全脳アーキテクチャ若手の会カジュアルトーク

1. 全脳アーキテクチャ若手の会 カジュアルトーク (2017.4.28)
深層学習と自動医療診断を考える
全脳アーキテクチャ若手の会
@sheema_sheema

2. 自己紹介
@sheema_sheema (Twitter)
• 学生時代
• Convolutional Neural Netヲタク
• 画像認識と自然言語処理
• 現在
• 某メーカ系企業でR&D
• 全脳アーキテクチャ若手の会 副代表
• 会全体の運営 (運営メンバー大募集中!!)
1

3. 前回までのあらすじ
 カジュアルにCNN系画像認識文献64本ノック！
http://www.slideshare.net/sheemap/convolutional-neural-networks-wbafl2
2016/02: Convolutional Neural Networks (CNN) の動向
2
 2016年前半までのGANによる画像生成事例を紹介
http://www.slideshare.net/sheemap/adversarial-networks-wbafl3
2016/06: Generative Adversarial Nets (GAN) の画像生成
 2016年後半以降のCNNによる自然言語処理研究紹介
https://www.slideshare.net/sheemap/convolutional-neural-netwoks
2017/01: CNNで自然言語処理

4. 今日のおはなし
 人間は疲れる・寝る・教育に時間がかかる
 コンピュータなら格段に安定・効率化
 がん自動診断 x 画像認識の今と課題
 皮膚の悪性黒色腫を中心に
 課題を克服するためのアプローチ
2017/04: 機械学習は人の命を救えるか!?
3

5. Caution！
発表内容は私個人の見解であり，
所属組織の見解を代表するものではありません！
4

6. 目次
全脳アーキテクチャ若手の会 カジュアルトーク (17.4.28)
深層学習と自動医療診断を考える
1. 線虫，ハト，Deep Learning
2. 画像認識 x 自動診断の現在
3. Deep Learning は医者の夢をみるか？
4. まとめ
5

7. 線虫、ハト、Deep Learning
 線虫*
 ハト**
 Deep Learning
あなたはどの診断結果なら信じますか？
6
**ハトが画像で乳がん発見＝米研究チーム – WSJ
(http://jp.wsj.com/articles/SB12270577396625053624104581411204271509780), 2017年4月28日閲覧.
*線虫でがん検査 日立など、19年末の実用化めざす：日本経済新聞
(http://www.nikkei.com/article/DGXLASGG18H1O_Y7A410C1000000/), 2017年4月28日閲覧.

8. 線虫、ハト、Deep Learning
 どれが悪性黒色腫（メラノーマ）？
れっつ診断！
7

9. 線虫、ハト、Deep Learning
 どれが悪性黒色腫（メラノーマ）？
答え合わせ
8

10. 目次
全脳アーキテクチャ若手の会 カジュアルトーク (17.4.28)
深層学習と自動医療診断を考える
1. 線虫，ハト，Deep Learning
2. 画像認識 x 自動診断の現在
3. Deep Learning は医者の夢をみるか？
4. まとめ
9

11. 画像認識 x 自動診断の現在
 2016年よりスタート
 領域分割、病変パターン抽出、診断の3タスク
悪性黒色腫（メラノーマ）自動診断コンペティション*
10
* D.Gutman et al.: Skin Lesion Analysis toward Melanoma Detection: A Challenge at the International Symposium on
Biomedical Imaging (ISBI) 2016, hosted by the International Skin Imaging Collaboration (ISIC), arXiv:1605.0139, 2016.

12. 画像認識 x 自動診断の現在
 2016年よりスタート
 領域分割、病変パターン抽出、診断の3タスク
 学習データ構成(2017 ver.)：
 374 melanoma
 254 seborrheic keratosis & 1372 benign nevi
 2017年は、診断でカシオx信州大チームが優勝
悪性黒色腫（メラノーマ）自動診断コンペティション*
11
* D.Gutman et al.: Skin Lesion Analysis toward Melanoma Detection: A Challenge at the International Symposium on
Biomedical Imaging (ISBI) 2016, hosted by the International Skin Imaging Collaboration (ISIC), arXiv:1605.0139, 2016.
- 一般物体認識 (Visual Genome):
108,249枚
- 手書き数字 (MNIST):
50,000枚

13. 画像認識 x 自動診断の現在
性能は皮膚科医に匹敵するレベル
12
A. Esteva, et al.: Dermatologist-level classification of skin cancer with deep neural networks. Nature, 542, pp.115-118, 2017.
Artificial intelligence used to identify skin cancer | Stanford News (http://news.stanford.edu/2017/01/25/artificial-
intelligence-used-identify-skin-cancer/), 2017年4月28日閲覧.

14. 目次
全脳アーキテクチャ若手の会 カジュアルトーク (17.4.28)
深層学習と自動医療診断を考える
1. 線虫，ハト，Deep Learning
2. 画像認識 x 自動診断の現在
3. Deep Learning は医者の夢をみるか？
4. まとめ
13

15. Deep Learning は医者の夢を見るか？
 データ数が少ない症例への適用は困難
 解釈可能な診断根拠を提示するシステムも知られていない
 これまでの医学的知見は活かされない？
 Adversarial Example* (誤認識を起こす微細なノイズ)の存在
データもねえ、根拠もねえ、医学の知見との対応もねえ
14
* I. Goodfellow: Explaining and Harnessing Adversarial Examples. arXiv:1412.6572, 2014.

16. Deep Learning は医者の夢を見るか？
 Data Augmentation
 （従来） 回転させたり、色をいじったり
 医学的知見をData Augmentationに適用
 母斑の長軸を長く/短くするように変形データを生成
データがないなら増やせばいいじゃない
15
C. Vasconcelos,: Convolutional Neural Network Committees for Melanoma Classification with Classical And Expert
Knowledge Based Image Transforms Data Augmentation. arXiv:1702.07025, 2017.

17. Deep Learning は医者の夢を見るか？
 Transfer Learning; 転移学習
 あらかじめ全然違うデータで学習させてしまう！
 古典的な特徴量と組み合わせる！
データがないなら連れてくればいいじゃない
16
H. Ravishankar: Understanding the Mechanisms of Deep Transfer Learning for Medical Images. arXiv:1704.06040, 2017.
 GAN（画像生成法）でガン画像を生成できないか？
M. Fornaciali: Towards Automated Melanoma Screening: Proper Computer Vision & Reliable Results. arXiv:1604.04024, 2016.

18. Deep Learning は自動医療診断の夢を見るか？
 そういえば…
医学的知見との対応
17
コンペに医学知見対応タスクが！

19. Deep Learning は自動医療診断の夢を見るか？
 そういえば…
医学的知見との対応
18
3エントリー！
みんな，病変パターン抽出タスクやろう！

20. Deep Learning は自動医療診断の夢を見るか？
 一般物体認識レベルではすでに取り組みが始まってる！
Deep Learning の見える化 - 画像の言語化
19

21. Deep Learning は自動医療診断の夢を見るか？
 一般物体認識レベルではすでに取り組みが始まってる！
Deep Learning の見える化 - 識別に寄与したピクセル可視化
20
ネコ
イヌ
8の中で3っぽいところは？
DeepLIFT
Grad-CAM

22. 目次
全脳アーキテクチャ若手の会 カジュアルトーク (17.4.28)
深層学習と自動医療診断を考える
1. 線虫，ハト，Deep Learning
2. 画像認識 x 自動診断の現在
3. Deep Learning は医者の夢をみるか？
4. まとめ
21

23. まとめ
 線虫，ハト，Deep Learning
 あなたは，医者以外の診断をどこまで受け入れる？
 画像認識 x 自動診断の今
 コンペティションによる取り組み
 皮膚科医レベルの技術の出現
 Deep Learningは医者の夢を見るか？
 データ量という問題
 診断根拠の提示，医学的知見とのマッチング
22

24. Fin.
23