一貫した開発プロセスで高度なAI開発を支援

医療ならではの高精度なAIモデルを構築するためには、高品質なアノテーション、精度向上のための学習施策、学習結果をフィードバックしたクレンジングが必要不可欠です。これら特殊なシーンに対して、これまで積み重ねてきた弊社の知見を生かし、医用画像を用いた高度なAI開発をサポートします。弊社では、医療機器メーカー様とのお取引が10年以上にわたって続いており、4年前よりAI・画像認識を含めた認識エンジンの開発に携わっています。

アノテーションから高精度化まで一貫したAI開発プロセスの知見で医用AI開発の課題を解決します アノテーションから高精度化まで一貫したAI開発プロセスの知見で医用AI開発の課題を解決します

バックグラウンドを理解したアノテーション

医用画像処理においては、アノテーションの対象物を識別するために、表面的なテクスチャーのほか、ランドマーク同士の相対関係なども考慮しなければならないケースがあります。このように、医師が無意識に判断している情報をうまく引き出し、可能な限り言語化していくことでアノテーション品質を高めます。
また、微妙なニュアンスの違いからアノテーター間での認識に差異が生じ、アノテーション品質へ影響を与えることがあります。認識のずれや品質への影響を最小限にとどめるため、弊社では案件ごとにルールブックを策定したり、ブレーンストーミングの時間を取るなどの対策を講じています。

実現可否の判断とデータセットの適正化

医用AIは難易度の高い学習が必要となるため、学習の段階ごとに異なる手法を適用し、実現性や教師データのバランスなどの観点から分析を実施します。
「学習データ=推論データ」とする最も簡単な問題が解けるかどうかで実現性を判断し、加えて極端に精度が低いデータの有無を確認することでアノテーション品質を判断。それらを基に、プロジェクトの継続可否と再アノテーションの要否を検討します。
また、教師データを複数に分割して学習・推論を行わせ、おのおのの結果から教師データのバリエーションと量のバランスが適正かどうかを判断します。そして、適切なデータセットとなるように調整します。

高精度化に向けて

交差検証の段階である程度の精度に至ることが予想されますが、単純な交差検証では見えないウイークポイントを見つけて対策することで、さらなるロバスト性の向上と高精度化を狙います。一般的に行われている学習データの水増しをはじめ、画像に対する前処理の適用や、そのほかの手法を適用することで実現します。

関連資料ダウンロード

Sky株式会社のソフトウェア開発に興味を持ってくださった皆さまに向けて、各種資料をご用意しました。下記よりダウンロードいただけますので、ぜひご活用ください。

関連資料ダウンロードページ

お問い合わせ

Sky株式会社は、さまざまなシステムやソフトウェアの開発および評価/検証のご依頼を承っています。ご相談やご質問がございましたら、こちらのフォームからお気軽にお問い合わせください。

パートナー企業募集

Sky株式会社では長期的なお付き合いができ、共に発展・成長に向けて努力し合えるパートナー企業様を募集しております。パートナー企業募集に関するご依頼・ご質問は、下記よりお問い合わせください。

ページのトップへ