海の向こうでは、既に機械の方が人の画像診断の精度を凌駕している？

アメリカでは、CTやMRIの膨大な画像から特徴点を抽出して、画像診断に活用している会社があります。

出典:enlitic


このEnliticという会社は、Google発のImageNetという機械学習のツールを用いて、医師でも発見出来なかった所見を見つけることが出来るサービスを提供しているのだそうです。

We have arrived at a truly exciting time in machine learning, particularly in the domain of deep learning. Recent advances have integrated the algorithmic analysis of images, natural language, and structured data with problem-solving systems, resulting in breakthroughs such as Google's self-driving car, the Jeopardy victory by IBM's Watson, and the automatic labeling of photos by Apple and Facebook.
The rapid rate of improvement in this area is extraordinary. In 2012, Google achieved state-of-the-art results in image recognition using a cluster of 16,000 computers running in parallel. Today, just two years later, algorithms that are 400% more accurate and use only a single PC and GPU, resulting in operating costs of only a few hundred dollars. Systems based on deep learning methods can develop a basic understanding of natural language, just through exposure to books.
Our vision is to advance the state-of-the-art in machine learning and apply it to one of the most important problems facing humanity: diagnostic healthcare.(引用:enlitic)

機械学習というのは、要は沢山のデータをPCに与えると、そこからどれが同じ特徴を持つものかを精度よく調べることが出来る、というものです。沢山のデータがあればあるほど正確な結果を返すものです。よく将棋でも棋士が負けたとか話題になりますよね。最近ではGoogle Carが運転手無しで走行していたり、Facebookのタグ付けの精度も人とそう大差無いくらいになっています。

Googleが開発したImageNetという技術は、2012年に開発され、16000のコンピュータを同時に走らせて、画像認識を行うことで抽象的な概念まで認識出来るようにしたものですが、近年は技術が更に進歩して数百ドルで出来るようになっているそうです。

この技術を医療診断に用いているのが、enliticという会社なんだとか。恐らく一番成功されているのが、この会社なのではないかと思います・

Githubに、CADのソフトに関するソースコードをあげている人も何人かいました。Python,Java,PHPなどですね。

既に遠隔で読影を行う事業会社はいくつかあり、J-MACさんやドクターズネットさん、医知悟さんなどがあります。ただ、これらはCAD(コンピュータ支援診断)のシステムまでは大々的には行っていないようです。

CADについてはかなり昔から日本でも研究されていましたが、色々なしがらみがあり、なかなか実用化出来ていないようです。なんでも"規制"があるから、オプトインでやめてしまうのはもったいなくて、もう少し色々出来たらいいのにと思っています。

他にもあるにはあるみたいですが。。

画像解析を生業としてやっている会社の記事から参照しました。この会社の社長さんは私と同学年であることが分かりました。





コメント

コメントを投稿

このブログの人気の投稿

GM計数管のプラトー特性：スケーラーを使って

イメージ
  GM計数管の実験を行いました。こちらにその概要を書いておきます。 参考記事： GM計数管のあれやこれ 、 気体電離の検出器 GM 計数管には一定の印加電圧下において計数率が一定となる領域 ( プラトー ) が存在すること   プラトー領域を基準にした線源の測定、判別が行えること GM 計数管の基本原理 　 GM 計数管 は電子なだれによる気体増幅を用いて放射線を検出する計測装置である。主にβ線源の計測に有用であり、α線やγ線の電離計測も可能だが、飛程の長さによって、遮蔽を変化させなければならない。 出典： 独立行政法人 日本原子力研究開発機構 HP 本実験では、入射窓を薄い雲母（数 mg/cm ２ ）で封じた端窓型を用いる。中心電極と壁材との間に 700~1000V 程度の電圧を印加しており、入射窓から入った放射線が気体電離を起こすと、気体電離が増幅され ( 電子なだれ ) 、計数回路によって計数される。 　放射線束の計数率は非常に高いが、出力信号が電離エネルギーと比例関係に無いため、エネルギー分解能は乏しい。計数効率を高める為に、ヘリウムやアルゴンなどの不活性ガスとハロゲン気体や有機元素を用いた消滅ガスが封入される。　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　 図 1:GM 計数管の測定原理 ( 出典：一般財団法人　高度情報科学技術研究機構 ) 　 GM 計数管は非常に簡便な手法で作成することが出来るため、個人で機材を準備して安価に作成することも可能である。日本では、 2011 年 3 月 11 日以降、市民活動レベルで、個人線量測定に利用されるケースが増え、 safecast という個人線量測定のデータマッピングや utsunomiya.com という個人の開発者が自作した GM 計数管のノウハウなどが公開している。 　また、医療現場でも、放射線治療を扱う施設において放射線汚染を防ぐ為に各所に計数管が設置されている。   (2) プラトー特性 　 GM 計数管は約 1000~1300V の印加電圧領域 ( プラトー ) において、一定の計数率を示す。これをプラトー特性と呼ぶ。 GM 計数管に印加する電圧を変えて一
続きを読む

ポジトロン核種・サイクロトロン核種の覚え方

語呂合わせを先生のと、先輩のとで少し改良を加えながら。。 ポジトロン核種とは、β+崩壊をすることで飛程の短い陽電子(ポジトロン)を放出し、陽電子が電子とぶつかって放出する消滅放射線を出す核種のことです。荷電粒子を電場を使って加速させるサイクロトロンと、非荷電の中性子をターゲットにぶつける原子炉のどちらかで生成します。これがPET(Positron Emitted Tomography)検査に用いられます。 原子番号が低い為、原子番号の高い物質を標識させるSPECT製剤よりも、体の機能により近い情報が得られるのではないかと考えられます。 11C、13N、15O、18F、22Na、52Fe、68Ga・・・ポジトロン核種 C arの No は 18F 1だと 22な のだ、 ここに鉄ga 使われている。 (C)   (N)(O) (18F) (22Na)  (52Fe)(Ga) 18F ， 201Tl ， 13N ， 15O ， 11C ， 123I ， 67Ga ， 125I・・・サイクロトロン生成核種 ふ（F)たり(Tl)の(N,O)、血(C,I)が(Ga)い(I)るサイクロトロン
続きを読む

体表指標

イメージ
青本にある体表指標(これは、外人のデータなのだろうか？) 下顎角：第３頸椎：C3 喉頭隆起：第４頸椎：C4 隆椎(第7頸椎棘突起)：第１胸椎：T1 頸切痕：第２〜３胸椎：T2~T3 胸骨角：第４〜５胸椎：T4〜T5 剣状突起：第９〜１０胸椎：T9~10 肋骨弓下縁：第３腰椎：L３ 腸骨稜上縁：第４〜５腰椎：L４〜５ 上前腸骨棘：仙骨２〜３：S２〜３ 恥骨結合上縁：尾骨：Co ※尾骨は薄っぺらいので見えにくい。ダイナミックレンジ圧縮をしても見えない時もある。 そういえば、歯突起陥入症(胸鎖乳突筋の弛緩で起こる)とか、開口位とか思い出した。頸椎はX線管を側方向にして、水平から10°角度をつけて撮影するのだったと思う。確か。 腸骨稜は横にせりだしている骨で、上前腸骨棘は前にでっぱっている骨。恥骨結合は普通に触るとただの変態なのでw、実習でファントムを使って確認した方がよいと思います。
続きを読む