非造影CTとMPR画像からの冠動脈の狭窄深刻度推定

• Item type: SIG Technical Reports(1)
• 公開日: 2025-01-14
• タイトル: 非造影CTとMPR画像からの冠動脈の狭窄深刻度推定
• タイトル / 言語: en
• タイトル: Stenosis Severity Prediction of Coronary Arteries with Non-contrast and MPR images
• 言語: jpn
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: 豊橋技術科学大学
• 著者所属: 豊橋技術科学大学
• 著者所属: 豊橋ハートセンター
• 著者所属: 豊橋ハートセンター
• 著者所属: 豊橋ハートセンター
• 著者所属: 豊橋ハートセンター
• 著者所属(英): en
• 著者所属(英): Toyohashi University of Technology
• 著者所属(英): en
• 著者所属(英): Toyohashi University of Technology
• 著者所属(英): en
• 著者所属(英): Toyohashi Heart Center
• 著者所属(英): en
• 著者所属(英): Toyohashi Heart Center
• 著者所属(英): en
• 著者所属(英): Toyohashi Heart Center
• 著者所属(英): en
• 著者所属(英): Toyohashi Heart Center
• 著者名: 青野, 雅樹; 浅川, 徹也; 清水, 一生; 橋本, 雅史; 宮地, 健史; 野村, 契
• 著者名(英): Masaki, Aono; Tetsuya, Asakawa; Kazuki, Shimizu; Masashi, Hashimoto; Takeshi, Miyaji; Kei, Nomura
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 深層学習を用いて、非造影CT画像と造影CT画像から変換されたMPR（Multi-Planar Reformatted）画像の2種類の冠動脈画像から狭窄の深刻度を推定する方法を述べる。非造影CT画像スライス群には、3D構造を導入し、3DのDNNをファインチューニングして利用する。一方、MPR画像には、2DのDNNをファインチューニングして利用する。いずれの方法でも、冠動脈に狭窄があるかないかの判定、また、狭窄がある場合、その深刻度の推定を試みる。冠動脈の狭窄深刻度の指標には、0.0（完全に健康）から100.0（完全な狭窄または閉塞）までの値を持つQCA（定量的冠動脈造影）値を採用する。深刻度の予測には、回帰的なアプローチと分類的なアプローチを用いた。従来のAngiography（血管造影法）による狭窄深刻度のアプローチとの直接的な比較はできないが、我々の提案手法のうち、非造影CT画像のアプローチでは、患者にもまたQCA値を計算する放射線技師に対しても、患者や技師らへの負担が少なく、同時に比較的高精度で狭窄深刻度を推定できたことを報告する。
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: In this paper, we present our investigations on methods toward predicting stenosis severity from two types of coronary artery images; Non-contrast CT images and MPR (Multi-Planar Reformatted) images converted from contrast CT images. For non-contrast CT images, we introduce 3D DNNs pretrained with Kinetics movies, while for MPR images, we apply 2D DNNs to attempt to estimate the stenosis severity of coronary arteries. In both approaches, we adopt QCA (Quantitative Coronary Angiography) values ranging from 0.0 (complete healthy) to 100.0 (complete stenosis, or occlusion) as the indicator of stenosis severity. We formulate the problem both as a classification problem and a regression problem. Through our experiments, we demonstrate that both approaches (i.e. 3D DNN and 2D DNN approaches) resulted in favorable performance in terms of AUC (Area Under Curve) of each class. The regression is used just for the sake of the confirmation of the behavior of good models among classifiers.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AA11131797
• 書誌情報: 研究報告コンピュータビジョンとイメージメディア（CVIM）; 巻 2025-CVIM-240, 号 12, p. 1-6, 発行日 2025-01-14
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-8701
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会