Neuroverkkojen käyttö kuvantamisen analyysin automatisoinnissa lääketieteessä

Abstract

Tutkielmassa tarkastellaan konvolutiivisten neuroverkkojen (engl. convolutional neural network, CNN) käyttöä kuvantamisen analysoinnin automatisoinnissa. Tavoitteena tutkielmassa on vastata kysymykseen: Minkälaisia kehityskohteita lääketieteen alalla on havaittu näihin neuroverkkoihin liittyen? Tutkielmassa käsitellään myös näiden neuroverkkojen käytön ongelmia lääketieteen alalla sekä ratkaisuehdotuksia ongelmiin. Tutkielma toteutettiin kirjallisuusanalyysina, johon haettiin lähteitä pääasiassa Andorin, IEEE:n sekä ACM:n digitaalisista kirjastoista, ja hakusanoina käytettiin convolutional neural network, medicine, surgery, automation ja deep learning. CNN:t ovat kuvantunnistukseen erikoistuneita neuroverkkoja, jotka sisältävät useita konvoluutiokerroksia rakenteessaan. Ne ottavat syötteenään kuvan ja lopputuloksena saadaan kuva, joka on lajiteltu erilaisten löydösten perusteella tiettyyn ennalta määritettyyn kategoriaan. Tutkimuksen tuloksena havaittiin, että CNN:t ovat tehokas kuvantunnistuksessa käytetty neuroverkko, vaikka sen sovelluksista lääketieteen alalla on myös löydetty kehityskohteita. Tällä alalla tätä käytetään muun muassa kuvantamisen analysoinnin automatisoinnissa. Näiden neuroverkkojen ongelmina ovat pääasiassa datan luokkien epätasapaino, jota korjataan pääasiassa yliotannalla, algoritmien läpinäkyvyys, jota korjataan kehittämällä tulkittavia malleja, sekä koulutuksen kannalta kiintoisan koulutusdatan heikko saatavuus. Datan luokkien epätasapainon korjauksessa voidaan käyttää myös aliotantaa, mutta tämä metodi on todettu yliotantaa huonommaksi lääketieteen alalla. Yllättävänä löydöksenä oli myös se, että neuroverkkojen tarkkuutta on mahdollisesti yliarvioitu tehdyissä tutkimuksissa, mikä johtuu huonoista menettelytavoista sekä huonosta raportoinnista ja suunnittelusta. Tämän korjaamiseksi voitaisiin asettaa standardeja näiden neuroverkkojen testaukselle lääketieteen alalla, jolloin niiden tulokset olisivat myös verrattavissa keskenään.

Avainsanat: Lääketiede, convolutional neural network, kuvantaminen, automatisointi, neuroverkot