講演情報
[3Yin-A-07]医用画像分類のためのマルチラベル教師あり対照学習手法の提案
〇高屋 英知1、稲森 瑠星1 (1. 東北大学 大学院医学系研究科)
キーワード：
医用画像、表現学習
医用画像における大規模な教師あり事前学習は，専門家による疾患アノテーションのコストによって制約される一方，撮像モダリティや解剖学的領域といった容易にアクセス可能なメタデータは十分に活用されていない．そこで本研究では，モダリティおよび解剖学的領域をマルチホットラベルとして符号化し，Jaccard重み付きのマルチラベル対照損失を最適化する，マルチラベル教師あり対照学習の枠組みを提案する．ResNet-18エンコーダをRadImageNetのサブセットで事前学習し，3つの下流タスク—膝MRIにおける前十字靭帯損傷分類（ACL），乳腺超音波画像における病変の良悪性分類（Breast），甲状腺超音波画像における結節の良悪性分類（Thyroid）—に対してファインチューニングすることで評価した，提案手法はACL（0.964）およびThyroid（0.763）で他手法を上回るAUCを達成し、Breastでも0.926と競争力のある性能を示した．これらの結果は、容易に取得可能なメタデータを教師信号として活用することが，下流の医用画像分類タスクに対する有効かつラベル効率の高い初期化を提供し得ることを示唆する。