【中止】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

【10:00-12:00】　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　
１．前処理技術のコツ と ディープラーニング精度の向上
●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

【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

---

【14:15-16:00】　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　
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
●講師　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る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