公開日•更新されました
この記事をシェアする 
画期的な深層学習研究により、がん患者や神経患者の 100,000 件の MRI スキャンを数年ではなく数分でラベル付けできます。
磁気共鳴画像法 (MRI スキャン) は、数多くの病状を診断するために不可欠です。がんから神経疾患まで。
しかし、検査中に撮影された各画像に正確にラベルを付けるには時間がかかり、医療スタッフが病気をどれだけ早く正確に特定できるかに影響を与える可能性があります。
現在、ロンドンのキングス・カレッジの研究者らはプロセスの自動化で画期的な進歩を遂げ、最大10万件のMRI脳検査のラベル付けが、手動で完了するには何年もかかるのではなく、わずか30分で完了できるようになった。
同大学の生物医工学画像科学部の研究チームは、複数のニューラル ネットワークで処理される複数のアルゴリズムを含む、いわゆる「ディープ ラーニング」を通じて機械学習画像認識システムを教える必要がありました。
これは、放射線医学レポートからラベルを取得し、それらを対応する MRI 検査に正しく割り当てるようにシステムをトレーニングすることによって行われました。
キングス・カレッジは、この研究は研究者が複雑なMRIデータセットを大規模にラベル付けできるようにする初めての研究であり、その詳細はヨーロッパの放射線学。
研究者らによると、ディープラーニングでは通常、可能な限り最高の画像認識パフォーマンスを達成するために、数万枚のラベル付き画像を処理する必要があります。
大規模なデータセットはボトルネックに等しい
しかし、このプロセスは、複雑な画像データセット用の深層学習システムの開発においてボトルネックとなっています。
この研究の上級著者であるトム・ブース博士は、「このボトルネックを克服することで、将来の深層学習の画像認識タスクが大幅に容易になり、これによりほぼ確実に自動脳MRI読み取り装置の臨床現場への導入が加速するだろう」と述べた。
「最終的にはタイムリーな診断によって患者に利益がもたらされる可能性は非常に大きいです。」
同氏は、モデルが画像だけでなく目に見えないラベルの両方を使用しているかどうかも評価されたと付け加えた。
「これは明白に思えるかもしれませんが、医療画像分野でこれを行うのは困難でした。なぜなら、専門の放射線科医からなる大規模なチームが必要だからです。幸いなことに、私たちのチームは臨床医と科学者の完璧な融合体です」とブース氏は語った。
この研究の筆頭著者であるデイビッド・ウッド博士は、この研究は自然言語処理における最近の画期的な進歩に基づいていると述べ、この研究では英語版のウィキペディアと（オープンアクセスの研究リポジトリ）PubMed Centralの抄録や全文を含む、ラベルのないテキストの膨大なコレクションが使用されていたと述べた。テキスト記事。
「オープンアクセス科学の精神に基づき、できるだけ多くの人がこの研究から恩恵を受けられるように、私たちはコードとモデルを他の研究者にも利用できるようにしました」と彼は付け加えた。
