深層学習を用いた頭部単純X線画像における撮影精度の評価

【目的】本研究では，深層畳み込みニューラルネットワーク（deep convolutional neural network: DCNN）を用いて頭部単純X線の撮影精度を評価する方法を提案する．【方法】頭部ファントムを用いて頭尾方向に対し角度が異なる4方向（4カテゴリ）の画像データを取得した．撮影精度の指標である撮影角度，再撮影の適否についてDCNNの識別能力を検証した．DCNNにはsimple networkとVGG16を用いて入力画像サイズ，評価方法を変更し分類精度を検証した．【結果】5-fold cross-validationを用いた評価において比較的小さな入力画像サイズではsimple...

Full description

Saved in:
Bibliographic Details
Published in日本放射線技術学会雑誌 Vol. 78; no. 1; pp. 23 - 32
Main Authors 林, 則夫, 小倉, 敏裕, 渡部, 晴之, 光武, 秀悦, 内山, 喜代志, 李, 鎔範, 下瀬川, 正幸, 坂口, 彩
Format Journal Article
LanguageJapanese
Published 公益社団法人 日本放射線技術学会 20.01.2022
Subjects
artificial intelligence（AI）
classification
deep convolutional neural network（DCNN）
radiograph accuracy
X-ray image
Online AccessGet full text
ISSN0369-4305
1881-4883
DOI10.6009/jjrt.780104

Cover

More Information
Summary:【目的】本研究では，深層畳み込みニューラルネットワーク（deep convolutional neural network: DCNN）を用いて頭部単純X線の撮影精度を評価する方法を提案する．【方法】頭部ファントムを用いて頭尾方向に対し角度が異なる4方向（4カテゴリ）の画像データを取得した．撮影精度の指標である撮影角度，再撮影の適否についてDCNNの識別能力を検証した．DCNNにはsimple networkとVGG16を用いて入力画像サイズ，評価方法を変更し分類精度を検証した．【結果】5-fold cross-validationを用いた評価において比較的小さな入力画像サイズではsimple networkが99.75%，VGG16が80.00%を示した．【結語】本提案手法の分類精度が99.75%を示したことから，わずかな角度差と再撮影の適否について自動認識できる可能性が示唆された．
ISSN:0369-4305
1881-4883
DOI:10.6009/jjrt.780104