世界初のディープラーニング性能が知的な医療機器の扉を開く
NVIDIA GPUテクノロジー／医療活用事例
業種：医療機関/医療研究機関
このストーリーは、知的な医療機器へのステップに最新のNVIDIA TESLA V100を、いろいろな医師や研究者が活用しているというものです。
テーマ
CTやMRI、３D超音波の検査データをNVIDIA GPUテクノロジーとディープラーニングで多くのデータを再構築して、より細かな診断を助けるシステムの研究が進んでいます。NVIDIA GPUテクノロジーの最新製品、NVIDIA TESLA V100はハイパフォーマンスながら低消費電力なこともあり、リリース間もない現時点でも多くの医師や研究者がディープラーニング研究に活用されています。
ディープラーニングが知的な医療機器への扉を開く
何世紀も医師は患者を調べ、診察、疾患の手当てを助ける入手可能な一番いいツールを使って、患者の体内を見たいと思ってきました。
画像診断技術の分野のイノベーション、CTスキャン、３D超音波、MRI（磁気共鳴検査）のような、は難百万もの命を救う手助けをしてきました。複素数学を動作させるそれらの機器はコンピューターで、センサーで認識した信号を医師によって読まれる２Dと３Dのイメージに変換します。
医療従事者は彼らの機械でもっとたくさんのことを行いたいと考えていますが、そこには重要な技術的な挑戦があります。
医師はそれらが早く安全で正確であることを望みます。そして提供者は治療の現場で小さく、携帯可能でリアルタイムで診断できるものを必要としています。
その一方で、増え続ける解像度と高品質な画像は、それらの中にスーパーコンピューターが組み込まれるくらいの計算機のパワーを必要とします。
NVIDIAから提供されている新しいタイプのコンピューターの開発は今これを可能にします。強力な並列コンピューティングを使うことで、最新のVoltaGPUはそれらの信号や画像アルゴリズムを、以前は伝統的なデータセンターCPUでは不足していた速度で処理することが可能になります。
NVIDIAの新しいVoltaGPUは、500ワット以下の電力で、ディープラーニングのニューラルネットワーキングプロセスを、1秒に320兆のオペレーションができる能力を持つAIスーパーコンピュータを組み込むことを可能にします。
これはCPUサーバーの60ノードのパフォーマンスを1/60の電力で行うことに等しいのです。
NVIDIA GPUのパフォーマンスは、コンピューターサイエンティストがディープラーニングの画像の挑戦へ対応することを可能にします。
漠然と人間の脳の働きによってひらめきを与えられ、深く畳み込まれているニューラルネットワークが、直接データから重要なある対象の特徴を認識することを学習し、学習している間に驚くほどの有効性のあるイメージを認識し、分類することに応用することができるビジョンモデルを知り、作り出すのです。
ディープラーニングのコンビネーション、NVIDIA GPUコンピューティングと医療画像は、知的な医療機器の新世代に拍車をかけています。
画像診断のコミュニティのパイオニアは、NVIDIA GPUプラットフォームに飛び込んで、画像診断の情報の流れの主なステージそれぞれにおいて素晴らしい成果を上げています。−再構築、画像処理、視覚化で。
再構築は、データ取得中に得られた信号をある画像に変換するプロセスです。過去10年以上、アルゴリズムを処理する信号の進化は、X線の被ばく量をほぼ80％に下げるくらいの品質向上でCTの画像の再構築を可能にしています。
GEヘルスケアのあたらしいリボリューション・フロンティアCTは、NVIDIA GPUを使って、複雑な再構築のアルゴリズムを処理するのに必要なスーパーコンピューティングの実行を行っています。
マサチューセッツ総合病院、生化学画像のためのA. A. マルチノスセンター、ハーバード大学の研究者は、オートマップと呼ばれる画像再構築のための新しいディープラーニングのフレームワークを開発しました。
従来の画像再構築は別々のトランスフォームと様々なフィルターされたアルゴリズムを使った、手作りの信号処理を使って実行されていました。オートマップは、統合的な画像再構築フレームワークでのこのアプローチにとってかわり、専門的な知識なしにセンサーと画像の間の関係を再構築することを学習するというものです。
再構築についてつけくわえるなら、医療画像の画像処理ステージは検出、分類、仕分けを実行します。それは、現代の複雑な３D画像データセットを使用する放射線技師を助ける注釈と基準を自動的に付与することができます。
ミュンヘン技術大学、ミュンヘンルドヴィッグ・マキシミリアン大学、ジョン・ホプキンス大学の研究者は、V-ネットと呼ばれる脳回容積測定のニューラルネットワークを開発しました。それは前立腺のMRIデータの３D分割をネイティブで実行しました。３D分割においては、興味をひく器官が描かれ、３D画像でのそれぞれの器官のボクセルはグループ分けされ、同じレベルに割り当てられます。
V-ネットはMRIボリュームで描かれた前立腺は徹底的に学習され、一度にすべてのボリュームのための分類を予測することを学習します。
十分なコンピュータ処理能力を必要とする、ある画像の何百万もの３Dボクセルそれぞれに分類することをV−ネットが学習することは、それこそがチームがNVIDIA GPUを使ったかという理由に他ならないのです。
現代の視覚化は容積測定のレンダリングによって動かされています。−CTやMRIデータの３Dポストプロセシングは、複雑な解剖学的情報の視覚化に使用されています。並列して２D画像を分析しようとする代わりに、医師たちは容積測定のレンダリングを使ってオールインワンの３Dの再構成を作り出しています。
パワフルなNVIDIA GPUとともに、医師たちは異なる視点で画像を操作し、見ることができる、良い空間にある解剖学的な理解を得ことができます。
ジョン・ホプキンス大学のエリオット・フィッシュマン博士とシーメンスの研究者は、映画的要素のレンダリングという新しいアプローチを開発しました。人間の体の写真的な描写を作り出す光の拡散のシミュレーションを基にした物理的な方法を使って。
コンピューターで作られたアニメーションで使われたコンピューターグラフィックスとGPUテクノロジーにひらめきをあたえられて、映画的要素のレンダリングは写真のようなリアルな映像を作る、何千もの直接および間接の光を取り入れた地球の光を使っています。
それらの見事な映像は、放射線技師にわかりにくいテクスチャーの変化や深い認識、解剖学にかかわる空間的な関係を理解することを可能にします。加えて、フィッシュマン博士とジョン・ホプキンスのチームは、どのようにディープラーニングアルゴリズムが映画的要素のレンダリングの忠実な映像が大きく増えることによる恩恵があるか、と調べています。
診断画像は我々の生命を救う技術の最も重要のものの一つで、それゆえこの10年飛躍的に使用されることが増えてきています。毎年アメリカだけでも1億もの画像診断検査が行われています。医療画像の全世界の需要は2020年には490億ドルにも達すると予想されています。
NVIDIA GPUコンピューティングとディープラーニングは新しいサイクルのブレイクスルーを可能にします。それは画像の忠実性、放射能の低減を向上させ、最小化を促進させます。
NVIDIA GPUと医療画像装置は、コンパクトなAIスーパーコンピューターとなり、医師にスーパーマンのような透視能力をあたえ、簡単に音声の命令に応えたり、体の組織の見たいところを見つけ、ハイライトするといったことが可能になるでしょう。
早期診断は命を救う一番いい方法のひとつです。これらの知的な医療機器はどんどん疾病に対する生きた武器になっていくのです。
本記事はThe Official NVIDIA Blogの記事を抄訳したものです。
「Deep Learning Opens Door to Intelligent Medical Instruments」
（2017年11月26日付）
https://blogs.nvidia.com/blog/2017/11/26/intelligent-medical-instruments/
NVIDIA TESLA V100については こちら をご覧ください。
具体的な活用、ご購入のご相談もお気軽にどうぞ。
GPUテクノロジーを体験したい方は、リアルイベントご参加をご検討ください！
GPUテクノロジーイベントカレンダーは こちら から
