お知らせ 2023年度・2024年度 学生員 会費割引キャンペーン実施中です
お知らせ 技術研究報告と和文論文誌Cの同時投稿施策(掲載料1割引き)について
お知らせ 電子情報通信学会における研究会開催について
お知らせ NEW 参加費の返金について
電子情報通信学会 研究会発表申込システム
講演論文 詳細
技報閲覧サービス
[ログイン]
技報アーカイブ
 トップに戻る 前のページに戻る   [Japanese] / [English] 

講演抄録/キーワード
講演名 2021-03-16 13:45
肺移植後FDG-PET ~ Deep Learningによる拒絶反応予測と判断根拠の可視化 ~
堀 圭佑千葉大)・岩男悠真高橋美和子放射線医学総研)・椎谷洋彦東大/北大)・佐藤雅昭東大)・山谷泰賀放射線医学総研MI2020-73
抄録 (和) 肺移植後早期のFDG-PETから慢性拒絶の兆候をいち早く掴むことを課題として,肺移植モデルラットを対象にFDG-PET画像と炎症の病理診断結果を関連付ける研究を行った.今回,ImageNetで学習済みのVGG16を使用し,肺移植後3週目のFDG-PET画像から6週目の病理診断結果を予測したところ,最も精度の高かったエポックで感度96%,特異度91%と高い精度で予測することができた.さらに入力画像の特徴量を削減した場合の予測精度の変化から深層学習の判断根拠を分析し,病理予測には左肺下部の情報が重要である可能性を示した. 
(英) We conducted a study to correlate FDG-PET images with pathological diagnosis of inflammation in lung transplantation (LTx) model rats, with the task of detecting early signs of chronic rejection from FDG-PET after LTx. In this study, we used VGG16 pre-trained on ImageNet to predict the pathological diagnosis at 6 weeks from FDG-PET images at 3 weeks after LTx, and the most accurate epoch was 96% in sensitivity and 91% in specificity. Furthermore, we analyzed the basis for deep learning from the change in prediction accuracy by reducing the features in the input image, and showed that the information in the lower part of the left lung may be important for pathological prediction.
キーワード (和) 肺移植 / FDG-PET / Deep Learning / / / / /  
(英) Lung Transplantation / FDG-PET / Deep Learning / / / / /  
文献情報 信学技報, vol. 120, no. 431, MI2020-73, pp. 108-111, 2021年3月.
資料番号 MI2020-73 
発行日 2021-03-08 (MI) 
ISSN Online edition: ISSN 2432-6380
著作権に
ついて
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034)
PDFダウンロード MI2020-73

研究会情報
研究会 MI  
開催期間 2021-03-15 - 2021-03-17 
開催地(和) オンライン開催 
開催地(英) Online 
テーマ(和) 医用画像一般(メディカルイメージング連合フォーラム) 
テーマ(英) Medical Imaging 
講演論文情報の詳細
申込み研究会 MI 
会議コード 2021-03-MI 
本文の言語 日本語 
タイトル(和) 肺移植後FDG-PET 
サブタイトル(和) Deep Learningによる拒絶反応予測と判断根拠の可視化 
タイトル(英) Deep Learning prediction of lung transplant rejection from FDG-PET and visualization of the basis for the decision 
サブタイトル(英)
キーワード(1)(和/英) 肺移植 / Lung Transplantation  
キーワード(2)(和/英) FDG-PET / FDG-PET  
キーワード(3)(和/英) Deep Learning / Deep Learning  
キーワード(4)(和/英) /  
キーワード(5)(和/英) /  
キーワード(6)(和/英) /  
キーワード(7)(和/英) /  
キーワード(8)(和/英) /  
第1著者 氏名(和/英/ヨミ) 堀 圭佑 / Keisuke Hori / ホリ ケイスケ
第1著者 所属(和/英) 千葉大学 (略称: 千葉大)
Chiba University (略称: Chiba Univ.)
第2著者 氏名(和/英/ヨミ) 岩男 悠真 / Yuma Iwao / イワオ ユウマ
第2著者 所属(和/英) 国立研究開発法人量子科学技術研究開発機構放射線医学総合研究所 (略称: 放射線医学総研)
National Institutes for Quantum and Radiological Science and Technology, National Institute of Radiological Sciences (略称: QST)
第3著者 氏名(和/英/ヨミ) 高橋 美和子 / Miwako Takahashi / タカハシ ミワコ
第3著者 所属(和/英) 国立研究開発法人量子科学技術研究開発機構放射線医学総合研究所 (略称: 放射線医学総研)
National Institutes for Quantum and Radiological Science and Technology, National Institute of Radiological Sciences (略称: QST)
第4著者 氏名(和/英/ヨミ) 椎谷 洋彦 / Haruhiko Shiiya / シイヤ ハルヒコ
第4著者 所属(和/英) 東京大学/北海道大学 (略称: 東大/北大)
University of Tokyo/Hokkaido University (略称: UTokyo/Hokkaido Univ.)
第5著者 氏名(和/英/ヨミ) 佐藤 雅昭 / Masaaki Sato / サトウ マサアキ
第5著者 所属(和/英) 東京大学 (略称: 東大)
University of Tokyo (略称: UTokyo)
第6著者 氏名(和/英/ヨミ) 山谷 泰賀 / Taiga Yamaya / ヤマヤ タイガ
第6著者 所属(和/英) 国立研究開発法人量子科学技術研究開発機構放射線医学総合研究所 (略称: 放射線医学総研)
National Institutes for Quantum and Radiological Science and Technology, National Institute of Radiological Sciences (略称: QST)
第7著者 氏名(和/英/ヨミ) / /
第7著者 所属(和/英) (略称: )
(略称: )
第8著者 氏名(和/英/ヨミ) / /
第8著者 所属(和/英) (略称: )
(略称: )
第9著者 氏名(和/英/ヨミ) / /
第9著者 所属(和/英) (略称: )
(略称: )
第10著者 氏名(和/英/ヨミ) / /
第10著者 所属(和/英) (略称: )
(略称: )
第11著者 氏名(和/英/ヨミ) / /
第11著者 所属(和/英) (略称: )
(略称: )
第12著者 氏名(和/英/ヨミ) / /
第12著者 所属(和/英) (略称: )
(略称: )
第13著者 氏名(和/英/ヨミ) / /
第13著者 所属(和/英) (略称: )
(略称: )
第14著者 氏名(和/英/ヨミ) / /
第14著者 所属(和/英) (略称: )
(略称: )
第15著者 氏名(和/英/ヨミ) / /
第15著者 所属(和/英) (略称: )
(略称: )
第16著者 氏名(和/英/ヨミ) / /
第16著者 所属(和/英) (略称: )
(略称: )
第17著者 氏名(和/英/ヨミ) / /
第17著者 所属(和/英) (略称: )
(略称: )
第18著者 氏名(和/英/ヨミ) / /
第18著者 所属(和/英) (略称: )
(略称: )
第19著者 氏名(和/英/ヨミ) / /
第19著者 所属(和/英) (略称: )
(略称: )
第20著者 氏名(和/英/ヨミ) / /
第20著者 所属(和/英) (略称: )
(略称: )
講演者 第1著者 
発表日時 2021-03-16 13:45:00 
発表時間 15分 
申込先研究会 MI 
資料番号 MI2020-73 
巻番号(vol) vol.120 
号番号(no) no.431 
ページ範囲 pp.108-111 
ページ数
発行日 2021-03-08 (MI) 


[研究会発表申込システムのトップページに戻る]

[電子情報通信学会ホームページ]


IEICE / 電子情報通信学会