メッドサポートシステムズとNTTデータが脳MRI画像診断領域において商用利用に向けたAI画像診断支援ソリューションの実証実験を開始

今日は、画像処理の正規化について学んでいきましょう。

まずは、NTTデータが11月29日にプレスリリースした以下の記事からどうぞ。

---

メッドサポートシステムズの画像診断情報システムのノウハウとNTTデータのAI技術を用い、脳MRI撮影画像に対するAI診断支援エンジンとAI診断支援実証用ビューアを開発し、その有用性を評価します。
メッドサポートシステムズとNTTデータは、2020年3月までに本実証実験を完了し、2020年度内をめどにサービス展開を目指します。これにより、急性期の診断支援から人間ドックなどの予防医療への支援まで、幅広い範囲の読影業務において、医療の質向上を伴った診断作業の効率化を目指します。

情報元：

https://www.nttdata.com/jp/ja/news/release/2019/112900/

---

【解説】画像処理の正規化

ある決まりに従ってデータ処理を行い、特徴量を際立たせたり、無駄な情報を排除して処理しやすくすることをいいます。

正規化の種類

正規化には、以下のようなものがあります。

• バッチ正規化：正規化(以下、実装方法参照）
• 主成分分析：次元圧縮
  
• 特異値分解：次元圧縮
  
• 局所コントラスト正規化：局所領域の減算正規化と除算正規化
  
• ZCA whitening：白色化

正規化の実装

正規化をPythonで実装する方法を紹介します。

• バッチ正規化

バッチ正規化は、以下のようにデータの前処理にではなく、中間層で正規化処理を入れることで 勾配消失・爆発を起こすことなく学習係数を大きくでき、その結果、学習の収束速度を向上できるといわれています。

　　# tensorflowの場合
    from tflearn.layers.normalization import batch_normalization
    # 畳み込み層のあと、全結合層のあと（ReLUの前）に以下を挿入する。
    batch_normalization()

    # kerasの場合
    from tflearn.layers.normalization import batch_normalization
    # 畳み込み層のあと、全結合層のあと（ReLUの前）に以下を挿入する。
    model.add(BatchNormalization())