2017 年 35 巻 4 号 p. 180-186
本稿では,ディープラーニングの中でも医用画像処理に浸透しつつあるディープコンボリューションネット(deep convolution neural network; DCNN)の基本的な構造と学習様式を解説し,医療応用への一例を述べる.DCNNは,ネットワーク構造にネオコグニトロン,学習手法に誤差逆伝搬(error back propagation; BP)法を適用したニューラルネットワーク手法であり,古典的なネットワーク構造と学習手法で構築されている.DCNNに代表されるディープラーニングにおいて,重要なポイントは,システムの内部表現の重みパラメーター数と学習サンプルの量の兼ね合いである.学習サンプルに対して重みパラメーター数が過多であれば,ニューラルネットは容易に過学習とよばれる現象に陥り,逆に過小であれば,性能が不足することとなる.医療分野などの,計測にコストがかかるような領域では,学習サンプルをいかに確保するかは重要な問題になると考えられる.われわれは,このような少数データセットへの学習方式として転移型の学習様式を用いてDCNNを構築することを提案し,一定の成果を上げることに成功している.