Machine Learning Techniques for MRI Data Processing at Expanding Scale

要約

世界中の画像サイトでは、これまで以上に多用途で手頃な価格のテクノロジーを使用して、ますます大量の医療スキャン データを生成しています。
大規模な研究では、ライフスタイルに関するアンケートから生化学的アッセイ、遺伝子分析などに至るメタデータとともに、数万人の参加者の MRI が取得されます。
これらの大規模なデータセットは人間の健康に関する重要な情報をエンコードしており、機械学習のトレーニングと分析に大きな可能性を秘めています。
この章では、進行中の大規模研究と、それらの間の分布の変化の課題について検討します。
このような変化を克服するための転移学習について、複数の機関で安全に保持されている分散トレーニング データに安全にアクセスするためのフェデレーション ラーニングについて説明します。
最後に、表現学習は、マルチモーダル入力形式で抽象的な関係を表現する埋め込みをエンコードするための方法論として検討されます。

要約(オリジナル)

Imaging sites around the world generate growing amounts of medical scan data with ever more versatile and affordable technology. Large-scale studies acquire MRI for tens of thousands of participants, together with metadata ranging from lifestyle questionnaires to biochemical assays, genetic analyses and more. These large datasets encode substantial information about human health and hold considerable potential for machine learning training and analysis. This chapter examines ongoing large-scale studies and the challenge of distribution shifts between them. Transfer learning for overcoming such shifts is discussed, together with federated learning for safe access to distributed training data securely held at multiple institutions. Finally, representation learning is reviewed as a methodology for encoding embeddings that express abstract relationships in multi-modal input formats.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google