みなさんこんにちは♪
ときか姉です。
医療AIに関してまとまった知識を得たいと思い、最近何冊か読んでみましたので紹介したいと思います。
医用画像処理関連書籍といえば、医療AIとディープラーニングシリーズ、このシリーズが総じて素晴らしいです。ページ数が比較的少なくコンパクトに纏まっており、写真やイラストも豊富で楽しく読めます。ページ数に対して少々値が張りますが十分にその価値があると思います。
最近このシリーズ4冊に1冊加えた計5冊の医療AI関連書籍を読みましたので紹介したいと思います。
以下にそれぞれの概要を記します。
もしよろしければ、以前書いた以下の書評も合わせてご覧ください♪
1. Pythonによる医用画像処理入門
最初にGoogle Colaboratoryの使い方やPythonの基本的な操作を丁寧に解説してくれます。医用画像に限らない画像処理手法の基礎もしっかり学べます。医用画像データのスタンダードとなりつつあるDICOMの扱い方も詳しいです。画像処理手法としては、フーリエ変換、空間フィルタ、リサイズ、チャンネル変換などです。機械学習としては、PCA、SVM、ランダムフォレスト、CNNまでです。
Python初学者で画像処理をこれからやってみたい、基礎から習いたいという方にはおすすめです。
2. 医用画像のためのディープラーニング入門編
1章で深層学習の基礎（活性化関数・損失関数・畳み込み層・プーリング層・ドロップアウト・転移学習など）に始まり、第2章〜第4章では実際に医用画像に対して深層学習手法をテストするような流れとなっています。扱うフレームワークは3種で、第2章ではSonyが開発したNeural Network Console、第3章ではNVIDIA社のDIGITS、第4章ではMATLABを用いた実例となっています。クラス分類から病変部位のセグメンテーション、GANによる画像生成まで、簡単に試せるフレームワークごとの構成となっているため初学者にとって敷居が低く、とにかくざっと試してみたい、雰囲気だけでも知りたいという方におすすめです。ただ、将来自身でコーディングまでやりたくそれを学びたいという方には不向きかも知れません。
3. 医用画像のためのディープラーニング実践編
前述入門編の続編です。基礎的な事柄は省略されており、U-Netを用いたセグメンテーション、CNNとLSTMを組み合わせた動画像のシーン分割と分類、DnCNNを用いたCT画像のノイズ除去など、実践的な手法が多岐にわたって紹介されています。個人的にはSRCNNを用いたCT画像の超解像と、最終章の評価指標のまとめがとても参考になり、何度も見返しています。
4. 超音波画像AI診断
文字通り超音波画像AI診断に特化した内容となっています。何をどこまでできているのかから問題点に至るまでの現状に関して紹介されており、実践に向けたデータベースの作り方から、部位ごと（腹部・乳房・心臓）の特色なども詳細に書かれています。最新の手法を回路構造の詳細も踏まえて紹介してくれます。最後は国内外の取り組みへと続きます。
5. 事例・法律から画像処理データセットまで医療AIの知識と技術がわかる本
前述の4冊とは異なり、画像だけではなく医療AIの全体図を俯瞰できるような構成になっています。医用画像処理とそれに基づいた診断支援だけでなく、データ収集、予防医療、リハビリへの応用、電子カルテ、ウェアラブルデバイスなど多岐にわたります。倫理的な側面や知財関連まで、世界の情勢も併せて詳しく紹介されています。個人的には知らないことだらけでとても勉強になりました。
まとめ
概要に関しては以上となりますが、以下のように目的に応じて読んでいただければ良いのかなと思いました。
- Pythonを用いて医用画像処理を基礎から学びたい。→ 1
- Pythonを用いずとにかくざっと医用画像処理を試してみたい。→ 2
- Pythonはある程度書けるので、医用画像処理の最新手法を知りたい。→ 3
- 超音波画像のことを知りたい。→ 4
- 医用画像に限定せず医療AI全般のことが知りたい。→ 5
といったところでしょうか。
以上になります。
楽しんでいただけましたでしょうか？
もし気に入ってもらえたならフォローやいいねをお願いしますね♪
本記事がみなさまの医療AIやPython学習のお役にたてればうれしいです。
♪♪♪ Have a nice coding day ♪♪♪
[楽天Koboでの電子書籍ご購入はコチラ↓]
ご新規（左）/ご継続（右）
[トレード口座開設はコチラ↓]
コメント