Modular Deep Active Learning Framework for Image Annotation: A Technical Report for the Ophthalmo-AI Project

要約

画像のアノテーションは、医療画像および疾患診断の分野において、患者の適切な治療を保証し、治療の経過を追跡するために最も重要なタスクの 1 つです。
ただし、大量の 2D および 3D 画像データに手動で注釈を付けるのは、非常に面倒な作業となる場合があります。
ディープ ラーニング (DL) ベースのセグメンテーション アルゴリズムにより、このプロセスが完全に変革され、画像のセグメンテーションを自動化できるようになりました。
これらのアルゴリズムは、医療画像を正確にセグメント化することにより、手動での注釈付けに必要な時間と労力を大幅に最小限に抑えることができます。
さらに、アクティブ ラーニング (AL) 手法を組み込むことにより、これらのセグメンテーション アルゴリズムは、少量のグラウンド トゥルース データではるかに効果的に実行できます。
完全な AL サイクルを実装するエンドツーエンドのフレームワークである MedDeepCyleAL を紹介します。
研究者は、採用したい深層学習モデルの種類を柔軟に選択でき、医療画像の分類とセグメンテーションをサポートする注釈ツールも含まれています。
ユーザーフレンドリーなインターフェイスにより、事前のプログラミング経験がなくても、構成ファイルを通じて AL および DL モデル設定を簡単に変更できます。
MedDeepCyleAL はあらゆる種類の画像データに適用できますが、このプロジェクトでは特に眼科データに適用しました。

要約(オリジナル)

Image annotation is one of the most essential tasks for guaranteeing proper treatment for patients and tracking progress over the course of therapy in the field of medical imaging and disease diagnosis. However, manually annotating a lot of 2D and 3D imaging data can be extremely tedious. Deep Learning (DL) based segmentation algorithms have completely transformed this process and made it possible to automate image segmentation. By accurately segmenting medical images, these algorithms can greatly minimize the time and effort necessary for manual annotation. Additionally, by incorporating Active Learning (AL) methods, these segmentation algorithms can perform far more effectively with a smaller amount of ground truth data. We introduce MedDeepCyleAL, an end-to-end framework implementing the complete AL cycle. It provides researchers with the flexibility to choose the type of deep learning model they wish to employ and includes an annotation tool that supports the classification and segmentation of medical images. The user-friendly interface allows for easy alteration of the AL and DL model settings through a configuration file, requiring no prior programming experience. While MedDeepCyleAL can be applied to any kind of image data, we have specifically applied it to ophthalmology data in this project.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google