Diagnostic Imaging Practice in the Oral and Maxillofacial Region in 2024
令和6年度 大学院医歯学総合研究科
専攻個別科目（選択科目）
顎顔面画像診断学演習ⅠA・ⅡA, IB・IIB
新潟大学大学院・医歯学総合研究科 顎顔面放射線学分野・西山秀昌
Last updated:8/25/2024 3:47 PM
【重要なお知らせ】
秋季からの履修で本演習を行いたい方は、2学期にAコースを受講可能です。
【Important Notices : Syllabus correction】
Fall enrollments who wish to take these
courses can take Course A in the second semester.
1) DICOM画像を扱い、CTやMRIの限界を理解しつつ診断するということを演習します。
Students will practice the diagnostic imaging with understanding about the
DICOM images and the limitation of CT and MRI.
2) 深層学習システムの有用性と限界を理解しつつ、診断補助としての利用可能性を探る演習をします。
Students will practice for exploring the possibility of use as a diagnostic aid
of Deep Learning System with understanding the usefulness and limitation of it.
【重要 / Caution】
毎年学務への受講登録と履修開始が交錯するため、開始当初の履修者が不明です
１学期の受講が決定し次第、順に課題を提出してください。
最初の課題にはパスワードはありません。
受講開始が遅れたとしても、取り戻せます。
Since registration for academic affairs and the start of the course are intertwined every year, it is unknown who will take the course at the beginning.
As soon as you have decided to take classes for the semester, please submit assignments in order.
There is no password for the first exercise.
Even if you start the course late, you can make up for it.
メール添付された解答受領後、解答・解説および次回演習課題を開くパスワードを送付します。
パスワード受領後、順に演習していってください。
課題は1週間の猶予期間がありますので、早めに終わらせることで、正規の流れに戻ることができます。
各課題について、どうしても答えられない場合にも、必ず課題締め切りまでに「○○が分かりませんでした」、「問題を解けませんでした」等のメールを提出してください。
メール受領後、パスワードを送付します。解答・解説を確認しながら演習を自主的に行ってください。
After receiving the answers attached to the e-mail, I'll send you a password to open the correct answer, explanation and the next exercise.
You will have one week to complete the assignments, so please finish them as soon as possible so that you can get back to the regular process.
For each assignment, even if you are unable to answer the question, please submit an email by the assignment deadline stating such as "I didn't understand XXX" or "I cannot solve the problem," I will send you the password for the answer. Please do the exercises while browsing the answers.
解答できなくても大丈夫です。
パスワード受領後、期限内にメールを送付することが重要です。
本コースでは演習を行っていただき、内容を理解していただくことを最重要項目としています。
Don't be afraid of not being able to answer.
It is important that you send me an email within the deadline after receiving the password.
The most important thing in this course is for you to do the practices and understand the contents.
受講内容について概略を知りたい方のために、一部パスワードを外しています。
【本学教職員・学生の方で興味ある方、利用したい方】
個別に私・西山まで連絡してください。相談に応じます。
※金曜日のコースワーク（西山担当分）については
https://www5.dent.niigata-u.ac.jp/~nisiyama/grad/coursework
にアクセスしてください。
◎演習に必要な環境 （ImageJ、Pythonなどを実行する環境や、教科書および参考資料等についても記載しています）
◎その他ソフト類 --- 端末にPerl のインストールが必要ですが、DICOMデータ表示ソフト等を利用できます。
※本コースに関連しての論文、過去ポスター賞および学会賞等
★論文
1．Osawa K, Nihara J, Nishiyama H, Takahashi K, Honda A, Atarashi C, Takagi R, Kobayashi T, Saito I. A three-dimensional investigation of mandibular deviation in patients with mandibular prognathism.Maxillofacial Plastic and Reconstructive Surgery. 2023 20;45(1):4 doi:10.1186/s40902-023-00372-y
2．Kawamura, T, Fukui, T, Nishiyama, H, et al. Three-dimensional analysis of the temporal bone and mandibular morphology in mandibular prognathism with facial asymmetry. Oral Sci Int. 2021; 00: 1– 8. https://doi.org/10.1002/osi2.1111
3．Saito D, Mikami T, Oda Y, Hasebe D, Nishiyama H, Saito I, Kobayashi T: Relationships among maxillofacial morphologies, bone properties, and bone metabolic markers in patients with jaw deformities. Int J Oral Maxillofac Surg, 2016 Aug;45(8):985-91.
4．永井嘉洋, 西山秀昌, 丹原 惇, 田中 礼, 八巻正樹, 林 孝文, 齋藤 功:顎顔面形態の評価に有用な3次元計測点の再現性に関する研究. 日骨形態誌:23: S145-S155, 2013.
5．Arasawa M, Oda Y, Kobayashi T, Uoshima K, Nishiyama H, Hoshina H, Saito C: Evaluation of bone volume changes after sinus floor augmentation with autogenous bone grafts.Int J Oral Maxillofac Surg. 41(7):853-7, 2012. doi:10.1016/j.ijom.2012.01.020
★大会長賞
○荒澤恵,小田陽平,小林正治,魚島勝美,西山秀昌,星名秀行,齊藤 力:自家骨移植による上顎洞底挙上術後の移植骨体積の経時的変化.第14回日本顎顔面インプラント学会総会・学術大会, 浦安, 2010年12月4-5日.
★最優秀ポスター賞
○清野雄多： 機械学習による残存歯認識モデルの開発と学習過程の可視化．新潟大学ビッグデータアクティベーション研究センター・データサイエンティスト育成シンポジウム2020，万代シルバーホテル（新潟），2020年1月27日．
○Kazuaki Osawa, Jun Nihara, Hideyoshi Nishiyama, Kojiro Takahashi, Ayako Honda, Chihiro Atarashi, Ritsuo Takagi, Tadaharu Kobayashi, Isao saito. Classification of 3-dimensional mandibular deviation using cluster analysis in patients with mandibular prognathism. The 58th Congress of the Korean Association of Maxillofacial Plastic and Reconstructive Surgeons, October 31 - November 2, 2019. (Busan Port International Exhibition & Convention Center, 5F Conference Hall, Busan, Korea)
★優秀ポスター賞
○大澤知朗、丹原 惇、西山秀昌、髙橋功次朗、本多綾子、高木律男、小林正治、齋藤 功：三次元CT画像を⽤いた⾻格性下顎前突症患者における下顎⾻偏位の様相について、第29回特定非営利活動法人日本顎変形症学会総会・学術大会、会場：学術総合センター（一橋講堂）（東京都千代田区）、2019年6月8-9日
○村上智子、福井忠雄、西山秀昌、林 孝文、小林正治、高木律男、齋藤 功：顔面非対称を伴う骨格性下顎前突症例における脳頭蓋底の三次元形態分析、第26回特定非営利活動法人日本顎変形症学会総会・学術大会、会場：学術総合センター（一橋講堂）（東京都千代田区）、2016年6月24-25日
https://www.jstage.jst.go.jp/article/jjjd/26/2/26_141/_pdf
【科目の概要 Course outline】
[IA/IIA]
CTやMRI画像は少なくとも畳み込みフィルタに相当する画像処理がなされ、DICOM画像として保管されている。これら画像について診断・研究するには、画像処理について理解する必要がある。このため最初にDICOM画像の取り扱いについて学習し、顎顔面領域の画像診断に必要な基本的な画像処理技術の演習を行う。これら演習後にDICOM画像からMPR画像やADC map画像等を作成して、顎顔面領域の画像診断演習を行う。
CT and MRI images are processed by convolution filters and stored as DICOM images. If you want to diagnose and study about those images, you must learn about the image processing methods. In the beginning, this course provides the practices for handling of DICOM formatted images and for training in the image processing methods. Then, you can learn about making the MPR or ADC map from DICOM formatted images, and practice in the diagnostic imaging of oral and maxillofacial region using image processing.
[IB/IIB]
画像認識における深層学習は、人工知能、特に機械学習の歴史の中で、近年、著しく発達した領域として注目されている。しかしながら、多層の畳み込みニューラルネットワークやVision-Transformer（ViT）を主体とする深層学習システムにて、どのように画像が認識されるのかは、ブラックボックスとして扱わざるを得ない。このため、診断における医師・歯科医師の使用者責任、およびシステム開発側での説明責任に関する記述が厚生労働省と総務省から公表されている。
この演習では、画像診断におけるAI、機械学習、および深層学習について演習を通じて仕組みを理解し、適応範囲と限界を学習していく。
Deep learning in image recognition has recently attracted attention as an area that has evolved significantly in the history of artificial intelligence, especially machine learning systems. However, in deep learning systems based mainly on multilayer convolutional neural networks or Vision-Transformer (ViT), the image recognition method must be treated as a black box. For this reason, the Ministry of Health, Labor and Welfare and the Ministry of Internal Affairs and Communications publish about accountability on the system development side and user responsibilities of doctors and dentists.
In this exercise, you will understand the mechanism and learn the applicable range and limitations through exercises on AI, machine learning, and deep learning in diagnostic imaging.
【科目のねらい Course aim】
[IA/IIA]
画像診断を行うために、顎顔面領域の画像診断に必要な画像処理技術を習得し活用する。
Students will acquire the knowledge and skills of image processing methods for diagnostic imaging of oral and maxillofacial region and to use them for some cases.
[IB/IIB]
Aコースで履修した画像処理の知識、特に３次元空間におけるアフィン変換にて用いたマトリックス演算の知識と、畳み込みフィルタの概念を応用し、前半では画像診断における深層学習の仕組みを理解し、適応範囲と限界を習得する。
後半では画像認識系としてのVision-Transformer（ViT）や画像生成系のStable Diffusionを含め、最先端の各種システム・モデルの概要と問題点について習得する。
By applying the knowledge of image processing acquired in Course A, especially the matrix operation used in affine transformation in three-dimensional space, and the concept of convolution filter, students will be able to understand the mechanism of deep learning in image diagnosis and to learn the adaptation range and limitations in the first half.
In the second half, students will learn about the overview and problems of the latest systems and models, including Vision-Transformer (ViT) as an image recognition system and Stable Diffusion as an image generation system.
【学習の到達目標 Attainment target】
[IA/IIA]
DICOM画像(CT, MRI等)を適切に処理し、画像診断を行う。
Students will diagnose the DICOM formatted images (CT, MRI etc.) with suitable image processing.
1) DICOMについて説明でき、画像の種類と特性について理解する。
Students will explain about DICOM and to understand about image formats and characteristics.
2) デジタル画像の処理ができる。
Students will perform the digital image processing.
3) MPR画像について説明し、作成できる。
Students will explain and make the MPR formatted images.
4) DICOMタグから３次元座標を抽出し、アフィン変換を用いて座標変換ができる。
Students will change the coordinate of any point on DICOM images with affine transformation method.
5) ダイナミック造影、ならびにDWI、ADC mapについてDICOMタグから必要な情報を抽出し、解析できる。
Students will extract and analyze necessary information from DICOM tags for dynamic contrast enhanced images, DWI and ADC map.
[IB/IIB]
機械学習について段階的にシステムの仕組みと動作を学習し、多層の畳み込みニューラルネットワーク、オートエンコーダ、およびGAN（敵対的生成ネットワーク）について演習を行い、適応範囲と限界を理解することができる。
Students will learn the mechanism and operation of machine learning step by step, and practice multi-layer convolutional neural networks, auto-encoders, and GANs (Generative Adversarial Networks) to understand the applicable range and limitations.
1) Jupyter環境を構築し、PythonおよびNumPyを実行させることができる。
Students will build a Jupyter environment and run Python and NumPy.
2) TensorFlowとKerasにて演習を行い、機械学習の基本概念を説明できる。
Students will exercise with “TensorFlow and Keras” and explain basic concepts of machine learning.
3) 分類アルゴリズム、ロジスティック回帰、および最尤推定について説明できる。
Students will explain the classification algorithm, logistic regression, and maximum likelihood estimation.
4) ソフトマックス（softmax）、ミニバッチ（minibatch）、確率的勾配降下法、および計算誤差について説明できる。
Students will explain softmax, minibatch, stochastic gradient descent, and calculation errors.
5) ニューラルネットワーク、活性化関数、隠れ層、および単層と多層の違いについて説明できる。
Students will explain neural networks, activation functions, hidden layers, and the differences between single-layer and multilayer.
6) 畳み込みフィルタ、プーリング層、および特徴変数による画像の分類、およびフィルタの動的学習について説明できる。
Students will explain the classification of images using convolution filters, pooling layers, and feature variables, and dynamic learning of filters.
7) 畳み込みフィルタの多層化、および手書き文字の自動認識アプリケーションの演習を通じて、ヒートマップについて説明できる。
Students will explain the heat map through multi-layered convolution filter and exercise of automatic recognition application of handwritten characters.
8) 機械学習モデルの判断根拠の説明、さまざまな勾配ベースのハイライト法について説明できる。
Students will explain the basis for judgment of machine learning models and explain various gradient-based highlighting methods.
9) AIのブラックボックス問題（説明責任）、AIのバイアス問題（公平性）、AIの脆弱性問題、AIの品質保証問題、フェイク動画問題、ソーシャルメディアによる思考誘導問題について説明できる。
Students will explain the black box problem of AI (accountability), the bias problem of AI (fairness), the vulnerability problem of AI, the quality assurance problem of AI, the fake video problem, and the thinking guidance problem by social media.
10) ResNetとU-Netについて説明できる。
Students will explain ResNet and U-Net.
11) オートエンコーダについて説明できる。
Students will explain the auto encoder.
12) GAN（敵対的生成ネットワーク）の概要と問題点について説明できる。
Students will explain the outline and problems of GAN (Generative Adversarial Network).
13) 画像診断における機械学習での認識基準と人間の認識基準との差異について説明できる。
Students will explain the difference between machine learning recognition and human recognition in image diagnosis.
14) Vision-Transformer（ViT）を含む各種システム・モデルの概要と問題点について説明できる。
Students will explain the overview and problems of various system models including Vision-Transformer (ViT).
【学習方法・学習上の注意 Study method・attention】
[IA/IIA]
Bコースの履修はAコースの履修を必須とする。秋期入学者は2学期に本年度のAコースを履修し、次年度の1学期にBコースを履修可能である。
履修を決定したら、「nisiyama[AT]dent.niigata-u.ac.jp」（[AT]を @ に置き換えて下さい）までメールで連絡すること。
本コースはオンラインにて行う。
顎顔面画像診断学演習サイト（URL）: https://www5.dent.niigata-u.ac.jp/~nisiyama/grad/
Webページからテキストと課題をダウンロードして演習を行いEメールにて結果を提出する。課題提出後にパスワード付きの解答・解説をダウンロードして確認する。解答・解説を確認後、必要に応じ、さらなる自己学習を行う。
演習に用いるソフトはImageJ（NIH: National Institutes of Health）ないしFijiであるが、MATLAB等の他のDICOM処理可能なソフトを用いてもいい。ソフトのインストールについては、初回の演習時に指示する。
Course B requires students to take Course A. Autumn enrollees can take Course A in the second semester of this year and Course B in the first semester of the following year.
If you decide to take this course, please contact me by E-mail to “nisiyama[AT]dent.niigata-u.ac.jp” (replace [AT] with @).
This course is online based system. You can download the text and assignments from the following web site.
Site URL for the Diagnostic Imaging Practice: https://www5.dent.niigata-u.ac.jp/~nisiyama/grad/
After doing assignments, you should send back the products by E-mail. After submission of products, you can download the answer and explication with the password. After reviewing the answers and explanations, do more self-study as needed.
The image processing software as “ImageJ” (NIH: National Institutes of Health) or Fiji will be used in this practical course, but you can use other software (for example MATLAB) that managing the DICOM format. Instructions for installing the software will be given during the first exercise.
[IB/IIB]
Bコースの履修はAコースの履修を必須とする。秋期入学者は2学期に本年度のAコースを履修し、次年度の1学期にBコースを履修可能である。
履修を決定したら、「nisiyama[AT]dent.niigata-u.ac.jp」（[AT]を @ に置き換えて下さい）までメールで連絡すること。
本コースはオンラインにて行う。
顎顔面画像診断学演習サイト（URL）: https://www5.dent.niigata-u.ac.jp/~nisiyama/grad/
Webページからテキストと課題をダウンロードして演習を行いEメールにて結果を提出する。課題提出後にパスワード付きの解答・解説をダウンロードして確認する。
PythonないしMATLABをプログラミング言語として用いる。
MATLABの場合、「自己学習形式のオンライン コース」（https://matlabacademy.mathworks.com/jp/）の「AI、機械学習、ディープ ラーニング」（計25時間）を受講し修了証を取得することで、演習の1-14回までの受講に代えることができる。
PythonであればJupyter notebook およびNeural network console (Sony)を実行環境として用いる。前半、医療画像を用いない範囲では、オンライン版を利用することも可能だが、医療画像を用いる演習では、ローカルで稼働するシステム（オフライン版）で演習すること。もし、ローカルでの環境構築が困難な場合には、顎顔面放射線学分野内にある指定端末での演習となる。
The main text is Japanese. Here are some similar English texts, but none are the same. The content and materials of the assignment study will be presented in English as in Course A.
Course B requires students to take Course A. Autumn enrollees can take Course A in the second semester of this year and Course B in the first semester of the following year.
If you decide to take this course, please contact me by E-mail to “nisiyama[AT]dent.niigata-u.ac.jp” (replace [AT] with @).
This course is online based system. You can download the text and assignments from the following web site.
Site URL for the Diagnostic Imaging Practice: https://www5.dent.niigata-u.ac.jp/~nisiyama/grad/
After doing assignments, you should send back the products by E-mail. After submission of products, you can download the answer and explication with the password.
We will use Python or MATLAB as programming language.
For MATLAB, please take the “AI, Machine Learning, and Deep Learning” (24 hours in total) of the “Self-Paced Online Courses” (https://matlabacademy.mathworks.com/en/) and obtain a certificate of completion. Can be used in place of # 1-14.
For Python, Jupyter notebook and Neural network console (Sony) will be used for the execution environment. In the first half, you can use the online version if you do not use medical images, but exercises using medical images must be performed on a locally operating system (offline version). If it is difficult to construct a local environment, exercises will be conducted at a designated terminal in the Division of Oral and Maxillofacial Radiology.
・本演習は４限（IA, IB: 主として学部大学院生）と６限（IIA, IIB主として社会人大学院生）ともに同じ内容です。
The contents of 4th (IA,
IB) and 6th (IIA, IIB) periods are same.
・１学期の演習は4月14日から開始、２学期の演習は10月6日から開始します。通年連続して受講された場合、4単位を認定します。
The start date is 14 April for 1st semester, and 6 October for 2nd semester.
If you take a
course consecutively through 1 year, you will get 4 credits.
・本演習はオンライン受講です。
The practice of this course is online based
system.
オンライン実習ですので、時間のあるときに演習してください。演習のある週には、解答できてもできなくても１週間以内に必ずE-mailを送付してください。出席代わりとなります。メールを受信した場合にのみ、解答および次回演習分のパスワードを送付します。
１週間以内に解答できなかった場合、提示された答えを参照しながら、演習を行ってください。最終的には１学期は7月31日（２学期は1月22日）までに送付してきたメールに対し成績の評価を行います。
As this course is online system, you can do practices or assignments anytime.
Each deadline will be set to 1 week later after showing the assignment.
If you could not solve the assignment within one week, you can do it with referring the answer, but you must send e-mail every practical week with or without the answer.
It will be evaluated that the all e-mails
and answers received until 31 July for 1st semester (22 January for 2nd
semester).
パスワードロックされたＰＤＦファイルは一度ダウンロードし、ダウンロードしたＰＤＦファイルを開いてください。
Download a password-locked PDF file once and open the downloaded PDF file.
ImageJ以外のDicomビューアーソフトについては、「★演習に必要な環境」←【リンク】の【その他ソフト】を参照してください。
演習内容について、分からないので直接聞きたい・実行してみたいという方がおられましたら相談に応じますので、遠慮せずにメールしてください。
If you have any questions, please send e-mail to me.
★CTについて、基本的な事項（学部学生レベル＋α）をまとめたPDFファイルを置いておきます。
「CT-lec-part.pdf」←【リンク】。
|
原則、パスワードを受け取ってから1週間以内に提出してください。 初回のパスワードはありません。 ２回目以降のパスワードは、登録されたメールアドレスに演習日の14:40以降に個々に送付します。 演習日から1週間以内に何らかのレスポンス（メール送付）がない場合、次回分のパスワードは送付されず、欠席扱いになりますので、注意してください。 ※１週間後が休日の場合、その翌週まで延長されます。したがって、夏休み等を挟む場合、休み明けの最初の水曜日が提出期限になります。 万一演習が遅れてパスワード公開後に演習した場合、その内容について、解答を見ながらでもいいですので演習を行いメールを提出してください。演習された内容について、評価点をつけます。 4限目 14:40-16:10、6限目 18:05-19:35 PDFファイルをクリックしてもパスワード入力ウィンドウが表示されない場合には、一度ダウンロードしてから開いてください。(Macintoshの場合に生じることがあるようです)
Please send e-mail to me within one week after you’ve got password. If it is a holiday, until next week. There is no password of first time practice. The password will be send with e-mail at the 14:40 on the practice day. Please be careful to send e-mail as instead of attendance within every practical week. If you could not solve the assignment within one week, you can do it with referring the answer, but you must send e-mail every practical week with or without the answer to get the point of practice and go to next step. |
|||||||
|
回 （シラバスNo.） [Times (Syllabus No.)] |
演習日 [Date] |
時限 [Period] |
タイトル 【各単元へクリックで移動】 [Title] click to move the topics. |
|
|
課題・解説ファイル【pdfへのリンク】 -- 詳細は各単元参照 [Assignments and Answer] |
課題提出 締め切り [Deadline] |
|
#1 (S1) |
4月10日 10 April (10/2) |
4, 6 |
課題 Assignment |
Japanese |
ImageJと今日の課題 https://www5.dent.niigata-u.ac.jp/~nisiyama/grad/01.pdf ↑課題が含まれています。 ImageJのインストールの詳細 https://www5.dent.niigata-u.ac.jp/~nisiyama/grad/NN-01-install.pdf 初回分のみパスワードを付していません。 |
受講開始 から 1週間以内 （１週間後が休日の場合、その翌週まで） Within a week from the start of the course. (If it is a holiday, until next week.) |
|
|
English |
ImageJ and today’s assignment https://www5.dent.niigata-u.ac.jp/~nisiyama/grad/01-e.pdf ↑including the assignment. The password is not attached only for the first unit. Passwords are attached to the next assignment and this time's answers. I will send a password to those who submitted the answer for the assignment. |
||||||
|
#2 (S2) |
4月17日 17 April (10/9) |
4, 6 |
前回の解答 Answer |
Japanese |
前回の課題の解答 https://www5.dent.niigata-u.ac.jp/~nisiyama/grad/01-ans.pdf ※パスワードは ＃１ 課題についてメールされた方に送付します。 |
|
|
|
English |
Previous answer & explanations https://www5.dent.niigata-u.ac.jp/~nisiyama/grad/01-e-ans.pdf ※The password will be sent to those emailed about the # 1 issue. |
||||||
|
課題 Assignment |
Japanese |
今回の課題 https://www5.dent.niigata-u.ac.jp/~nisiyama/grad/02.pdf ※パスワードは ＃１ 課題についてメールされた方に送付します。 |
パスワード 受領後 1週間以内 Within a week after password acquisition. |
||||
|
English |
Today’s assignment https://www5.dent.niigata-u.ac.jp/~nisiyama/grad/02-e.pdf ※The password will be sent to those emailed about the # 1 issue. |
||||||
|
#3 (S3) |
4月24日 24 April (10/23) |
4, 6 |
前回の解答 Answer |
Japanese |
前回の課題の解答 |
|
|
|
English |
Previous answer & explanations https://www5.dent.niigata-u.ac.jp/~nisiyama/grad/02-e-ans.pdf |
||||||
|
課題 Assignment |
Japanese |
今回の課題 |
パスワード 受領後 1週間以内 Within a week after password acquisition. |
||||
|
English |
Today’s assignment |
||||||
|
#4 (S4) |
5月8日 8 May (10/30) |
4, 6 |
前回の解答 Answer |
Japanese |
前回の課題の解答 |
|
|
|
English |
Previous answer & explanations https://www5.dent.niigata-u.ac.jp/~nisiyama/grad/03-e-ans.pdf |
||||||
|
課題 Assignment |
Japanese |
今回の課題 |
パスワード 受領後 1週間以内 Within a week after password acquisition. |
||||
|
English |
Today’s assignment |
||||||
|
#5 (S5) |
5月15日 15 May (11/6) |
4, 6 |
前回の解答 Answer |
Japanese |
前回の課題の解答 |
|
|
|
English |
Previous answer & explanations https://www5.dent.niigata-u.ac.jp/~nisiyama/grad/04-e-ans.pdf
|
||||||
|
課題 Assignment |
Japanese |
今回の課題 |
パスワード 受領後 1週間以内 Within a week after password acquisition. |
||||
|
English |
Today’s assignment |
||||||
|
#6 (S6) |
5月22日 22 May (11/13) |
4, 6 |
前回の解答 Answer |
Japanese |
前回の課題の解答 https://www5.dent.niigata-u.ac.jp/~nisiyama/grad/05-ans.pdf
Fiji版での補足（特別編） https://www5.dent.niigata-u.ac.jp/~nisiyama/grad/05-FIJI-app.pdf |
|
|
|
English |
Previous answer & explanations https://www5.dent.niigata-u.ac.jp/~nisiyama/grad/05-e-ans.pdf
Appendix for Fiji (special version) https://www5.dent.niigata-u.ac.jp/~nisiyama/grad/05-FIJI-app-e.pdf |
||||||
|
課題 Assignment |
Japanese |
今回の課題 |
パスワード 受領後 1週間以内 Within a week after password acquisition. |
||||
|
English |
Today’s assignment |
||||||
|
#7 (S7) |
5月29日 29 May (11/20) |
4, 6 |
前回の解答 Answer |
Japanese |
前回の課題の解答 https://www5.dent.niigata-u.ac.jp/~nisiyama/grad/06-ans.pdf
補遺：エクセルシートにて「半値幅（半値全幅、FWHM）」（Full Width at Half Maximum）を簡易的に求める方法（パスワードはかかっていません） |
|
|
|
English |
Previous answer & explanations https://www5.dent.niigata-u.ac.jp/~nisiyama/grad/06-e-ans.pdf |
||||||
|
課題 Assignment |
Japanese |
今回の課題 （この課題は「公開版」とします。パスワードはかかっていません。) |
パスワード 受領後 1週間以内 Within a week after password acquisition. |
||||
|
English |
Today’s assignment (Public version, without password) |
||||||
|
#8 (S8) |
6月5日 5 June (11/27) |
4, 6 |
前回の解答 Answer |
Japanese |
前回の課題の解答 |
|
|
|
English |
Previous answer & explanations https://www5.dent.niigata-u.ac.jp/~nisiyama/grad/07-e-ans.pdf |
||||||
|
課題 Assignment |
Japanese |
今回の課題 （PDFは公開とします。） |
パスワード 受領後 1週間以内 Within a week after password acquisition. |
||||
|
English |
Today’s assignment (PDF is public version) |
||||||
|
#9 (S9) |
6月12日 12 June |
4, 6 |
[9] アフィン変換について・３次元（1） |
前回の解答 Answer |
Japanese |
前回の課題の解答 https://www5.dent.niigata-u.ac.jp/~nisiyama/grad/08-affine2D-ans.xlsx |
|
|
English |
Previous answer & explanations https://www5.dent.niigata-u.ac.jp/~nisiyama/grad/08-affine2D-e-ans.xlsx |
||||||
|
課題 Assignment |
Japanese |
今回の課題 https://www5.dent.niigata-u.ac.jp/~nisiyama/grad/09.pdf 課題用のエクセルファイル https://www5.dent.niigata-u.ac.jp/~nisiyama/grad/09-affine3D.xlsx |
パスワード 受領後 1週間以内 Within a week after password acquisition. |
||||
|
English |
Today’s assignment https://www5.dent.niigata-u.ac.jp/~nisiyama/grad/09-e.pdf Excel file for assignment https://www5.dent.niigata-u.ac.jp/~nisiyama/grad/09-affine3D-e.xlsx |
||||||
|
#10 (S10) |
6月19日 19 June
|
4, 6 |
[10]アフィン変換について・３次元（2） |
前回の解答と今回の課題 Previous Answer and Today’s Assignment |
Japanese |
前回の課題の解答と今回の課題（PDFは公開とします。） https://www5.dent.niigata-u.ac.jp/~nisiyama/grad/10.pdf 課題用のエクセルファイル https://www5.dent.niigata-u.ac.jp/~nisiyama/grad/10-affine3D.xlsx |
パスワード 受領後 1週間以内 Within a week after password acquisition |
|
English |
Previous answer & explanations and Today’s assignment (PDF is public version) https://www5.dent.niigata-u.ac.jp/~nisiyama/grad/10-e.pdf Excel file for assignment https://www5.dent.niigata-u.ac.jp/~nisiyama/grad/10-affine3D-e.xlsx |
||||||
|
#11 (S11) |
6月26日 26 June |
4, 6 |
[11]アフィン変換を用いた診断について |
前回の解答 Answer |
Japanese |
前回の課題の解答 https://www5.dent.niigata-u.ac.jp/~nisiyama/grad/10-affine3D-ans.xlsx |
|
|
English |
Previous answer & explanations https://www5.dent.niigata-u.ac.jp/~nisiyama/grad/10-affine3D-e-ans.xlsx |
||||||
|
課題 Assignment |
Japanese |
今回の課題 https://www5.dent.niigata-u.ac.jp/~nisiyama/grad/11.pdf 課題用のエクセルファイル https://www5.dent.niigata-u.ac.jp/~nisiyama/grad/11-affine3D.xlsx 参考資料 https://www5.dent.niigata-u.ac.jp/~nisiyama/grad/Definition_of_front_and_back_of_plane.pdf |
|||||
|
English |
Today’s assignment https://www5.dent.niigata-u.ac.jp/~nisiyama/grad/11-e.pdf Excel file for assignment https://www5.dent.niigata-u.ac.jp/~nisiyama/grad/11-affine3D-e.xlsx Reference https://www5.dent.niigata-u.ac.jp/~nisiyama/grad/Definition_of_front_and_back_of_plane-e.pdf |
||||||
|
#12 (S12) |
7月3日 3 July |
4, 6 |
[12] ROIの設定とCT画像診断 |
前回の解答 Answer |
Japanese |
前回の課題の解答 https://www5.dent.niigata-u.ac.jp/~nisiyama/grad/11-affine3D-ans.xlsx
|
|
|
English |
Previous answer & explanations https://www5.dent.niigata-u.ac.jp/~nisiyama/grad/11-affine3D-e-ans.xlsx
|
||||||
|
Japanese |
今回の課題 |
||||||
|
English |
Today’s assignment https://www5.dent.niigata-u.ac.jp/~nisiyama/grad/12-e.pdf
|
||||||
|
#13 (S13) |
7月10日 10 July |
4, 6 |
課題 Assignment |
Japanese |
前回の課題の解答 |
パスワード 受領後 1週間以内 Within a week after password acquisition. |
|
|
English |
Previous answer & explanations https://www5.dent.niigata-u.ac.jp/~nisiyama/grad/12-e-ans.pdf
|
||||||
|
Japanese |
今回の課題 |
||||||
|
English |
Today’s assignment |
||||||
|
#14 (S14) |
7月17日 17 July |
4, 6 |
[14] ダイナミック造影検査の診断におけるDICOMタグの利用について About the using of DICOM tag for diagnostic MR imaging with dynamic contrast enhancement. |
前回の解答 Answer |
Japanese |
前回の課題の解答 |
|
|
English |
Previous answer & explanations https://www5.dent.niigata-u.ac.jp/~nisiyama/grad/13-e-ans.pdf |
||||||
|
課題 Assignment |
Japanese |
今回の課題 https://www5.dent.niigata-u.ac.jp/~nisiyama/grad/14.pdf
参考資料 https://www5.dent.niigata-u.ac.jp/~nisiyama/MRI-15-min-p4.pdf |
パスワード 受領後 1週間以内 Within a week after password acquisition. |
||||
|
English |
Today’s assignment https://www5.dent.niigata-u.ac.jp/~nisiyama/grad/14-e.pdf
Reference materials https://www5.dent.niigata-u.ac.jp/~nisiyama/DWI-ADC-MRI-15min.pdf |
||||||
|
#15 (S15) |
7月24日 24 July (1/29) |
4, 6 |
About the DWI, ADC map and water flow for the diagnostic MR imaging. |
前回の解答 Answer |
Japanese |
前回の課題の解答 |
|
|
English |
Previous answer & explanations https://www5.dent.niigata-u.ac.jp/~nisiyama/grad/14-e-ans.pdf |
||||||
|
(S16) |
7月31日 31 July (2/5) |
4, 6 |
試験 多選択肢形式客観試験 Examination multi-choice objective test |
|
|||
|
|
原則、パスワードを受け取ってから1週間以内に提出してください。 初回のパスワードはありません。 ２回目以降のパスワードは、登録されたメールアドレスに演習日の14:40以降に個々に送付します。 演習日から1週間以内に何らかのレスポンス（メール送付）がない場合、次回分のパスワードは送付されず、欠席扱いになりますので、注意してください。 ※１週間後が休日の場合、その翌週まで延長されます。したがって、夏休み等を挟む場合、休み明けの最初の水曜日が提出期限になります。 万一演習が遅れてパスワード公開後に演習した場合、その内容について、解答を見ながらでもいいですので演習を行いメールを提出してください。演習された内容について、評価点をつけます。 4限目 14:40-16:10、6限目 18:05-19:35 PDFファイルをクリックしてもパスワード入力ウィンドウが表示されない場合には、一度ダウンロードしてから開いてください。(Macintoshの場合に生じることがあるようです)
Since there are no students using the English version this year, we have deleted the English files and are working on modifying them for the next year. Please send e-mail to me within one week after you’ve got password. There is no password of first time practice. The password will be send with e-mail at the 14:40 on the practice day. Please be careful to send e-mail as instead of attendance within every practical week. If you could not solve the assignment within one week, you can do it with referring the answer, but you must send e-mail every practical week with or without the answer. Because you will get the point of practice. |
|||||
|
回 （シラバスNo.） [Times (Syllabus No.)] |
演習日 [Date] |
時限 [Period] |
タイトル 【各単元へクリックで移動】 [Title] click to move the topics. |
課題・解説ファイル【pdfへのリンク】 -- 詳細は各単元参照 [Assignments and Answer] |
課題提出 締め切り [Deadline] |
|
|
#16 (S1) |
10月2日 2 Oct. (4/10) |
4, 6 |
[16] Python、NumPy,
Jupyterを使った演習 |
（パスワード無し） PythonおよびJupyter notebookが起動するシステムの構築と演習 https://www5.dent.niigata-u.ac.jp/~nisiyama/grad/16.pdf
※この演習では該当しませんが、特定条件（商用利用該当）でAnacondaを利用する場合には有償版（Anaconda Commercial Edition）を利用しましょう。 https://www.anaconda.com/blog/anaconda-commercial-edition-faq https://qiita.com/tfukumori/items/f8fc2c53077b234384fc ※Anacondaではなくminicondaを使う手順 |
受講開始 から 1週間以内 （１週間後が休日の場合、その翌週まで） Within a week from the start of the course. (If it is a holiday, until next week.) |
|
|
※PyTorchをPipenv環境にインストールするマニュアルを改訂しました。 （2023.11.28） https://www5.dent.niigata-u.ac.jp/~nisiyama/grad/Pipenv-PyTorch.pdf
|
||||||
|
#17 (S2) |
10月9日 9 Oct. (4/17) |
4, 6 |
[17]
DeepLearning入門 その１ |
前回の解答 Answer |
（パスワード無し） 前回の演習についての解説 https://www5.dent.niigata-u.ac.jp/~nisiyama/grad/16-ans.pdf
|
|
|
課題 Assignment |
（パスワード無し） 今回の課題 https://www5.dent.niigata-u.ac.jp/~nisiyama/grad/17.pdf
指定教科書：「TensorFlowとKerasで動かしながら学ぶ ディープラーニングの仕組み ~畳み込みニューラルネットワーク徹底解説~」（マイナビ / 中井悦司）ISBN:978-4839970277 でのGoogle Colab利用時の補足説明 https://www5.dent.niigata-u.ac.jp/~nisiyama/grad/python/Google-Colab.pdf |
|
||||
|
#18 (S3) |
10月23日 23 Oct. (4/24) |
4, 6 |
[18] DeepLearning入門 その２ |
前回の解答 Answer |
前回の演習についての解説 |
|
|
課題 Assignment |
今回の課題 https://www5.dent.niigata-u.ac.jp/~nisiyama/grad/18.pdf ※パスワードは掛けていません（公開版） 演習プログラムコード： Chapter02/1. Maximum likelihood estimation.ipynb Chapter02/2. Comparing accuracy for training and test datasets.ipynb |
パスワード 受領後 1週間以内 Within a week from the start of the course. |
||||
|
#19 (S4) |
10月30日 30 Oct. (5/8) |
4, 6 |
[19] DeepLearning入門 その3 |
前回の解答 Answer |
前回の演習についての解説 |
|
|
課題 Assignment |
今回の課題 |
パスワード 受領後 1週間以内 Within a week from the start of the course. |
||||
|
#20 (S5) |
11月6日 6 Nov. (5/15) |
4, 6 |
[20] DeepLearning入門 その4 |
前回の解答 Answer |
前回の演習についての解説 |
|
|
課題 Assignment |
今回の課題 |
パスワード 受領後 1週間以内 Within a week from the start of the course. |
||||
|
【ネット上、有用な資料】
総務省：AIネットワーク社会推進会議 「報告書2021」の公表 ※関連用語：「人間中心のAI社会原則」、OECD、GPAI（Global Partnership on AI）、「AI活用ガイドライン」 |
AIネットワーク社会推進会議 「報告書2021」の公表 https://www.soumu.go.jp/menu_news/s-news/01iicp01_02000097.html 別添1 「報告書2021」PDF https://www.soumu.go.jp/main_content/000761967.pdf 別添2 「報告書2021」概要PDF https://www.soumu.go.jp/main_content/000761968.pdf AIネットワーク社会推進会議 報告書2019の公表 https://www.soumu.go.jp/menu_news/s-news/01iicp01_02000081.html 別紙1 AI利活用ガイドラインPDF |
|
||||
|
#21 (S6) |
11月13日 13 Nov. (5/22) |
4, 6 |
[21] DeepLearning入門 その5
|
前回の解答 Answer |
前回の演習についての解説 |
|
|
課題 Assignment |
今回の課題（パスワードは掛けていません） |
|||||
|
|
|
|
||||
|
#22 (S7) |
11月20日 20 Nov. (5/29) |
4, 6 |
前回の解答 Answer |
前回の演習についての解説 |
|
|
|
課題 Assignment |
今回の課題（パスワードは掛けていません） |
パスワード 受領後 1週間以内 |
||||
|
|
|
|
||||
|
#23 (S8) |
11月27日 27 Nov. (6/5) |
4, 6 |
前回の解答 Answer |
前回の演習についての解答・解説 |
|
|
|
課題 Assignment |
今回の課題（パスワードは掛けていません） |
パスワード 受領後 1週間以内 |
||||
|
【ローカル版にて現時点で発生する問題：2021.11.24現在】 colab_tfbook/Chapter05/5. CIFAR10 CNN classification.ipynb の (train_images, train_labels), (test_images, test_labels) = cifar10.load_data() 実行時に下記のエラーが表示される場合 [SSL: CERTIFICATE_VERIFY_FAILED] certificate verify failed |
対処方法について ※テキストオリジナルのコード（オンライン版）をGoogle Colabで実行して下さい。 ※どうしても、ローカルで行いたい場合、セキュリティレベルの警告を無視する操作となるので、自己責任で願います。 https://www5.dent.niigata-u.ac.jp/~nisiyama/grad/chap-5-5-CIFAR10-error.pdf |
|
||||
|
機械学習資料（ネット検索可能な資料） |
|
|||||
|
#24 (S9) |
12月4日 4 Dec. (6/12) |
4, 6 |
前回の解答 Answer |
前回の演習についての解答・解説（要パスワード） |
|
|
|
課題 Assignment |
今回の課題（パスワードは掛けていません） |
パスワード 受領後 1週間以内 |
||||
|
機械学習資料（ネット検索可能な資料） |
|
|||||
|
#25 (S10) |
12月11日 11 Dec. (6/19) |
4, 6 |
前回の解答 Answer |
前回の演習についての解答・解説（要パスワード） |
|
|
|
課題 Assignment |
今回の課題（パスワードは掛けていません） |
パスワード 受領後 1週間以内 |
||||
|
機械学習資料（ネット検索可能な資料） |
|
|||||
|
#26 (S11) |
12月18日 18 Dec. (6/26) |
4, 6 |
前回の解答 Answer |
前回の演習についての解答・解説（要パスワード） |
|
|
|
課題 Assignment |
今回の課題（パスワードは掛けていません） |
パスワード 受領後 1週間以内 |
||||
|
機械学習資料（ネット検索可能な資料） |
|
|||||
|
#27 (S12) |
12月25日 25 Dec. (7/3) |
4, 6 |
前回の解答 Answer |
前回の演習についての解答・解説（要パスワード） |
|
|
|
課題 Assignment |
今回の課題（パスワードは掛けていません） |
パスワード 受領後 1週間以内 |
||||
|
第2回日本歯科人工知能（AI）研究会・発表資料，および 機械学習資料（ネット検索可能な資料） |
https://www5.dent.niigata-u.ac.jp/~nisiyama/grad/ML-info-HN-191218.pdf |
|
||||
|
#28 (S13) |
1月8日 8 Jan. (7/10) |
4, 6 |
前回の解答 Answer |
前回の演習についての解答・解説（要パスワード） |
|
|
|
課題 Assignment |
今回の課題（パスワードは掛けていません） |
パスワード 受領後 1週間以内 |
||||
|
機械学習資料（ネット検索可能な資料） |
|
|
||||
|
#29 (S14) |
1月15日 15 Jan. (7/17) |
4, 6 |
前回の解答 Answer |
前回の演習についての解答・解説（要パスワード） |
|
|
|
課題 Assignment |
今回の課題 https://www5.dent.niigata-u.ac.jp/~nisiyama/grad/29.pdf ※参考資料（Neural Network Consoleの「06_auto_encoder.sdcproj」を改良する手順、要パスワード） https://www5.dent.niigata-u.ac.jp/~nisiyama/grad/29-autoEncoder-SNN-mod.pdf |
パスワード 受領後 1週間以内 |
||||
|
機械学習資料（ネット検索可能な資料） |
|
|
||||
|
#30 (S15) |
1月29日 29 Jan. (7/24) |
4, 6 |
[30] Deep Learning System（深層学習システム）と画像診断について（まとめ） About the Deep Learning System and image diagnosis (Summary). |
前回の解答 Answer |
前回の課題についての解答・解説（要パスワード） https://www5.dent.niigata-u.ac.jp/~nisiyama/grad/29-ans.pdf
|
|
|
まとめ |
https://www5.dent.niigata-u.ac.jp/~nisiyama/grad/30.pdf
https://www5.dent.niigata-u.ac.jp/~nisiyama/grad/Summary_MachineLearning.pdf
|
|
||||
|
機械学習資料（ネット検索可能な資料） |
|
|
||||
|
(S16) |
2月5日 5 Feb. (7/31) |
4, 6 |
試験 多選択肢形式客観試験 Examination multi-choice objective test |
|
||
◎単元ごとの詳細 / details 【目次へ / To Page Top】
[１] ガイダンス、画像処理ソフトについて / Guidance, About image processing soft wares.
【Japanese】
●演習に必要な環境を確認してください。【←クリックで移動】
●ソフト（ImageJ）を利用可能な環境にインストールしてください。【←クリックで移動】
【English】
Please ask me about environment necessary for practice.
【１学期予定へ / To 1st Semester】 【２学期予定へ / To 2nd Semester】
[２] DICOMタグについて / About the tag information in DICOM data
●DICOMとは？
●DICOMのデータセット（タグ＋データ要素）について
●機種毎に異なる数値データの形式の違いについて（ビット数や「符号無し」と「符号有り」の違いについて）
※DICOM形式のファイル内容を確認するためのバイナリダンプ（表示）ソフトを公開しました。
Perl版とWindows限定ですがエクセルシート版の2種類を用意しています。→●16進ダンプソフト
【１学期予定へ / To 1st Semester】 【２学期予定へ / To 2nd Semester】
[３] DICOM画像に用いられる画像の種類と特性について / About the image formats in DICOM data
●DICOM内のCT画像について --- CT値はどのように扱われているのか？ jpeg画像と何処が違うのか？
●圧縮画像と非圧縮画像の違い --- jpegとtiffとその他の画像フォーマット
【１学期予定へ / To 1st Semester】 【２学期予定へ / To 2nd Semester】
[４] DICOM画像の３次元表示とMPRについて / About the 3D view and MPR on DICOM images.
●DICOMタグ内のスライス位置情報
●MPR（多断面再構成）について
【１学期予定へ / To 1st Semester】 【２学期予定へ / To 2nd Semester】
[５] DICOMビューアーでのガントリーチルトの問題について / Problem of gantry (detector) tilt angle.
●ガントリーチルトとは？
●DICOM画像でのチルト角の影響
●ボリュームスキャンとヘリカルスキャンの差
【１学期予定へ / To 1st Semester】 【２学期予定へ / To 2nd Semester】
[６] CT画像上でのラインプロファイルと計測精度について / About the line profile and measuring accuracy on CT images.
●軟組織表示画像と硬組織（骨）表示画像の違いについて
●計測精度と半影、半値幅について
●画像での物体の境界設定に関する基礎的な事項となります。
【１学期予定へ / To 1st Semester】 【２学期予定へ / To 2nd Semester】
[７] CT画像に用いられているフィルタ処理について / About the image processing filter on CT images.
●CTでの軟組織表示、硬組織表示とフィルタ処理の関係
●コンボリューションフィルタとは？
【１学期予定へ / To 1st Semester】 【２学期予定へ / To 2nd Semester】
[８] アフィン変換について・２次元 / About the 2D affine transformation.
●CT画像での３次元計測と座標変換について
●座標変換の基礎としてのアフィン変換
●２次元座標での演習
●エクセルシートにて変換前後の位置をプロットしつつ作業する
※アフィン変換はDeep Learningでも利用されています。
【１学期予定へ / To 1st Semester】 【２学期予定へ / To 2nd Semester】
[９] アフィン変換について・３次元（1） / About the 3D affine transformation (1).
●２次元アフィン変換の３次元への拡張
●右手系と左手系
●任意の基準座標系への変換
【１学期予定へ / To 1st Semester】 【２学期予定へ / To 2nd Semester】
[１０] アフィン変換について・３次元（2） / About the 3D affine transformation (2).
●３次元アフィン変換の完成
【１学期予定へ / To 1st Semester】 【２学期予定へ / To 2nd Semester】
[１１] アフィン変換を用いた診断について / About the diagnostic imaging with affine transformation..
●アフィン変換を利用して、計測精度を高めるテクニック
●Pythonを用いた手法について
【１学期予定へ / To 1st Semester】 【２学期予定へ / To 2nd Semester】
[１２] ROIの設定とCT画像診断 / About the diagnostic CT imaging with ROI.
●ROI Manager の使い方
●CTで造影される領域とは？
【１学期予定へ / To 1st Semester】 【２学期予定へ / To 2nd Semester】
[１３] MRI画像診断におけるDICOMタグの利用について / About the using of DICOM tag for diagnostic MR imaging.
●MRIでのDICOMタグ情報について
●各種パラメータから読み解くMR画像
【１学期予定へ / To 1st Semester】 【２学期予定へ / To 2nd Semester】
[１４] ダイナミック造影検査の診断におけるDICOMタグの利用について / About the using of DICOM tag for diagnostic MR imaging with dynamic contrast enhancement.DICOM
●一連の画像セットを対象としたDICOM画像の処理方法について
●ダイナミック造影検査での時間-強度曲線（Time-Intensity curve）について
【１学期予定へ / To 1st Semester】 【２学期予定へ / To 2nd Semester】
[１５] DWIとADC mapおよび水の動態と画像診断 / About the DWI, ADC map and water flow for the diagnostic MR imaging.
●DWIおよびADC mapの作成方法と、得られる結果の意義について
【１学期予定へ / To 1st Semester】 【２学期予定へ / To 2nd Semester】
[１６] Python, NumPy, Jupyterを使った演習 / Exercises using Python, NumPy, Jupyter
●DICOM画像の座標変換について、エクセルシートでのステップ単位の操作を#8から#12にて行ったが、これらの演算を高速に、かつ大量に処理する方法について学習する。
●学習環境に応じた、システムのインストールについて
●Deep Learningを含む機械学習との関係について
【１学期予定へ / To 1st Semester】 【２学期予定へ / To 2nd Semester】
[１７] DeepLearning入門 その１ / Introduction to Deep Learning. Part 1.
●機械学習モデルの３ステップについて
◆与えられたデータに、何らかの規則性ないし区分があると仮定し、複数のパラメータにて制御可能なモデル（数式やネットワーク）を想定する。
◆パラメータの変化によるモデルの適合度を評価するため、モデルにて得られた予測値と実測値の差を扱う（パラメータを変数とする）関数を誤差関数とする。
◆誤差関数を最小にするようにパラメータを決定する。
●TensorFlow、Keras
●勾配降下法
●微分可能の意味と重要性
【１学期予定へ / To 1st Semester】 【２学期予定へ / To 2nd Semester】
[１8] DeepLearning入門 その２ / Introduction to Deep Learning. Part 2.
●ニューラルネットワーク、深層学習、過学習
●分類アルゴリズムについて
●最尤推定、ロジスティック回帰
●分断する線・面からの距離について
【１学期予定へ / To 1st Semester】 【２学期予定へ / To 2nd Semester】
[１9] DeepLearning入門 その３ / Introduction to Deep Learning. Part 3.
●最小二乗法（多項式近似、回帰曲線）での学習について
●モデルの選択バイアスと過学習の違いについて
【１学期予定へ / To 1st Semester】 【２学期予定へ / To 2nd Semester】
[20] DeepLearning入門 その４ / Introduction to Deep Learning. Part 4.
●多項分類器、ソフトマックス関数
●MNISTデータ
●線形多項分類器
●ミニバッチと確率的勾配降下法
【１学期予定へ / To 1st Semester】 【２学期予定へ / To 2nd Semester】
[21] DeepLearning入門 その５ / Introduction to Deep Learning. Part 5.
●ニューラルネットワーク、単層と多層の違い
●活性化関数の違い
●隠れ層（中間層）のノード数の違い
●TensorBoard
【１学期予定へ / To 1st Semester】 【２学期予定へ / To 2nd Semester】
[22] Deep Learning System（深層学習システム）と画像診断について（１） / About the Deep Learning System and image diagnosis (1).
●（単層の）畳み込みフィルタによる画像の特徴抽出
●プーリング層の影響
●特徴変数による分類について
●単層CNNによる手書き文字の分類
【１学期予定へ / To 1st Semester】 【２学期予定へ / To 2nd Semester】
[23] Deep Learning System（深層学習システム）と画像診断について（２） / About the Deep Learning System and image diagnosis (2).
●多層の畳み込みフィルタ
●手書き文字認識アプリケーション
●予測への影響が大きい領域の検出（ヒートマップ）について
●CIFAR-10のカラー画像分類
【１学期予定へ / To 1st Semester】 【２学期予定へ / To 2nd Semester】
[24] Deep Learning System（深層学習システム）と画像診断について（３） / About the Deep Learning System and image diagnosis (3).
●オートエンコーダについて
【１学期予定へ / To 1st Semester】 【２学期予定へ / To 2nd Semester】
[25] Deep Learning System（深層学習システム）と画像診断について（４） / About the Deep Learning System and image diagnosis (4).
●DCGANについて
【１学期予定へ / To 1st Semester】 【２学期予定へ / To 2nd Semester】
[26] Deep Learning System（深層学習システム）と画像診断について（５） / About the Deep Learning System and image diagnosis (5).
●Sony Neural Network Consoleについて
●MNISTの手書き数字の分類。Binary-CNN
●日本放射線技術学会 画像部会の公開データを使った、胸部X線画像の画像方向（Up/Down/Left/Right）の4クラス分類
【１学期予定へ / To 1st Semester】 【２学期予定へ / To 2nd Semester】
[27] Deep Learning System（深層学習システム）と画像診断について（６） / About the Deep Learning System and image diagnosis 6).
●U-Netについて
●CNNの種類と特徴について（LeNet, AlexNet, GoogleNet, VGGNet、ResNet等）
【１学期予定へ / To 1st Semester】 【２学期予定へ / To 2nd Semester】
[28] Deep Learning System（深層学習システム）と画像診断について（７） / About the Deep Learning System and image diagnosis (7).
●胸部エックス線画像を用いたGAN（敵対的生成ネットワーク）について
●画像生成系（Stable Diffusionを含む）について
【１学期予定へ / To 1st Semester】 【２学期予定へ / To 2nd Semester】
[29] Deep Learning System（深層学習システム）と画像診断について（８） / About the Deep Learning System and image diagnosis (8).
●Neural network consoleでのオートエンコーダについて
●超解像について（PLUSE、StyleGAN2）
●ViT（Visual Transformer）について
【１学期予定へ / To 1st Semester】 【２学期予定へ / To 2nd Semester】
[30] Deep Learning System（深層学習システム）と画像診断について（まとめ） / About the Deep Learning System and image diagnosis (まとめ).
●「画像認識」にて、人工知能が捉えている特徴（特徴量）と人間が捉えている特徴の差異について
●敵対的サンプル（Adversarial example）について
●Deep Learningの限界について
●人工知能による「診断補助」と「診断」の違いについて
●画像以外での利用について
●OECDと医師法、および薬機法について
【１学期予定へ / To 1st Semester】 【２学期予定へ / To 2nd Semester】
【コンピュータ】
Windows, Macintosh, UNIXであればOKです。ただしDeep Learningのオプションの演習を自身の端末で行いたい場合には、ある程度の性能を有する端末（NVIDIAのGPUを搭載している等）が必要となります。
適切な機器を利用不可能な場合、西山まで連絡してください。（この場合、演習時間中に当分野所有の端末を使用していただくことにします。）
【I A / II Aで使用するソフト】
下記からダウンロードして使ってください（フリーソフト）。
●ImageJ
https://imagej.nih.gov/ij/ 【←リンク】
★ImageJのインストールの詳細（https://www5.dent.niigata-u.ac.jp/~nisiyama/grad/23-01-install.pdf）【←リンク】
を参照願います。それでも分からない場合には、西山まで連絡してください。
※なお、複数のディストリビューションがあるようです。画像処理をメインにするならFijiを利用してもいいでしょう。
●Fiji （ImageJからの派生、ImageJ 2系列）
●IBEX
https://aapm.onlinelibrary.wiley.com/doi/full/10.1118/1.4908210
MATLABを利用するため、ソースコードレベルでの作業を行うには、MATLABのライセンス（有償）が必要。
コンパイル済みのスタンドアローンでの利用であれば、無償での利用が可能。
●3D-Slicer (BoneTexture)
https://www.slicer.org/wiki/Documentation/Nightly/Extensions/BoneTextureExtension
【I B / II Bで使用する環境】
【システムのインストール手順】
Anacondaシステム
https://www5.dent.niigata-u.ac.jp/~nisiyama/grad/python/anaconda-install-j.pdf
Pipenv システム
https://www5.dent.niigata-u.ac.jp/~nisiyama/grad/python/pipenv-sys-install-j.pdf
ソニーのNeural Network Console
※クラウドバージョンも利用可能ですが、この演習では臨床データに近いものを使用するため、クラウドバージョンは使用しないでください。
[Install step of the system]
Anaconda system
https://www5.dent.niigata-u.ac.jp/~nisiyama/grad/python/anaconda-install-e.pdf
Pipenv system
https://www5.dent.niigata-u.ac.jp/~nisiyama/grad/python/pipenv-sys-install-e.pdf
Sony’s Neural Network Console
* Although the cloud version is also available, please do not use the cloud version because this exercise uses near the clinical data.
★機械学習・深層学習を用いた画像認識の演習での教科書など
About the textbooks for practice of image recognition using Machine & Deep Learning
基礎知識としてAコースのコンボリューションフィルタ（畳込フィルタ）、およびアフィン変換に関する知識が必須となります。
Anacondaないしpipenvという環境にてJupyter notebookを起動できるシステムが必須となります。Bコース最初の＃１６にて、windows10（ないしwindows11）への導入手順を提示します。
万一、自身の端末で行えない場合には、顎顔面放射線学分野のカンファレンス室にある端末を使って演習していただく予定です。
Basic knowledge of the convolution filter and affine transformation in Course A is essential.
A system that can start Jupyter notebook in Anaconda or pipenv environment is required. At the first time in Course B, # 16, we will show you how to install windows10.
If you cannot do it with your own terminal, we will have you practice using the terminal in the conference room of maxillofacial radiology.
【必須教科書 / Required textbook, media】●Japanese、◎English
●「TensorFlowとKerasで動かしながら学ぶ ディープラーニングの仕組み ~畳み込みニューラルネットワーク徹底解説~」（マイナビ / 中井悦司）ISBN:978-4839970277
↑ 機械学習・深層学習の前半における「指定教科書」です。
* The main textbook is Japanese. Here are some
similar English texts, but none are the same. The content and materials of the
assignment study will be presented in English as in Course A. There are no
English-language books corresponding to the Japanese version, but similar books
as follows:
◎TensorFlow For Dummies 1st Edition (For Dummies / by Matthew Scarpino) Paperback: about $27.44 online shop.
◎Deep Learning with TensorFlow 2 and Keras: Regression, ConvNets, GANs, RNNs, NLP, and more with TensorFlow 2 and the Keras API, 2nd Edition (Packt Publishing / by Antonio Gulli, Amita Kapoor, Sujit Pal) Paperback: about $39.99 online shop.
●「医療AIとディープラーニングシリーズ 2020-2021年版 標準 医用画像のためのディープラーニング: 入門編（オーム社 /福岡 大輔；著・編集, 藤田 広志；監修）」ISBN: 978-4274225451 [4274225453]
↑ 機械学習・深層学習の後半での「指定教科書」とします。ソニーのNeural Network Consoleを用います。
*This is a Japanese book specialized for Sony's neural network console system. There is no corresponding English book, but there are English-related materials at the following site.
◎https://dl.sony.com/
◎https://support.dl.sony.com/
【主要参考図書 / Main Reference book】●Japanese、◎English
※[For I A / II A]
●ImageJではじめる生物画像解析（秀潤社 / 三浦耕太、塚田祐基 編）本体4,000円（税別）
※[For I B / II B]
●「PythonとKerasによるディープラーニング（マイナビ、François Chollet・著、株式会社クィープ・訳、巣籠悠輔・監訳）」ISBN:9784839964269 [4839964262]
◎Deep Learning with Python (Manning Publications / Francois Chollet) Paperback: about $37.93 online shop.
●「医療AIとディープラーニングシリーズ 医用画像ディープラーニング入門（オーム社 /藤田 広志；編集）」978-4274223655 [4274223655]
↑ 医療分野における応用を含め、幅広い見地から記載されている本になります。この本の文末に記述されている
「2017年の北米放射線学会（RSNA）では、Curtis Langlotz先生が『AIが放射線科医の代わりになるかという質問に対する私の答えは【ノー】だ。しかし、AIを使用する放射線科医が、AIを使用しない放射線科医に取って代わるだろう』と述べている。」
という部分から続く締めくくりの話は非常に重要です。
●データ分析ツールJupyter入門（秀和システム / 掌田津耶乃 著）本体2,800円（税別）
*There are no English-language books corresponding to the Japanese version, but similar ones are listed.
◎Jupyter Notebook 101 (Bowker / by Michael Driscoll) Paperback: about $25.00 online shop.
※[For I B / II B MATLAB course]
●「自己学習形式のオンライン コース」（https://matlabacademy.mathworks.com/jp/）
◎”Self-Paced Online Courses” (https://matlabacademy.mathworks.com/en)
【推薦図書 / Recommended books and site(URL)】●Japanese、◎English
[For I A / II A]
●医用画像処理入門 （オーム社 / 石田隆行 編、石田隆行 大倉保彦 青山正人 川下郁生 共著）本体3,500円（税別）
●Pythonによる医用画像処理入門（オーム社 / 藤田広志 シリーズ監修、上杉正人、平原大助、齋藤静司 共編）本体3,400円（税別）
●DICOM入門 （社団法人日本画像医療システム工業会 / 監修 篠原出版新社）本体3,800円（税別）
●MRIの基本パワーテキスト 第4版 - 基礎理論から最新撮像法まで - (メディカル・サイエンス・インターナショナル / レイ・H. ハシェミ :著、荒木 力 :翻訳) 本体6,500円（税別）
●CT撮影技術学(改訂3版) (放射線技術学シリーズ) （オーム社 /日本放射線技術学会 :監修、 山口 功 :編集、 市川 勝弘 :編集、 辻岡 勝美 :編集、 宮下 宗治 :編集、 原田 耕平 :編集）本体4,800円（税別）
●頭頸部のCT・MRI 第3版（メディカル・サイエンス・インターナショナル / 尾尻博也 :編集、 酒井 修 :編集）本体15,000円（税別）
[For I B / II B]
●AIファースト・ヘルスケア -医療現場におけるAIアプリケーションの利用- （オライリー・ジャパン / Kerrie Holley 著, Dr. Siupo Becker 著, 木村 映善 監修, 岡 響 翻訳）ISBN: 978-4814400034、2,400円（税別）
◎AI-First Healthcare - Ai Applications in the Business and Clinical Management of Health – (by Kerrie L. Holley, Siupo Becker, Released April 2021, Publisher(s): O'Reilly Media, Inc.) ISBN: 9781492063155, Paperback: about $42
●「機械学習プロフェッショナルシリーズ・画像認識（講談社、原田達也）」ISBN: 978-4061529120
●「深層学習 改訂第2版 (機械学習プロフェッショナルシリーズ) （講談社 / 岡谷 貴之）」ISBN: 978-4065133323
●「実装 ディープラーニング（Ohmsha、藤田一弥＋高原 歩）」ISBN:978-4274219993
●「医療AIとディープラーニングシリーズ 標準 医用画像のためのディープラーニング: 実践編 (オーム社 / 藤田 広志 :監修, 原 武史:編集）ISBN:978-4274223631
●ディープラーニングがわかる数学入門（技術評論社 / 涌井良幸、涌井貞美）本体2,280円（税別）
●PyTorchニューラルネットワーク 実装ハンドブック（秀和システム / 宮本 圭一郎、大川 洋平、毛利 拓也 :著）本体3,000円（税別）
* There are no English-language books corresponding to the above Japanese version, but many useful English information on web site as follows:
◎https://docs.w3cub.com/tensorflow~python/
●つくりながら学ぶ！PyTorchによる発展ディープラーニング （マイナビ出版 /小川 雄太郎）ISBN: 978-4839970253
●scikit-learnとTensorFlowによる実践機械学習（オライリージャパン / Aurélien Géron:著, 下田 倫大:監修, 長尾 高弘:翻訳）本体4,500円（税別）
◎Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems 2nd Edition (O'Reilly Media / by Aurélien Géron) Paperback: about $43.99 online shop.
●本質を捉えたデータ分析のための分析モデル入門統計モデル、深層学習、強化学習等 用途・特徴から原理まで一気通貫!（ソシム / 杉山 聡）ISBN:978-4802613774、本体3,000円（税別）
【Jupyter notebookで物足りない場合、是非ともVisual Studio Codeを使いましょう。】
●プログラマーのためのVisual Studio Codeの教科書 (マイナビ出版 / 川崎 庸市、平岡 一成、阿佐 志保) 本体2,720円（税別）
【統計関連で有用な書籍】
●統計処理ポケットリファレンス ~Excel&R対応 (技術評論社 / 涌井 良幸、涌井 貞美) 本体1,680円（税別）
●Rコマンダーで簡単! 医療系データ解析 (東京図書 / 対馬 栄輝) 本体3,200円（税別）
●Rをはじめよう生命科学のためのRStudio入門 (羊土社 / Andrew P. Beckerman, Dylan Z. Childs, Owen L. Petchey 著、富永 大介 訳) 本体3,600円（税別）
【深層学習を含む機械学習にて用いられる各種技法については、少し古いですが下記も参照してください。】
●「統計的パターン認識（森北出版、浜本義彦）」ISBN:9784627848115 [4627848110]
●「パターン認識と学習のアルゴリズム（文一総合出版、上坂吉則, 尾関和彦著）ISBN:9784829920725 [4829920726]
【その他のソフト】
★Windowsで稼動するソフト （フリーのソフトが年々少なくなってきています）
YAKAMI DICOM ツール集（フリーの DICOM Viewer/Converter/etc.）
京都大学大学院医学研究科放射線医学講座（画像診断学・核医学） 医工連携グループ 八上全弘先生が開発されているソフト群です。
https://diag-rad.kuhp.kyoto-u.ac.jp/course/department/tech/dicom-tools-ja/
※注意：2014年で更新が停止しているとのことです。
★Macintoshで稼動するソフト
Osirix（Macintosh環境） --- 多くの機能は有償版で使える。
https://www.osirix-viewer.com/
★DICOMビューアーではないが、画像診断演習にて使用する専用ビューアー（開発・西山）
HNImage2 （HTML5環境、Windows & Macintoshの両方で稼働します。）
利用するには、ログインIDとパスワードが必要です。
演習時にURLとログインIDとパスワードを送付します。
★DICOMデータ情報の簡易閲覧ソフト等（2006年から開発・西山）
Perlで組んでいます。一応、可変長タグにも対応しています（2006.9.5からDICOMデータ変換ソフトの一部として開発したもので、更に更新途中です）。
ImageJなどのDICOMビューアーソフトには標準で組み込まれていますが、自身でDICOMのデータ構造をトレースしたい場合などで利用してください。
※Windows8の環境まではActivePerlを使っていましたが、Windows10ではWSL/WSL2のLinuxが標準で使えるため、Linux搭載のPerlで稼動するよう変更しています。
●DICOM構造の表示（取得）・ソフト
ファイルは２つに分かれています。
本ソフトは単体での使用でDICOM構造の表示を行いますが、別ソフト（DICOMデータ変換ソフト：後日公開予定）の一部として駆動させています。
VRの有無、Preamble部の有無、Endianの違いに対応しています。
タグの意味については、別途、関連資料を参照してください。
getallitem.pl --- 下記dicom.plとともにzipファイルとしています。適当な場所に解凍して利用願います。→ getallitem.zip
dicom.pl --- 間接的に呼び出されるサブルーチン群（DICOMヘッダー表示以外で使用するサブルーチンも入っています）
使用方法
コマンドラインにて
perl getallitem.pl 【対象ファイル名】
としてください。（無論、テキストファイルへのリダイレクトも可能です）
★16進ダンプ・エクセルシート（ウィンドウズ専用）
Perlを利用しにくい環境で、ウィンドウズにてエクセルが使える場所であれば、どこでも使うことができます。
ウィンドウズ環境でしか動きませんが、バイナリファイルを含め、16進ダンプ表示するエクセルシートを下記に置いておきます。希望する大学院生には内部のマクロ（VB）も公開します。
hexDump3.xlsm
(←クリックしてダウンロードしてください、2枚目のシートに簡易マニュアルが記載されています)
※ダウンロードしたファイルなので、「セキュリティの警告 マクロが無効にされました」と表示されます。使用したい場合には、「コンテンツの有効化」をクリックしてください。
【注意】
よくある誤解の一つに「zipファイル」の取り扱いがあります。
windows標準でも、zipファイルを解凍（展開）しないで中身をみることができてしまいますが、通常のソフトからzipファイルの中身を完全に参照することはできませんので注意してください。
必ず解凍（展開）するようにしてください。
展開したフォルダ内の一連の画像を読み込む方法については、下記リンク先のPDFを参考にしてください。
ImageJでの一連の画像の開き方【←リンク】(PDF)
【一般的な注意】
一回の演習に1.5時間ずつ割り当てられていますので、有効に利用するようにしてください。
コンピュータの操作関係は、ほとんどすべてネットで調べることができます。
英語のソフトですが、マニュアルを含めて英文を読むことと、ネットでの情報検索の時間も演習に含めています。
演習時間中は原則として医局（内線2916）にいます。
上記場所に不在時に、質問などある場合はメールしてください。（携帯に転送し、確認しています）