covid疑いあり Development and Evaluation of an AI System for COVID-19 Diagnosis ● 1. スライスごとに肺野の切り出し ● 2. 切り出された肺野ごとに特徴抽出 ● 3. 全スライスの特徴をマージして最終的な予測 1: CT画像からcovid-19の疑いを発見
● このような、解剖学的な診断はもちろんAI化しやすい ● 骨折・骨粗鬆症etc 2: X線画像から変形性関節症の診断 変形性関節症 “A preliminary examination of the diagnostic value of deep learning in hip osteoarthritis”
3: マンモグラフィからの乳がんの発見 “International evaluation of an AI system for breast cancer screening” 乳がん ● 経験を積んだ医師ならマンモグラフィからで精度よく診断できる ● メジャーな問題設定で、Google等の企業も取り組んでいる
● このように、診断は画像の種類・疾患の種類によらず広く研究されている ● モデルはやはり一般物体認識用のモデル 4: 眼底画像からの緑内障の診断 “Glaucoma Diagnosis with Machine Learning Based on Optical Coherence Tomography and Color Fundus Images” 緑内障
12: CT画像補正 ● 低線量化あるいは撮影時間短縮した場合の画像劣化を補正 ● 従来手法より高画質,高速 High quality imaging from sparsely sampled computed tomography data with deep learning and wavelet transform in various domains, Lee, Choi, et.al., 2018 Low-Dose CT with a Residual Encoder-Decoder Convolutional Neural Network (RED-CNN), Chen, Yi Zhang, 2017
16: 腫瘍マーカーの機械学習利用 ● 各マーカーの基準値との比較との比較として用いられている腫瘍マーカーを複数まとめ て学習に用いることで、悪性・良性の判定を高精度に行う・性質の分類など、腫瘍の発 見以上のことができる ● 逆にいま基準値ベースなのは、人間が検査をする以上、複雑すぎるモデルはミスを産 むから? ○ 生存を予測するスコアなども存在するが非常にざっくり “Application of Artificial Intelligence for Preoperative Diagnostic and Prognostic Prediction in Epithelial Ovarian Cancer Based on Blood Biomarkers.” 手術後 悪性 or 良性 腫瘍マーカー タイプ予測 悪性 or 良性
20: 腫瘍マーカーが似ているクラスタの自動発見 ● 腫瘍マーカー同士の関係性を見るために、クラスタの自動発見を行なった ● 2つのクラスタに分けたところ、術後の再発可能性とクラスタの間に関係が見つかった (事実との関係の発見) ● このクラスタは既知の分類では無いので医学上の進歩につながる可能性がある “Application of Artificial Intelligence for Preoperative Diagnostic and Prognostic Prediction in Epithelial Ovarian Cancer Based on Blood Biomarkers.” マーカーの値 各患者
● まずCT画像の小さな領域同士がにてるかにてないかを判定し、いくつかのクラスタに分 ける ● その後CT画像全体を全部小さな領域に分ければ、CT画像の色ぬりができる ● 浸潤がん・非浸潤がん・その他とほぼ一致した ● という話だけど、できるならお金かけてラベルつけた方がいいと思う 21: CT画像を自動で塗り分け “Unsupervised Segmentation of 3D Medical Images Based on Clustering and Deep Representation Learning”