ディープニューラルネットワーク(DNN)は医療診断，自動運転など安全性が重要なシステムに利用され始めており，品質保証のためモデルの好ましくない動作(バグ)を特定し修正することで安全性を担保する必要がある．既存の研究では、DNNのバグ修正に対して様々なアプローチが提案されており，追加データを作成し再学習による修正，再学習を伴わない重みの直接調整，アーキテクチャ自体を変更する手法などがある．本研究では比較的計算・時間コストを抑えることのできる再学習せず直接重みを変更する手法でバグ修正を行い精度の高いモデルにするためにSBFL手法を用い疑惑値を直接パスに付与する手法を提案しその性能を評価する．