2016年11月17日 更新

人工知能エンジニアMeetUp!#3〜医療ビッグデータの活用〜のまとめ

先日、「人工知能エンジニアMeetUp」と題して、医療ビッグデータの活用に関する講演がありましたのでその模様をご紹介します。

1,574 view お気に入り 1
今回イベントにご参加いただいた皆様、ありがとうございました!至らぬところも多々あったことと思いますが、改善してこれからもより良いイベントを作っていけるよう、努力していきます!最後に、ご多忙の中、講演の依頼を引き受けてくださった木田氏、馬込氏に心から感謝いたします。
先日、「人工知能エンジニアMeetUp」と題して、医療ビッグデータの活用に関する講演がありました。

今回講演をしてくださったのは、

・木田 智士 氏

東京大学工学部物理工学科卒。東京大学大学院医学系研究科にて博士( 医学)取得。 東京大学医学部附属病院 放射線科, William Beaumont Hospital, University of California, DavisにてCT画像再構成・線量最適化の研究に従事。資格は、医学物理士、第1種放射線取扱主任者等。研究テーマは、医用画像工学全般。
 (2365)

・馬込 大貴 氏

九州大学大学院博士(保健学)。日本学術振興会特別研究員PDとして東京大学医学部附属病院、ミネソタ大学にてTotal Marrow Irradiationの臨床治験に従事。2016年4月より駒澤大学医療健康科学部講師。資格は、医学物理士、診療放射線技師等。研究分野は、コンピュータ支援放射線治療システム開発。
 (2368)

のお二人でした。

この記事ではそれらの内容を説明しながら、講演の様子を紹介したいと思います。

1. 放射線医学分野における医用画像処理・画像解析

「放射線医学分野と医用画像処理」とを絡めた分野について木田さんにご講演をいただきました。

放射線治療におけるCTは以下のような役割をもっています。
木田氏スライド1

木田氏スライド1

木田氏スライド2

木田氏スライド2

CTにより取得した画像データを利用する方法として、以下の3つの方法があげられるようです。

1:画像再構成  -> 被曝を抑えながら高画質に
2:画像位置合わせ  -> 照射領域、位置の精度が重要
3:パターン認識  -> 過去のデータから推測

今回の講演では、これらが全てある評価関数の最適化で決まるということ、そして昨今流行しているDeepLearningによる機械学習の方法も同じであることを講演してくださいました。
木田氏スライド3

木田氏スライド3

26 件

関連する記事 こんな記事も人気です♪

Deep learningで画像認識③〜ネオコグニトロンとは?〜

Deep learningで画像認識③〜ネオコグニトロンとは?〜

Deep learningは、画像認識において大きな成功を収めています。そこで用いられる多層ネットワークは、畳み込みニューラルネットワーク(convolutional neural network:CNN)と呼ばれており、画像認識に適した独特の構造を持っています。
木田智士 | 5,080 view
Deep learningで画像認識②〜視覚野と畳み込みニューラルネットワーク 〜

Deep learningで画像認識②〜視覚野と畳み込みニューラルネットワーク 〜

前回に引き続き、Deep learningで画像解析についてご紹介します。今回は、畳み込みネットが画像認識に適している理由を解説しようと思います。
木田智士 | 3,475 view
LP-tech2周年記念#人気記事のまとめ#第10位〜第6位

LP-tech2周年記念#人気記事のまとめ#第10位〜第6位

LP-techが始まってから2周年を迎えました。ここまでLP-techを続けることができたのも読者の皆様のおかげだと思っています。そこで、LP-techの感謝祭ということで、人気の記事を第20位から第1位までをご紹介します。今回は第10位〜第6位までです。
Deep learningで画像認識⑩〜Kerasで畳み込みニューラルネットワーク vol.6〜

Deep learningで画像認識⑩〜Kerasで畳み込みニューラルネットワーク vol.6〜

U-Netと呼ばれるU字型の畳み込みニューラルネットワークを用いて、MRI画像から肝臓の領域抽出を行ってみます。
木田智士 | 1,926 view
Deep learningで画像認識⑨〜Kerasで畳み込みニューラルネットワーク vol.5〜

Deep learningで画像認識⑨〜Kerasで畳み込みニューラルネットワーク vol.5〜

U-Netと呼ばれるU字型の畳み込みニューラルネットワークを用いて、MRI画像から肝臓の領域抽出を行ってみます。
木田智士 | 3,368 view

この記事のキーワード

この記事のキュレーター

エルピクセル編集部 エルピクセル編集部