X線画像診断におけるAI(デイープ・ラーニング)利用

医療分野の人工知能(AI)は、医療診断の速度と精度の両方を改善するため威力を発揮すると考えられている。しかし、臨床医がX線などの画像の状態を識別するためにAI(デイープ・ラーニング)の力を利用する前に、アルゴリズムを「学習させる」必要がる。

しかしAIシステムを鍛えるためのコントロール画像が不足しているため、画像で病変を特定することは未解決の課題である。トロント大学の研究チームは、機械学習を使用してコンピュータで生成されたX線画像を作成し、AIトレーニングのパターンを増やす新しいアプローチを開発した。

研究チームは複雑な症例のX線画像をシミュレートし作成しているので、測定されたX線画像と比較してニューラルネットワークを学習させた。これはAIには、膨大なデータが必要であるが、特殊な症例の画像が不足していためである。研究チームはAIG技法(DCGAN)を使用して、X線画像を生成し判断能力を改善するために、画像を生成するニューラルネットワークと合成画像を実際の画像と区別するニューラルネットワークで構成されたアルゴリズムを使用した。

 

DCGANの手順のブロック図を以下に示す。DCGANとはDeep Convolutional Generative Adversarial Network[の略で、デイープラーニングの著者が開発したモデルGAN(Generative Adversarial Network)の一つで画像判別に成功を収めている。

 

ekmaTe1

Credit: creativeal 

 

十分な数のX線画像が生成されると、それらは実際のX線と組み合わされて深い畳み込みニューラルネットワークを学習させる。 X線画像シミュレーションによる人工知能のトレーニングで画像分類精度が一般的な条件で20%向上した。

 

1 trainingarti

Credit: Hojjat Salehinejad/MIMLab

You have no rights to post comments

スポンサーサイト

Copyright© 2013.   放射線ホライゾン rad-horizon.net   All Rights Reserved.