6. Extreme Augmentation : Can deep learning based medical image segmentation be trained
using a single manually delineated scan?
サンプル数が少ない場合では、機械学習モデルの学習が十分に行えません
特に、医療画像ではサンプル数がすくない場合がる。
そこで、データの拡張が医療現場でも有用であることを証明した。
1. パッチ画像を取得:3次元画像を二次元にして複数回切り取る。
2. パッチ画像を拡張:パッチ画像をランダムに結合、回転、スケーリングなどを行う。
どんなもの?
技術の手法や肝は?
どうやって有効だと検証した? 椎間板のデータを用いた。
データセットを増やしたときのDice Scoreを評価。
データ数大
7. Disease Labeling via Machine Learning is NOT quite the same as Medical Diagnosis
どんなもの?
医療分野において機械学習は著しく発展し、医師を手助けできる可能性がある。
しかし、機械学習を用いて診断を行うことは以下の理由により慎重にならなければいけない。
・すべての人間はユニークであることに基づいて診断は行われる
・機械学習による診断は、数学的な限界が存在する(事前に学習できない診断はできない)
・など
以上の理由により、臨床的な価値が完全に理解されるまで機会学習による診断は制限されるべきであろう。
まとめ
• 医療分野では機械学習の発展が目覚ましく、特に画像認識による診断技術は向上している。
• 一方、サンプル数の少なさ、学習時間の長さなどの問題は未だ完全には解決されていない。
また、機械学習による診断には本質的な問題が残っている。
• 今後は、より精度が高く、手軽に学習できるモデルが望まれる。
• 医師に代わるのではなく、医師の仕事の無駄を省き、患者に向き合う余裕を作るものが望まれる。