学習データからノイズを取り除くことは、AIモデルを学習する際に非常に重要です。 多くの騒音で学習した人工知能モデルは、精度が低下します。
この投稿では、画像を変換する方法と、それらを使用してノイズを除去する方法について説明します。 今日の画像フォーマット変換の方法は、Erosion/Dilationです。
浸食/分裂
これは黒と白の画像で使用される方法です。 画像変換は、画像内のカーネルと呼ばれる特定のサイズのボックスを移動して実行されます。 ここでは、元の画像の形式を保持しながら、画像を変換するのに適切なサイズのカーネルを使用する必要があります。
- エロジョン
腐食は、正方形の箱(角)に画像をスキャンし、それが白(0)を含んでいる場合は、ボックス内のすべての色を白に変換する画像変換を実行します。 箱に黒(1)または白(0)しかない場合は、画像変換は行いません。 これが終わったら、元の画像よりも黒い部分が狭くなります。 「侵食」という言葉は、黒い領域を狭くするために使われています。
- ディレーション
Erosion とは対照的に、Dilation は、ボックス内のすべての色を黒色に変換するボックス(kernel)の黒い(1)で画像変換を実行します(1)。 この方法を使うと、黒い部分が伸びるという感覚で使われる単語の分岐が現れます。
うん。 学習データにおける騒音低減のためのErosionとDilationの使用方法 お問い合わせ MRI画像からノイズを除去する技術に関するJLK検査特許を調べて説明します。
画像をクリックすると、特許通知が表示されます。
MRIイメージが病変を含んでいるかどうかを認識するためにAIモデルを訓練するために、医師はMRIイメージ(人工知能学習のビデオ)のどの部分が存在するかを示す必要があります。 これは、医師がアノテーションで働いていることを意味します。
しかし、その人が指でアノテーション操作を実行すると、人の指の大きさよりも小さい領域に病変がある場合にのみ病変が存在する場所を正確に示すことは不可能です。 人はマウスでアノタニオン操作を実行する場合でも、正確に病変が存在する場所を示すことは困難です。 したがって、Annotationタスクが完了したAI学習画像では、病変が存在しない、誤ってチェックされた部分(ノイズ)があるかもしれません。
より技術的な方法では、人がレシオンのMRI画像を三次元シングラムに変換すると、下の画像のようにレシオンの医者の場所が黒に示されます。 現在の発明によると、連続部分は病変の場所と周囲に描かれている騒音(赤)です。
騒音の三次元シングラム
このノイズを排除するために、Erosion/Dilationはこの特許の重要な部分です。 言い換えれば、Erosion/Dilationが実行されると、画像は最後に、以下のとおりの病変のみで三次元のシングラムに変換されます。
ノイズ除去による3Dシングラム
最後に、ノイズ除去による立体シングラムをMRI画像に変換し、削除したノイズで学習データを生成します。 この発明の鍵は、AIモデルがノイズリダクション学習データを使用して訓練されたとき、医療画像解析における高精度なAIモデルが作成されることです。
特許に記載されているように、既存のよく知られている技術(Erosion/Dilation)が適切な変種(Erosion/DilationはMRI画像を変換するCynogramに適用されます)として使用されると、フィールド(医療画像解析の分野)で問題に対処します。
この記事は公表時点の情報に基づいています。個別の事情については、当事務所にご相談ください。