ディープラーニングによるアノテーションとセグメンテーションによって、モデルの開発と医用画像の解析を大幅に加速させることができます。とはいえ、パフォーマンスと精度の高いディープ ニューラル ネットワークを一から開発するのは、困難で時間のかかる作業です。多くの場合、必要となるデータセットの莫大なコストと精度が、開発者の直面する二大障壁となります。そこで NVIDIA は、医用画像処理の分野におけるイノベーションを加速させるため、医用画像処理用に Transfer Learning Toolkit (転移学習ツールキット) と AI Assisted Annotation (AI 支援アノテーション) SDK を発表します。
NVIDIA Transfer Learning Toolkit
NVIDIA Transfer Learning Toolkit (TLT) は、医用画像処理分野のディープラーニング アプリケーション開発者が、NVIDIA のトレーニング済みモデルを活用し、使いやすいトレーシング ワークフローにて、各自のデータセットでモデルを微調整し再トレーニングを行えるように設計されています。
TLT は Python パッケージであり、各モデルは NVIDIA の Pascal、Volta、Turing の各 GPU に対して最適化され、トレーニングが行われているため、最高水準の精度が得られます。
NVIDIA は「MICCAI 2018」において、オートエンコーダーの正則化を用いた 3D MRI による脳腫瘍セグメンテーションの BrATS チャレンジで 1 位を獲得しました。医用画像処理ソフトウェア用 TLT の一部として、NVIDIA はそのトレーニング済みモデルを初回の一般リリースで提供します。TLT 内から簡単にアクセスできる公開データセットでトレーニングが行われたこれらのモデルには、多様な MR データに対する 3D 脳腫瘍セグメンテーションや、門脈相の CT データに対する 3D 膵臓および腫瘍セグメンテーションなどが含まれます。
NVIDIA Transfer Learning Toolkit を利用することで、開発者は、開発を加速させ、アプリケーションの構築に必要なコンピューティング リソースを削減することができます。また研究者は、トレーニング済みのモデルを各自の研究に拡張することも可能です。使いやすい API によって、開発者はこのテクノロジをすばやく適応させ、利用することができます。
TLT ワークフローを用いたモデルは、Clara プラットフォームに容易に展開して推論を行うことも可能です。
TLT は、NVIDIA の Tesla 製品と DGX 製品向けに提供されます。
NVIDIA AI Assisted Annotation
放射線科医は、治療や診断のことになると、患者の 1 つの 3D ボリューム データを検査するのに数時間を費やします。これは、CT や MRI で撮影した画像をスライスごとに調べ、気になる臓器や異常の抽出、アノテーション、補正を手作業で行う必要のある、単調で面倒な作業です。しかもこの作業を、その 3D ボリューム データに含まれる特定の臓器や異常のすべての画像スライスに対して繰り返します。
NVIDIA の AI Assisted Annotation SDK は、この作業を 10 倍のスピードで劇的に加速させ、異常の早期発見を支援します。アプリケーション開発者やデータ サイエンティストは、AI Assisted Annotation SDK を既存のアプリケーションに統合して、X 線撮影に AI 支援型ワークフローを取り入れることで、この利点を得ることができます。
この SDK は NVIDIA の Transfer Learning Toolkit を利用して自動的に学習を継続するため、新たにアノテーションが行われた画像をすべてトレーニング データとして使用して、付属のトレーニング済みディープラーニング モデルの精度をさらに向上させることができます。
MGH & BWH Center for Clinical Data Science でエグゼクティブ ディレクターを務めるマーク ミカルスキー (Mark Michalski) 氏は、次のように述べています。「NVIDIA の AI Assisted Annotation テクノロジを手に入れてから 2 日間で既存のビューアーに取り入れることができました。今では大量の画像にアノテーションを行えるようになり、その数は 1 日で千枚を超えることもあります。つまり、この作業の自動化に役立つあらゆるテクノロジが、アノテーションの時間とコストの削減に大きな効果をもたらす可能性を秘めているということです。AI 支援型のワークフローを利用して、このような医用画像処理の重要な問題を NVIDIA とともに解決できることを大変嬉しく思います。」
NVIDIA の AI Assisted Annotation SDK と、既存のアプリケーションにこの SDK を統合して医用画像処理に AI 支援型ワークフローを取り入れる方法に関心をお持ちの方は、ぜひこちらからお申込みください。
NVIDIA のヘルスケア担当責任者であるアブドゥル ハミド ハラビ (Abdul Hamid Halabi) は、次のように説明します。「研究と臨床の両環境にうまく AI を導入するには、放射線科全体の参加が不可欠です。Annotation SDK によって、放射線科は、既存のワークフロー内でデータの価値を容易に引き出せるようになります。また、Transfer Learning Toolkit を利用することで、放射線科医は、使用するすべての AI アプリケーションを患者に適応させることができます。」
※Transfer Learning Toolkit の名称は 2021 年 8 月に TAO Toolkit に変更されました。