。【方法】2014年~2017年に当院で冠動脈造影を受けた47人の患者からの107の画像,および2000年から2019年の間に発表された142のMEDLINEインデックス論文から選択した864の画像を分析した。最初に,血管造影所見に対する予測モデルを開発した。次に,CAS画像をシミュレートするために,生成敵対ネットワーク(GAN)モデルを作成した。最後に,条件付きGANアーキテクチャによる血管造影所見に従って出力画像を制御することを試みた。結果:黄色色(YC)グレードと新生内膜カバレッジ(NC)グレードの両方について,真のグレードと予測値(YCグレード,平均r値=0.80{+/-}0.02,p値<0.001;NCグレード,平均r値=0.73{+/-}0.02,p<0.001)の間の強い相関を観察することができた。赤血栓のバイナリ分類モデルは0.71{+/-}0.03F1スコアをもたらし,ROC曲線下面積(AUC)は0.91{+/-}0.02であった。標準GANモデルは現実的なCAS画像(平均開始スコア=3.57{+/-}0.06)を生成することができた。GANベースのデータ増強は,予測モデルの性能を改善した。条件付きGANモデルにおいて,YCグレードとNCグレードにおける与えられた値と専門家診断の間に有意な相関があった。結論:DCNNは,CASのための診断支援システムの開発を助けることができる予測および生成モデリングの両方に有用である。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

人工知能 , 医用画像処理

, ,

前のページに戻る