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、
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。
・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。
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。
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。
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。
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
2. 機械学習を用いた放射線治療の予後予測
馬込さんからは「機械学習を用いた放射線治療の予後予測」と題した講演がありました。
馬込氏スライド1
今後ますます伸びてくる分野の一つとして、CAD(computer-aided diagnosis)があります。これはコンピュータが画像情報の分析を行い、それで得られた情報を医師が積極的に利用する診断です。
さらに、昨今ブームになっている機械学習を医療分野に用いることで、以下のような応用があります。
さらに、昨今ブームになっている機械学習を医療分野に用いることで、以下のような応用があります。
馬込氏スライド2
パターン認識、機械学習手法を用いることによって、予測精度が向上すると馬込さんは主張します。
しかし、現状では質の高いデータが不足しているという問題点もあります。活発に大規模データベースが作成されています。
しかし、現状では質の高いデータが不足しているという問題点もあります。活発に大規模データベースが作成されています。
馬込氏スライド3
これからの医用画像処理には大規模な質の高い、包括的なビッグデータが必須です。
3. 最後に
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。