Conditional GANによる医療画像のデータ拡張

抄録

本研究では，アノテーション付きのデータを生成可能であるConditional GAN (cGAN)を使用したデータ拡張を行うことで，医療画像識別の精度改善を図る．現在，深層学習を用いた医療画像解析では，アノテーション付きの医療画像のデータ不足が深刻な問題となっている．従来のデータ拡張と比較して，cGANは学習データに存在しないデータを生成できる点で優れている．したがって，従来より多様なデータをモデルに学習させることが可能となり，識別精度の改善に繋がると考えられる．我々は，内視鏡画像を用いた実験を行い，cGANによるデータ拡張の有用性，及び従来のデータ拡張と比較した場合の優位性について考察する．