ヘルスケア DeepCTRL:ニューラルネットワークにルールを教えて制御する試み(3/3)
１．DeepCTRL:ニューラルネットワークにルールを教えて制御する試み(3/3)まとめ ・元データが必ずしもルールに従うとは限らないのでルールの効果は元データに依存 ・DeepCTRLは再トレーニングせずにデータに合わせてルールの強さを変...
ヘルスケア
ヘルスケア ヘルスケア DeepCTRL:ニューラルネットワークにルールを教えて制御する試み(2/3)
１．DeepCTRL:ニューラルネットワークにルールを教えて制御する試み(2/3)まとめ ・ルールベースの目標を用いた学習ではパラメータに対して目標が微分可能な事が必要 ・入力特徴量に小さなランダムノイズを加える事で非微分的制約に対応可能な...
ヘルスケア DeepCTRL:ニューラルネットワークにルールを教えて制御する試み(1/3)
１．DeepCTRL:ニューラルネットワークにルールを教えて制御する試み(1/3)まとめ ・ニューラルネットワークはデータから物理法則等を学習できるが誤差が大きい ・エネルギー保存の法則など、ルールを直接学習できると効率が向上するはず ・D...
ヘルスケア COVID-19疫学のための機械学習ベースのフレームワーク(2/2)
１．COVID-19疫学のための機械学習ベースのフレームワーク(2/2)まとめ ・COVID19 ForecastHubに登録されている他のモデルをほぼ上回った ・本フレームワークでは仮定に基づいてシミュレーションができる ・特定のグループ...
ヘルスケア COVID-19疫学のための機械学習ベースのフレームワーク(1/2)
１．COVID-19疫学のための機械学習ベースのフレームワーク(1/2)まとめ ・COVID-19は大量のリアルタイムデータ生成したので高度な機械学習で予測可能になった ・特定の政策がCOVID-19の症例にどのように影響するか予測できるフ...
ヘルスケア MICLe:自己教師あり学習で医療用画像の分類精度を向上(3/3)
１．MICLe:自己教師あり学習で医療用画像の分類精度を向上(3/3)まとめ ・自己教師事前トレーニングは分布がシフトするデータセットに堅牢であった ・自己教師事前トレーニングはラベル効率が高く少ないラベルで性能向上可能 ・自己教師事前トレ...
ヘルスケア MICLe:自己教師あり学習で医療用画像の分類精度を向上(2/3)
１．MICLe:自己教師あり学習で医療用画像の分類精度を向上(2/3)まとめ ・SimCLRはデータ増強によってのみペアを構築するので医療用画像の特性を活用できない ・MICLeはマンモグラムの正面図と側面図など病理を複数視点から撮影した画...
ヘルスケア MICLe:自己教師あり学習で医療用画像の分類精度を向上(1/3)
１．MICLe:自己教師あり学習で医療用画像の分類精度を向上(1/3)まとめ ・医療画像分類にディープラーニングを適用することへの関心が高まっている ・しかし対照学習などの直近の画像分類タスクの進歩は十分に検討されていない ・医療画像分類に...
ヘルスケア ディープラーニングを使用して胸部X線画像内の未知の異常を検出(2/2)
１．ディープラーニングを使用して胸部X線画像内の未知の異常を検出(2/2)まとめ ・固有の疾患を発見するモデルが利用可能であっても、異常検出モデルは有用 ・モデルが異常を特定するために焦点を合わせた領域は放射線科医の関心領域に近い ・緊急の...
ヘルスケア ディープラーニングを使用して胸部X線画像内の未知の異常を検出(1/2)
１．ディープラーニングを使用して胸部X線画像内の未知の異常を検出(1/2)まとめ ・肺がん、結核、気胸などの特定の状態を検出する機械学習モデルはすでに開発されている ・しかし各モデルは固有の症例を検出するだけなので他の症例を見逃してしまう恐...
ヘルスケア 機械学習を使って見落としやすい腫瘍の検出を支援(2/2)
１．機械学習を使って見落としやすい腫瘍の検出を支援(2/2)まとめ ・システムは検出が特に難しいelusive polypsの見逃しを防ぎ誤検知も少ない ・ポリープが視野内にある時間が短くとも従来システムより数倍の感度を達成 ・実証実験では...
ヘルスケア 機械学習を使って見落としやすい腫瘍の検出を支援(1/2)
１．機械学習を使って見落としやすい腫瘍の検出を支援(1/2)まとめ ・内視鏡検査は米国だけで年間約1,900万件の検査が行われているが目視で行われている ・研究によると内視鏡検査中に腫瘍の22%～28%が見落とされて深刻化する可能性がある ...