作成者 :(株)クラスキャット セールスインフォメーション
作成日 : 01/10/2019
ClassCat® TF / ONNX Hub とは
「ClassCat® TF / ONNX Hub」はクラスキャットが提供する実用性の高い機械学習モデルのレポジトリです。各モデルは TensorFlow 固有フォーマットと ONNX フォーマットの両者で提供されます。 [ClassCat® ONNX Hub 詳細]
- ONNX (Open Neural Network Exchange) は深層学習モデルのためのオープンなフォーマットで、異なるオープンソースの深層学習フレームワーク間の相互作用を可能にします。
「ClassCat TF / ONNX Hub」で提供されるモデルについてはクラスキャットが検証の上で仕様を公開致しますので、ユーザ企業は希望するモデルを自由に選択することができます。更に (ユーザ企業の保持するデータセットによる) 再調整も含めて配備・実運用するために必要なトータルサポートを提供致します。
本ページでは提供モデル群として 医療画像処理モデル の代表例を紹介致します。
医療画像処理モデルの紹介
以下に代表的なモデル例を紹介します :
胸部レントゲン画像の肺炎の位置特定
最初に取り上げるモデル例は比較的最近 Kaggle から出題された、RSNA Pneumonia Detection Challenge (RSNA – 北米放射線学会 – 肺炎検出チャレンジ) に対応したモデルです。
医療画像は通常 DICOM 形式で提供されますが、 この課題は一般的なフォーマットに変換すれば後は物体検出タスクになりますのでそれほど難しくはありません。以下の画像例のように信頼度ともに位置特定が可能です :
|
 |
胸部レントゲン画像の疾患の分類
上の例は物体検出課題でしたが、次に NIH (National Institutes of Health) が配布しているデータセット (NIH プレスリリース) を利用して分類モデルを構築してみます。
胸部レントゲン画像の分類では、各種疾患 : 肺炎, 肺拡張不全 (無気肺), 心臓肥大, 合併症, 肺水腫, 肺気腫, 結節, 肺線維症 etc. の画像を認識することができます。
以下は胸部レントゲン画像のサンプルと認識された疾患です。精度は疾患の種類により多少異なりますがおおよそ 80 % 〜 90 % の精度が獲得できます :
 |
 |
 |
| 正常 | 心臓肥大 | 合併症 |
血液細胞検出
医療画像処理では物体検出やセマンティック・セグメンテーション技法が利用されるケースが多いですが、単純なケースでは一般物体検出モデルの再調整だけで対応できます。
以下の画像例は血液細胞検出で、赤血球、白血球そして血小板を検出しています。
肺がん検出
より複雑な、CT スキャン画像から肺ガンを検出するモデルとして肺がん検出モデルがあります。さわりだけですが詳細は こちら。
以上