肺疾患検出器クラウドサービスのお問い合わせ

約2週間の間で多くのお問い合わせを頂きまして有難う御座います。

医療画像の機械学習にご興味を持たれている方が多いことを改めて実感致しました。

ご質問の内容が多い順に回答したいと思います。

 

Q1.モデル作成のスペックと作成時間を教えて下さい。

A1.CPU:i7-7700K メモリ:64GB GPU:GTX1080ti×1 HDD:2TB SSD:1TB

OS:Ubuntu16.04 Python:3.6 CUDA:8.0 cuDNN:6

nnArchitecture:DENSENETxxx BatchSize:16 MaxEpoch:100

テスト・トレーニング・バリデーションデータは公式通りです。

Pytorch:8時間(mean:0.847)

Keras:17時間(mean:0.823)

MaxEpoch数を100に設定しましたが、結果論として、30-40の範囲で検出力がピークに達しました。

 

Q2.Web検出器の仕組みはどういうものですか?

A2.学習プロセスとしてデータ(画像、疾患ラベル)を元に機械学習させてモデルデータを作成します。

Web検出器では、学習プロセスで生成したモデルデータに新たな画像データを当てはめた疾患種の

結果値に対して高い3疾患を選択し結果値をGrad_CAMで視覚化させています。

現段階での焦点(※1)として(議論されていますが)NIHベースで作成されたモデルデータを日

本国内で撮影した画像データを当てはめることで導出された結果(疾患種)にどこまでの有意性が

あるか見定める必要があり、また、転移学習として作成したモデルデータを再学習させる必要があ

ります。オンラインまたはバッチ処理で学習させるかも現場との調整を要します。

作成したモデルデータの元画像と新たに検出させる画像データの画像自体の質、疾患ラベルの精度

も検討の上、GANを用いた画像データの生成方法も事前に考慮しなければなりません。

※1「Variable generalization performance of a deep learning model to detect pneumonia in chest

radiographs: A cross-sectional study」

 

回答できていないご質問については、追って回答する様に致します。

コメントを残す

メールアドレスが公開されることはありません。 * が付いている欄は必須項目です