第19回Machine Learning 15minutes!で使用したスライドです

1. Holoeyes Inc.

3. 患者のCTデータから作成

4. 肝臓がん術前カンファレンス 都⽴墨東病院

5. オペ室ではMixed Realityを使う

6. 術野に3Dを表⽰

7. VRで脊椎へのスクリューのインプラント

8. スクリューの位置からバーチャルな棒を⽴てる

9. ⾚ちゃんの様⼦をMixed Realityで表⽰

10. 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

11. HoloEyes は医療の世界で
VRとAIで
デジタルトランスフォーメーション
を推進します。

12. Machine Learningのニーズ

13. Segmentation

14. Marchine Cube

15. Polygon

16. Segmentation Challengeを発⾒

22. 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。

23. 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

24. 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

28. データセット
MRI
解像度 320 * 320 * 20
セット数 : 50

29. セグメンテーションシステムの構成
画像⼊⼒
正規化
Data Augmentation
VNet
Connected component analysis
DICOM出⼒

30. 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

31. VNet
3D(Volume)の
セグメンテーション
Down ConvとUp Conv
学習条件・環境
30000 step
azure GPU K80
Caffe

32. Connected Component Analysis
空間連結
⾮連結領域の除去

33. 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。

34. CTスキャンデータをChainerベースの
システムで学習、セグメンテーション