【Live配信セミナー 1/11】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

＜セミナー　No.301122＞

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

★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)

----------------------------------------------------------------------------------
■講師

１．コンピュータイメージングラボ 河畑 則文 氏
２．山口大学 間普 真吾 氏

■聴講料
１名につき５５,０００円（消費税込/資料付き）
１社２名以上同時申込の場合のみ１名につき４９,５００円（税込）

大学、公的機関、医療機関の方には割引制度があります。詳しくはお問い合わせください。

２名以上同時にお申込される場合、２人目以降の方の情報は
【弊社への連絡事項がございましたら、こちらにお書きください】欄に
ご入力をお願いいたします

■Live配信セミナーの受講について
・本講座はZoomを利用したLive配信セミナーです。セミナー会場での受講はできません。
・下記リンクから視聴環境を確認の上、お申し込みください。
　→ https://zoom.us/test
・開催日が近くなりましたら、視聴用のURLとパスワードをメールにてご連絡申し上げます。
　セミナー開催日時に、視聴サイトにログインしていただき、ご視聴ください。
・Zoomクライアントは最新版にアップデートして使用してください。
・パソコンの他にタブレット、スマートフォンでも視聴できます。
・セミナー配布資料は印刷物を郵送いたします。
・当日は講師への質問することができます。可能な範囲で個別質問にも対応いたします。
・本講座で使用される資料や配信動画は著作物であり、録音・録画・複写・転載・配布・上映・販売等を禁止いたします。
・本講座はお申し込みいただいた方のみ受講いただけます。
　 複数端末から同時に視聴することや複数人での視聴は禁止いたします。
・Zoomのグループにパスワードを設定しています。部外者の参加を防ぐため、パスワードを外部に漏洩しないでください。
　万が一部外者が侵入した場合は管理者側で部外者の退出あるいはセミナーを終了いたします。

プログラム                                                                                                             

10:00-12:00　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　
第１部　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　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　
第２部　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