MITの研究者は、医療用スキャンを分析して脳の病状の診断と治療を支援する機械学習モデルなどの学習に用いられる画像から、より多くの情報を抽出する新しい手法を考案しました。
医療分野で活発な新領域として、アルツハイマー病や多発性硬化症などの神経疾患・神経障害に関連する脳スキャン内の構造パターンを検出するために、ディープラーニングモデルを学習させることがあります。しかし、学習データの収集には多大な労力がかかります。各スキャン内のすべての解剖学的構造を、神経学の専門家が個別に輪郭を描いたり手作業でラベルを付けたりしなければならないからです。さらに、小児の希少な脳疾患などの場合には、そもそも利用可能なスキャンが数枚しかないこともあります。
最近開催されたComputer Vision and Pattern Recognition会議で発表された論文で、MITの研究者は、1つのラベル付きスキャンとラベルのないスキャンを用いて、異なる学習用サンプルからなる膨大なデータセットを自動的に合成するシステムについて説明しています。このデータセットを用いることで、新しいスキャン内の解剖学的構造を見つけ出す機械学習モデルの学習を改善できます。学習データが多いほど、予測の精度は高まります。
この研究の核心は、「画像セグメンテーション」の工程のためのデータを自動生成することにあります。画像セグメンテーションとは、画像をより意味があり分析しやすいピクセルの領域に分割する処理です。そのためにシステムは、画像処理タスクにおいて強力な手法となっている機械学習モデルである畳み込みニューラルネットワーク（CNN）を使用します。このネットワークは、異なる患者と異なる機器によるラベルのないスキャンを大量に分析し、解剖学的な明るさやコントラストの違いを「学習」します。次に、学習したこれらの違いのランダムな組み合わせを、1つのラベル付きスキャンに適用し、現実的かつ正確にラベルが付いた新しいスキャンを合成します。合成された新しいスキャンは、新しい画像をセグメント化する方法を学習する別のCNNに入力されます。
「現実的な状況、つまり学習データが多くない場合でも、画像セグメンテーションをより利用しやすくできればと期待しています」と、筆頭著者であるAmy Zhao氏は語ります。同氏は、Electrical Engineering and Computer Science（EECS）学部およびComputer Science and Artificial Intelligence Laboratory（CSAIL）に在籍する大学院生です。「私たちの手法では、ラベルのないスキャンの違いを模倣するよう学習させることで、ネットワークを訓練するための大規模データセットを賢く合成できます。」
Zhao氏によると、このシステムは、たとえばMassachusetts General Hospitalにおける予測分析モデルの学習に活用することへの関心があるとのことです。同病院では、小児患者に見られる特にまれな脳の病状について、ラベル付きスキャンが1枚か2枚しかない場合があるといいます。
Zhao氏とともに論文に参加しているのは、EECSおよびCSAILのポスドクであるGuha Balakrishnan氏、EECSの教授であるFredo Durand氏およびJohn Guttag氏、そして上席著者であり、ハーバード・メディカル・スクールの放射線科の教員も務めるAdrian Dalca氏です。
システムの背景にある「Magic」
現在は医療画像に応用されていますが、このシステムはもともと、人気のコレクタブルカードゲーム「Magic: The Gathering」のカードに関する情報を識別して取得できるスマートフォンアプリの学習データを合成する手段として始まりました。1990年代初頭に発売された「Magic」には、2万種類を超える固有のカードがあり、数か月ごとに新しいカードも追加されています。プレイヤーはこれらを使って、独自のデッキを構築できます。
熱心な「Magic」プレイヤーであるZhao氏は、スマートフォンのカメラで任意のカードを撮影すると、価格や評価などの情報をオンラインのカードデータベースから自動的に取得する、CNNを活用したアプリの開発を目指しました。「ゲームショップでカードを選んでいると、カード名をいちいち携帯に入力して評価やコンボを調べるのにうんざりしていました。スマートフォンでスキャンして、その情報を表示できたらすてきだと思いませんか？」とZhao氏は語ります。
しかし、Zhao氏はこれが非常に難しいコンピュータービジョンの学習タスクであることに気づきました。「2万枚すべてのカードについて、さまざまな照明条件や角度での写真が大量に必要になります。そのデータセットを収集しようとする人はいないでしょう」とZhao氏は語ります。
そこでZhao氏は、約200枚のカードからなる小規模なデータセットを用いてCNNを学習させました。各カードにつき10枚の異なる写真を使い、カードをさまざまな位置に歪ませる方法を学習させたのです。カードがプラスチックスリーブに入れられている場合の照明、角度、反射などを計算し、データセット内の任意のカードについて、現実的に歪ませたバージョンを合成しました。Zhao氏によると、これは刺激的な個人的プロジェクトでした。「しかし、この手法は医療画像にも非常によく適していると気づきました。この種の歪みは、MRIにとてもよく当てはまるからです。」
脳の歪み
磁気共鳴画像（MRI）は、ボクセルと呼ばれる三次元のピクセルで構成されています。MRIをセグメント化する際、専門家は、ボクセルの領域をそれらを含む解剖学的構造に基づいて分離し、ラベルを付けます。個々の脳や使用機器の違いによって生じるスキャンの多様性は、この工程を自動化するために機械学習を用いる際の課題となっています。
既存の手法の中には、「データ拡張」を用いて、ラベル付きスキャンから学習用サンプルを合成できるものがあります。これは、ラベル付きのボクセルをさまざまな位置へ歪ませるものです。しかし、これらの手法では、専門家がさまざまな拡張ガイドラインを手作業で作成する必要があります。また、合成されたスキャンの中には現実の人間の脳とはまったく異なるものもあり、学習過程に悪影響を及ぼす可能性があります。
これに対し、研究者らのシステムは、現実的なスキャンを合成する方法を自動的に学習します。研究者らは、実際の患者から得た100枚のラベルのないスキャンを用いてシステムを学習させ、空間的変換を計算させました — スキャン間の解剖学的対応関係です。これにより、ボクセルが一つのスキャンから別のスキャンへとどのように移動するかをモデル化する「フローフィールド」が同数生成されます。同時に、システムは強度変換も計算します。これは、画像のコントラスト、ノイズ、その他の要因によって生じる見た目の違いを捉えるものです。
新しいスキャンを生成する際、システムはランダムなフローフィールドを元のラベル付きスキャンに適用します。これにより、実際のラベルのないスキャンと構造的に一致するまで、ボクセルがずらされていきます。次に、ランダムな強度変換を重ね合わせます。最後に、システムはフローフィールド内でボクセルが移動した経路をたどることで、ラベルを新しい構造に対応付けます。その結果、合成されたスキャンは、実際のラベルのないスキャンに非常によく似たものになりますが、ラベルは正確です。
自動セグメンテーションの精度を検証するために、研究者らは、一方の3次元形状が他方の形状にどの程度適合するかを0から1の尺度で測定するDiceスコアを用いました。研究者らは、100枚の未使用の検証用テストスキャンにおける30の異なる脳構造について、自システムを、手作業および自動の従来のセグメンテーション手法と比較しました。大きな構造では、すべての手法で同程度の精度が得られました。しかし、研究者らのシステムは、海馬のように、体積でおよそ脳の0.6パーセントしか占めない小さな構造において、他のすべての手法を上回りました。
「これは、特に小さな構造に関して、私たちの手法が他の手法よりも優れていることを示しています。こうした小さな構造は、疾患を理解する上で非常に重要になることがあります」とZhao氏は語ります。「しかも、手作業でラベルを付けた1枚のスキャンだけで、それを実現できたのです。」
