2019-01-04 23:54:11 +0000 2019-01-04 23:54:11 +0000
2
2

医用画像スキャンのための機械学習

私は、機械学習とコンピュータビジョンの領域で興味のあるトピックを探しています。具体的には、医用画像スキャンの分類やスキャンの将来の状態を予測するためにコンピュータビジョンを適用できるかどうかを研究しています。私は医療従事者ではないので、この問題を実現可能なものにフレーム化するために、画像スキャンのトピックをもう少し研究したいと思っています。

私が知りたいのは :

画像スキャン技術の現状は？

弱点は何ですか？

知らないことが多く、何から手をつけて基礎知識を身につけていいのかわかりません。

本の推薦を歓迎します。例えば、この本は始めるのに良い場所だと思います。例えば、"Medical Imaging for Health Care Provider: Practical Radiograph Interpretation “ : https://www.amazon.com/Medical-Imaging-Health-Care-Provider-ebook/dp/B01HUNOJPG

この研究に使用しようとしているデータセットは「DeepLesion」です https://www.nih.gov/news-events/news-releases/nih-clinical-center-releases-dataset-32000-ct-images

Update : これが良いスタート地点のようです : Medical imaging - image quality?

Update 2:

私は、DeepLesionの画像と注釈付きデータを利用して、スキャンの将来および/または現在の状態を診断するAIを開発することを目指しています。スキャンの未来の状態」とは、スキャンの属性の未来の状態を予測することです。属性とは、DeepLesionのアノテーションされたデータセットに含まれるもので、病変の直径、患者の性別、患者の年齢などが含まれています。

現段階では、AIモデルが診断や予後を行うことを目的としているのではなく、医療従事者が診断や予後を行う際に役立つ属性の予測を提供することを目的としています。

私が検討している他のタイプのより高レベルの予測/分類は、肝臓、肺、腎臓の病変を検出することです。

予測の種類は、利用可能なデータの種類に依存します。これは私の研究の焦点を絞るのに役立ちます。
ソース

回答 (2)

5
5
5
2019-01-05 17:36:28 +0000

一般的に使用される画像診断法は以下の通りです。

  • 超音波検査
  • X線検査
  • コンピュータ断層撮影 (CT)
  • 磁気共鳴画像法 (MRI)
  • シンチグラフィまたは放射性核種スキャン (放射性トレーサーを静脈に注入し、それが特定の臓器、例えば甲状腺に集まるまで待ち、スキャナーでトレーサーの分布を撮影する)

上記のすべての技術にはいくつかのバリエーションがあり、例えばドップラー超音波検査、造影を伴うMRIなどがあります。ウィキペディアのMedical Imagingには、個々の記事へのリンクを持つ、より詳細な技術の「インデックス」があります。

生物学SEでは、 オープンアクセス画像 を提供しているサイトのリストがあり、その中には症例の説明が付いているものもあります。本を買う前に、どんな本が自分の目的に合っているのかを明確にしておくことを強くお勧めします。医者や医学生にとって優れた本であっても、あなたにとっては役に立たないこともあります。また、超音波検査の問題点はCTとは大きく異なりますので、一度に全ての画像を調べるのではなく、まずはONEの画像検査を選び、少し調べてみることをお勧めします。

画像診断技術の弱点の例。

  • CTとMRIは、少なくとも高価である。
  • X線検査では、周囲の組織よりも放射線不透過性が有意に高いか低いかの病変のみを示すことができる（例えば、カルシウムを豊富に含む胆石のみを示すことができ、それ以外の病変を示すことはできない）。
  • 胆嚢のMRIでは、癌ではないポリープと癌を確実に区別することはできない ラジオグラフィック )。
  • 最も一般的な問題は、おそらく、CTやMRIスキャンの感度（病変を検出する能力）が高いにもかかわらず、特異度（病変の正確な種類を明らかにする/予測する能力）が低いことです。

医療従事者にとってよくある質問で、画像撮影後に解決されないことが多いのは、「病変ががん化しているのか、がん化する可能性はどの程度か」ということです。例えば、10mm以上の胆嚢ポリープは小さいものに比べてがん化する可能性が有意に高いのですが、例えば5mm以降でリスクが高まるのか、15mm以降でリスクが高まるのかは明らかではありません。また、画像検査では、がんが近くの臓器に転移しているかどうかがわからないこともあります。

EDIT:

CT画像で病変を予測するには、正常なCT画像がどのように見え、病変がどのように見えるかを知る必要があります。病変とは何かという知識は、多くのCT画像の比較と、手術中に発見された実際の物理的状況から得られたものです。さて、この知識をCT画像で自分の目で見る以上のものに拡張するためには、多くのCT画像と手術の結果を（コンピュータプログラムを使って）比較する必要があります。

これには、経験豊富な放射線科医、外科医、コンピュータの専門家が数名参加するプロジェクトが必要になると思います。

これには経験豊富な放射線科医、外科医、コンピュータの専門家が数名参加するプロジェクトが必要になるだろうと想像する。CT画像で検出された異常な胆嚢成長における胆嚢癌の予測因子は何か？何千ものCT画像と手術結果を比較して、最終的な関連性を見つける必要がある。
ソース
1
1
1
2019-03-02 20:53:07 +0000

私も医用画像診断に携わる研究者として、推薦したいと思います。スキャンから病変径、患者の性別、患者の年齢を予測することに興味があるとのことですが、放射線科医がスキャンを読むときには、その情報はカルテにあるので、すでに患者の性別や年齢がわかっています。しかし、放射線科医がスキャンを読影する際には、患者の性別や年齢はカルテに記載されていますので、すでに把握しています。また、スキャンの理由も知っています。例えば、「スミスさんは肺がんの既往歴のある55歳の女性です」というような表示が、スキャン自体と一緒に表示されることがよくあります。(そして、患者のカルテをクリックして、望めばカルテのすべてを見ることができます)。ですから、すでに医師に知られていることは予測しない方がいいと思います。DeepLesionデータセットを使ってできるクールな医用画像処理は他にもたくさんあります。

参考になると思われる他のリソースをいくつか紹介します。

1.基本的な放射線学における胸部解剖学 および放射線学における腹部解剖学 2. 放射線学的位置の用語 ](https://glassboxmedicine.com/2019/01/22/anatomy-for-radiology-terms-of-location/) 3. 正常な胸部レントゲンの読み方 ] (https://glassboxmedicine.com/2019/02/10/radiology-normal-chest-x-rays/). 胸部レントゲンはCTではありませんが、医用画像診断の勉強を始めたばかりの方は、胸部レントゲンから始めてCTに移行した方が簡単です 4. 腹部CTの解釈 ](https://www.youtube.com/watch?v=Eg3GeUmOeYE).
ソース