医療画像がディープラーニングの次の対象分野である理由

Deep learning banner

j従来、放射線X線、超音波、NMR を含む医療画像は、異常検出に人間の目の柔軟性が必要でした。コンピュータは、忙しい背景や反射グレアなどの画質の問題によって混乱することがあります。つまり、従来のマシンビジョンアルゴリズムでは、特に構造化されていない場面で対象物や対象領域を正確に見つけて異常を特定することは非常に困難でした。自動化されたシステムが無関係な特徴を無視しながら対象地域を正常に識別するには、時間がかかり、困難な場合があります。

それでも現在、ディープラーニングによる画像分析は、繰り返し確実に生物学的異常の探索を自動化できます。これは、今日の放射線科医の役割を変えています。医療画像処理にコンピュータ支援診断 (CAD) が使えるようになりました。身体の正常な外観から腫瘍など、特定の異常や違いを探す場合、Cognex Deep Learning は、検査官の柔軟性とコンピューターシステムの速さと確実さを組み合わせることができます。2 つの特殊なツールがこのプロセスを支援します。位置決めツールは、背景が紛らわしくコントラストが乏しい場合でも、特定の臓器などの関心領域を識別します。欠陥検出ツールは、トレーニング画像セットで、対象臓器の正常な外観と特殊な異常の参照モデルを作成します。それによって、対象ゾーンの正常な生理機能外のあらゆる異常を欠陥としてフラグ付けできます。

たとえば、ディープラーニングを使用したツールで、X線で臓器やインプラントをローカライズして識別できます。位置決めツールは、特定の臓器独自の特徴を学習させることで、その臓器を検出します。対象となる特徴にマークが付いた画像があれば位置決めツールをトレーニングすることができます。同様に、コグネックスのディープラーニング欠陥検出ツールのような、ディープラーニングベースの欠陥検出およびセグメンテーションツールを使用すれば、医療画像の異常を特定するのに役立ちます。欠陥検出ツールは、サンプル画像セットに基づき、臓器の正常な外観と特殊な異常の参照モデルを作成します。対象領域における正常な生理機能から逸脱する異常は、放射線専門家による CAD コンピュータ支援診断でフラグ付けされます。

医療画像における新しいディープラーニング アプリケーションに関する詳細は、無料ガイド:コグネックスのライフサイエンス用ディープラーニング

関連するブログ:

製品のサポートやトレーニングなどの詳細を見る

マイコグネックスに参加