今回提案した深層学習ベースメソッドでは空間特徴量抽出および時間特徴量抽出を組み合わせました。これらのアプローチは医学領域だけでなく画像処理技術全般でも有益です。例えば、「Angionet」[17] のようなX-線アンジオグラフィー内で血管セグメンテーションタスク向けCNNも同種タスク解決策探求時役立ちます。
また本文中述及した「少数ショット学習」というテクニックも幅広い分野展開可能です。「Prototypical networks」[21] を含め少数ショット学修得モデル導入すること各種分析精度向上助長します。
最後「Contrastive self-supervised learning from 100 million medical images with optional supervision」[31] 等自己教師付与方式活用先進化可能示唆します。
以上内容通り本文知見多岐科目・画像処理領域展開余地大きく期待感高まります。
0
Daftar Isi
冠動脈造影における血行代償の深層学習に基づく検出
Deep learning based detection of collateral circulation in coronary angiographies