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 |