Post on 22-Jan-2018
CEO/CTO ⾕⼝直嗣 3D、VR、ロボットに 精通するテクノロジスト
COO 杉本真樹 外科医、 国際医療福祉⼤学准教授
CSO 新城 健⼀ AllAbout創業から 上場までプロデューサーとして参画。
Medical * Technology * Internet
論⽂調査のポイント
肝臓、すい臓、⻭などの論⽂を調査
その後、先⽇ダウンロードした全24論⽂を 以下の点について横断的に調査
どんなデータセットを採⽤しているか? フレームワークの種類、プログラムの公開状況、および計算の再現性。
医⽤画像セグメンテーションの特徴1
データセット セット数が少ない: ⼤体数⼗セット
Data Augmentation 数⼗万オーダにデータを増やす
対象の特徴に合わせた⼿法 elastic deformationなど
医⽤画像セグメンテーションの特徴2ネットワーク
CNN (U-net含む) VNet, Cumedなど3次元セグメンテーションもある
loss関数 クロスエントロピー, DICE係数など
データフォーマット DICOM形式 / MHD形式
CT値/MRI信号強
Data Augmentation
ヒストグラムマッチング ヒストグラムを変換し、原画像のコントラスト変える
Image Deformation B-spline変換
B-splineでの近似曲線のパラメータを変換
他に医⽤画像系では、回転、反転なども
CaffeからChainerへCaffeのネットワークの記述はprototextに定義
全部Pythonのコードの⽅が気持ちがいい
マルチGPUを考えてChainerを採⽤
data augmentationはchainer.dataset.DatasetMixinクラスを⽤いて実装することで動的に⽣成できる。
これでGPUで全計算可能、かつcaffeではできなかった動的⽣成により精度向上も期待される。