Deep Learning

PixSpaceではDeepLearnig学習環境を完備しアプリケーションの開発に取り組んでいます
AutoCTR.png
 胸部X線 自動心胸郭比計測
BoneSuppresion.png
胸部X線 骨陰影抑制
CRA.png
単純CT 心臓周囲脂肪解析
NonCE-LA-Ablation.png
​非造影胸部CTアブレーション
1.Deep Learning?
 

Deep Learningは主に画像に用いられる高度な画像フィルタを強化するために用いる学習方法のことを指します。学習のさせ方は単純で「画像」に対する「答え」の組み合わせを多数準備しておき、

画像に対する答えの導き方を「様々なデータで最適になるように調整していく」というものです。

 

ここで言う「答えの導き方」を画像用に表現したものが

「Deep Convolutional Neural Network」と呼ばれる「高度な画像フィルタ」。

「画像フィルタ」はガウシアン・フィルタやラプラシアン・フィルタに代表されるものと同様で、

DeepLearningはそのフィルタの中身である数字のマトリックスを最適化する計算のことを指しています。

学習し終わった画像フィルタを製品に実装すると、これまでの信号値ベース解析以上の恩恵が受けられます。

1.セグメンテーション精度の向上。非造影のデータでもセグメンテーション可能。

2.解析に要する時間が短い。複数領域を同時に同じ時間内で抽出できる。

3.画像生成など、これまで不可能であった技術をもとに、アプリケーション開発ができる。

2.PixSpace独自のDeep Learning開発技術
 

PixSpaceはDeep Learningによる処理前に様々な手法を用い、堅牢な解析結果が得られるよう工夫しています。

一般的には事前に画像を回転させて、学習させることで撮影時の体位変化などに効果があると考えられます。

​このようなデータ準備のことを「データ増強(Data Augmentation)」と呼びます。

胸部X線画像やマンモグラフィのような2次元画像であれば画像そのものを回転させるだけですが、

CTやMRIのような3次元のボリュームデータの場合は角度を変えたMPR(多断面再構成画像)を作成します。

このため学習に用いる機材は物理メモリやGPUメモリが高度なものを用いることが推奨されています。

しかし、このようなマシンは大変高価で、気軽に始められる物ではありませんでした。

そこでPixSpaceでは最小コストで高速な学習を可能にすべく、最適な学習環境を設計しました。

Deep Learning開発実績
 
胸部X線 自動心胸郭比計測

胸部X線データから肺野と心臓領域を抽出し、正中線からの最遠距離を計測します。正中線の傾きも自動で補正。

解析はCore i5で3秒程度。計測結果をDICOM-GSPS形式で保存し、自動でサーバーに送信できます。

胸部X線 骨陰影抑制
 

胸部X線データから骨陰影を抑制する「生成モデル(Generation model)」を独自に開発。

解析はCore i5で6秒程度。生成されたDICOMデータを自動でサーバーに送信できます。

単純CT 心臓周囲脂肪解析
 

3次元化Deep Learningにより単純CTから心臓周囲脂肪領域を自動推定し、体積を計算。さらに冠動脈石灰化を自動抽出しアガストンスコアリングやボリュームスコアを自動計算。解析はCore i5で30秒程度。

 
非造影胸部CTアブレーション

3次元化Deep Learningにより非造影の胸部CTから左心房・右心房・食道を自動で抽出。形状確認が行なえます。

解析はCore i5で60秒程度。

3.Deep Learning技術開発の受託​・学習環境の販売
 

PixSpaceではお客様の要望に応じてDeep Learningを組み込んだ画像解析モジュールの開発を承っております。開発された技術はモジュール化することで画像システム内に組み込んで頂くことが可能です。さらに弊社が用いているDeep Learningの学習環境を販売しています。

 

その他、ご要望に応じてカスタマイズも可能ですので気兼ねなくご相談ください。

Untitled1.png

© 2016 PixSpace, ltd