深層生成モデルを応用した強い汎化性能を持ったradiomics解析方法の開発

点击翻译按钮获取中文摘要

本研究の目的は上記のdomain shiftに起因する機械学習装置の性能の低下を深層生成モデルの応用で解決を図ることである。本年度は研究実績として、4回の学会発表を行った。令和4年度の研究の主たる目的は公開データセットとプライベートのデータセットを相互変換するような画像のstyle変換方法を確立することであった。Cycle generative adversarial network(CycleGAN)を採用しプロトタイプを作成、安定した制度の高い変換が行えるようにアーキテクチャやハイパーパラメータの調整を行なった。加えて上手く変換が行えているのかを判断するために変換の精度の視覚化を試みた。結果として、ハイパーパラメータの調整を的確に行うことで公開データセット、プライベートのデータセット間の変換をある程度安定して行えるようになった。また、視覚化の方法としてはReaNet34の中間表現をt-SNEやUMAPで低次元に圧縮する方法が機能した。この方法で公開データセットとプライベートの画像のstyleの違いの視覚化を行うと明らかなクラスタが作成された。また、CycleGANにてstyle変換を行なったプライベートデータセットのMRI画像は、上記の方法で２次元にて視覚化を行なった場合、公開データセットとプライベートデータセットの中間に位置していた。