POINT 01
機械学習による分類
高血圧の発症有無をラベルとして、分類モデルの学習と評価を実装しました。
高血圧判定モデルの開発
医学系研究室での研究支援として取り組んだ開発事例です。画像を用いた高血圧判定の研究モデルを実装。機械学習と深層学習の学習・評価、画像の前処理、注目領域の可視化に対応しました。
- CLIENT
- 医学系研究室
- FIELD
- 画像分類・予測モデル
- DEVELOPMENT
- モデル・解析処理の実装、評価・可視化
- SUPPORT
- コードの解説、実験条件の設定補助
- TECHNOLOGY
Purpose_
開発の目的
高血圧の発症有無を分類する研究テーマに対して、画像データを使う分類モデルの学習・評価を実装しました。機械学習による分類と、PyTorchによる深層学習を同じ案件の開発として整理しています。
Architecture_
処理の全体像
入力データから解析・評価結果を出力するまでの流れです。
INPUT
- 画像データ
- 発症有無のラベル
PROCESS
- 画像の前処理
- 分類モデルの学習
- 評価・注目領域の可視化
OUTPUT
- 分類結果
- ROC・評価指標
- Grad-CAMによる可視化
Key Points_
開発内容
前処理、モデルの実装、評価・可視化を組み合わせています。
POINT 02
深層学習による画像分類
PyTorchとtorchvisionを利用し、画像分類モデルの学習・評価処理を構築しました。ResNetなどのモデルを使う実装に対応しています。
POINT 03
前処理と解析
画像の切り出しや正規化などの前処理に加え、PCAとGrad-CAMによってデータやモデルの注目領域を確認する処理を用意しました。
Technology_
技術構成
主要な技術と、それぞれが担う処理をまとめています。
| 領域 | 技術 | 用途 |
|---|---|---|
| 分類モデル | scikit-learn / PyTorch / torchvision | 機械学習・深層学習による分類 |
| 画像処理 | OpenCV / NumPy | 画像の前処理 |
| 評価・可視化 | Matplotlib / Grad-CAM | ROC評価と注目領域の可視化 |
Outcome_
実現したこと
画像前処理から学習・評価までを実行する研究用の分類モデルを実装しました。分類結果だけでなく、モデルが注目する領域を確認する可視化にも対応しています。あわせて、開発したコードの解説と、実験に合わせた条件設定の補助を行いました。
Contact_
データに合った解析方法を、
一緒に検討します
扱う画像やデータ、解析したいテーマに応じて、必要なモデルと処理の仕組みをご提案します。検討段階からご相談ください。
データ解析・開発について相談する