★AIによる医療診断の開発と実践を推し進めるための、前処理技術のコツ！
★教師データが少ない状況における画像の活用法！(分類・調整・変換など)

AIによる医療用画像診断システムの

ディープラーニング精度の向上・高確率解析の実現

【提携セミナー】

主催：株式会社技術情報協会

講座内容

AIによる医療用画像診断システムの開発では，情報科学技術を活用した医用画像工学の知識や研究が重要である。医療の専門従事者の使用環境は様々で、ユーザーのニーズに対応していく必要がある。画像を認識・検出・処理・評価するだけではなく、効率の良い前処理アルゴリズムを設計することで、ディープラーニングの精度が向上する。本講演では、私の専門である情報科学分野からアプローチした最近の研究紹介を含め、AIによる医療用画像診断の開発と実践のための「前処理技術のコツとディープラーニング精度の向上」について考えていく。

AI学習を効果的に行うには、ビッグデータと対応する教師ラベルが重要である。一方、医療に対するAI活用の期待は大きいものの、大量の教師データが得にくい分野でもある。様々な臓器や疾患の種類、検査装置によって取得されたデータに対して頑健なAI診断システムを構築すには十分な教師データが必要であるが、倫理審査、教師ラベル付与の労力どの点で収集が難しい。したがって、限られた教師データから得られる情報を可能な限り活用して性能の高いAI学習を行う方式が重要である。本講演では、主に胸部画像を対象にした事例をもとに、様々な学習方式の解説を行う。

習得できる知識

AIによる医療診断の開発と実践を推し進めるための、前処理技術のコツ

担当講師

コンピュータイメージングラボ コンピュータイメージング研究部門 代表 河畑 則文 氏

山口大学 大学院創成科学研究科工学系学域知能情報工学分野 教授 間普 真吾 氏

セミナープログラム（予定）

１．前処理技術のコツ と ディープラーニング精度の向上

コンピュータイメージングラボ コンピュータイメージング研究部門 代表 河畑 則文 氏

【講座趣旨】

AIによる医療用画像診断システムの開発では，情報科学技術を活用した医用画像工学の知識や研究が重要である。医療の専門従事者の使用環境は様々で、ユーザーのニーズに対応していく必要がある。画像を認識・検出・処理・評価するだけではなく、効率の良い前処理アルゴリズムを設計することで、ディープラーニングの精度が向上する。本講演では、私の専門である情報科学分野からアプローチした最近の研究紹介を含め、AIによる医療用画像診断の開発と実践のための「前処理技術のコツとディープラーニング精度の向上」について考えていく

【講座内容】

１．はじめに

• AIによる医療用画像診断システムの開発における概要
• 情報科学分野からアプローチする医用画像工学の研究背景

２．研究紹介（前処理を中心に）

• 符号化欠損領域の自動検出を想定した医用画像データの前処理技術
• 質感情報に基づく画像の領域分割に関する医用画像データの前処理技術
• 超解像に関する医用画像データの前処理技術
• コントラスト強調に関する医用画像データの前処理技術

３．研究紹介（ディープラーニングを中心に）

• 敵対的生成ネットワークを用いた医用画像データの前処理技術
• 顕著性マップを用いた医用画像データの前処理技術
• セマンティックセグメンテーションを用いた医用画像データの前処理技術
• 医用画像データに適用可能なスパースコーディング技術

４．ディジタルトランスフォーメーション (DX) 時代に求められる研究開発

• 数理・データサイエンス教育研究と医療DX
• 360度カメラ画像とクロスリアリティの活用と医療DX

５．前処理技術のコツとディープラーニング精度の向上に向けて，総合討論とプロジェクト事例

２．少ない教師データを用いた高効率解析を実現するためのメソッド

山口大学 大学院創成科学研究科工学系学域知能情報工学分野 教授 間普 真吾 氏

【講座趣旨】

AI学習を効果的に行うには、ビッグデータと対応する教師ラベルが重要である。一方、医療に対するAI活用の期待は大きいものの、大量の教師データが得にくい分野でもある。様々な臓器や疾患の種類、検査装置によって取得されたデータに対して頑健なAI診断システムを構築すには十分な教師データが必要であるが、倫理審査、教師ラベル付与の労力どの点で収集が難しい。したがって、限られた教師データから得られる情報を可能な限り活用して性能の高いAI学習を行う方式が重要である。本講演では、主に胸部画像を対象にした事例をもとに、様々な学習方式の解説を行う。

【講座内容】

①教師データ収集の問題点

• 教師あり学習と教師なし学習

②少ない教師データに対応するための様々な方式

• 「教師なし学習」と胸部CT画像の分類
• 「自己教師あり学習」と胸部CT画像の分類
• 「ドメイン変換」による異なる施設の画像特徴の自動調整
• 教師なしドメイン変換
• 半教師ありドメイン変換
• 胸部CT画像および甲状腺組織画像（HE染色画像）の分類
• 「異常検知」による異常データの収集コストの軽減
• 複数の深層学習モデルを組み合わせた異常検知方式
• 半教師あり学習型異常検知方式
• 「転移学習」による学習の効率化
• 医療画像における転移学習の事例

公開セミナーの次回開催予定

開催日

未定

開催場所

未定

受講料

未定

技術情報協会主催セミナー　受講にあたってのご案内

• Live配信セミナーの接続確認・受講手順は こちら をご確認ください。
• お申込み・お支払い方法に関するご案内はこちら をご確認ください。

備考

資料は事前に紙で郵送いたします。

お申し込み方法

★下のセミナー参加申込ボタンより、必要事項をご記入の上お申し込みください。

※お申込後はキャンセルできませんのでご注意ください。

※申し込み人数が開催人数に満たない場合など、状況により中止させていただくことがございます。