徳島大学 教育・研究者情報データベース(EDB)

Education and Research Database (EDB), Tokushima University

徳島大学ウェブサイトへのリンク

著作: [楠瀬 賢也]/[芳賀 昭弘]/井上 瑞妃/[福田 大受]/[山田 博胤]/[佐田 政隆]/Clinically Feasible and Accurate View Classification of Echocardiographic Images Using Deep Learning/[Biomolecules]

ヘルプを読む

「著作」(著作(著書,論文,レター,国際会議など))は,研究業績にかかる著作(著書,論文,レター,国際会議など)を登録するテーブルです. (この情報が属するテーブルの詳細な定義を見る)

  • 項目名の部分にマウスカーソルを置いて少し待つと,項目の簡単な説明がツールチップ表示されます.

この情報をEDB閲覧画面で開く

EID
366093
EOID
983646
Map
0
LastModified
2020年7月31日(金) 14:22:02
Operator
大家 隆弘
Avail
TRUE
Censor
0
Owner
佐田 政隆
Read
継承
Write
継承
Delete
継承
種別 必須 学術論文(審査論文)
言語 必須 英語
招待 推奨
審査 推奨
カテゴリ 推奨 研究
共著種別 推奨 学内共著(徳島大学内研究者との共同研究 (学外研究者を含まない))
学究種別 推奨
組織 推奨
著者 必須
  1. 楠瀬 賢也
    役割 任意
    貢献度 任意
    学籍番号 推奨
  2. 芳賀 昭弘([徳島大学.大学院医歯薬学研究部.保健学域.保健科学部門.放射線科学系.医用画像情報科学])
    役割 任意
    貢献度 任意
    学籍番号 推奨
  3. (英) Inoue Mizuki / (日) 井上 瑞妃 / (読) いのうえ みずき
    役割 任意
    貢献度 任意
    学籍番号 推奨 ****
  4. 福田 大受
    役割 任意
    貢献度 任意
    学籍番号 推奨
  5. 山田 博胤([徳島大学.大学院医歯薬学研究部.医学域.連携研究部門(医学域).寄附講座系(医学域).地域循環器内科学])
    役割 任意
    貢献度 任意
    学籍番号 推奨
  6. 佐田 政隆([徳島大学.大学院医歯薬学研究部.医学域.医科学部門.内科系.循環器内科学])
    役割 任意
    貢献度 任意
    学籍番号 推奨
題名 必須

(英) Clinically Feasible and Accurate View Classification of Echocardiographic Images Using Deep Learning

副題 任意
要約 任意

(英) A proper echocardiographic study requires several video clips recorded from different acquisition angles for observation of the complex cardiac anatomy. However, these video clips are not necessarily labeled in a database. Identification of the acquired view becomes the first step of analyzing an echocardiogram. Currently, there is no consensus whether the mislabeled samples can be used to create a feasible clinical prediction model of ejection fraction (EF). The aim of this study was to test two types of input methods for the classification of images, and to test the accuracy of the prediction model for EF in a learning database containing mislabeled images that were not checked by observers. We enrolled 340 patients with five standard views (long axis, short axis, 3-chamber view, 4-chamber view and 2-chamber view) and 10 images in a cycle, used for training a convolutional neural network to classify views (total 17,000 labeled images). All DICOM images were rigidly registered and rescaled into a reference image to fit the size of echocardiographic images. We employed 5-fold cross validation to examine model performance. We tested models trained by two types of data, averaged images and 10 selected images. Our best model (from 10 selected images) classified video views with 98.1% overall test accuracy in the independent cohort. In our view classification model, 1.9% of the images were mislabeled. To determine if this 98.1% accuracy was acceptable for creating the clinical prediction model using echocardiographic data, we tested the prediction model for EF using learning data with a 1.9% error rate. The accuracy of the prediction model for EF was warranted, even with training data containing 1.9% mislabeled images. The CNN algorithm can classify images into five standard views in a clinical setting. Our results suggest that this approach may provide a clinically feasible accuracy level of view classification for the analysis of echocardiographic data.

キーワード 推奨
発行所 推奨
誌名 必須 Biomolecules(Molecular Diversity Preservation International)
(eISSN: 2218-273X)
ISSN 任意 2218-273X
ISSN: 2218-273X (eISSN: 2218-273X)
Title: Biomolecules
Title(ISO): Biomolecules
Publisher: Multidisciplinary Digital Publishing Institute (MDPI)
 (NLM Catalog  (Scopus  (CrossRef (Scopus information is found. [need login])
必須 10
必須 5
必須 E665 E665
都市 任意
年月日 必須 2020年 4月 25日
URL 任意
DOI 任意 10.3390/biom10050665    (→Scopusで検索)
PMID 任意 32344829    (→Scopusで検索)
CRID 任意
WOS 任意
Scopus 任意 2-s2.0-85083901945
評価値 任意
被引用数 任意
指導教員 推奨
備考 任意
  1. (英) Article.ELocationID: E665

  2. (英) Article.ELocationID: 10.3390/biom10050665

  3. (英) Article.PublicationTypeList.PublicationType: Journal Article

  4. (英) KeywordList.Keyword: artificial intelligence

  5. (英) KeywordList.Keyword: echocardiography

  6. (英) KeywordList.Keyword: view classification