MIP Candy: A Modular PyTorch Framework for Medical Image Processing

MIP Candy は、医療画像処理の複雑な要件に対応し、単一メソッドの実装で完全なワークフローを構築可能にする一方、各コンポーネントへの微細な制御や柔軟な構成変更を可能にする、モジュール化されたオープンソースの PyTorch フレームワークです。

要約

MIP Candy：医療画像解析のための「魔法のキャンディ工場」

この論文は、**「MIP Candy（MIPCandy）」という新しいソフトウェアの紹介です。これを一言で言うと、「医療画像（CT や MRI など）を AI で解析するための、とても使いやすく、かつ自由自在にカスタマイズできる『魔法のキャンディ工場』」**のようなものです。

専門用語を抜きにして、どんなものなのかをわかりやすく解説します。

---

1. なぜこの「工場」が必要なの？（背景）

医療画像の解析は、普通の写真（猫や風景）の解析とは全然違います。

• 形が複雑: 2 次元の絵ではなく、3 次元の「塊（ボリューム）」データです。
• ファイルが特殊: 病院で使われる特殊な形式（NIfTI や DICOM など）で、普通の画像ソフトでは開けません。
• データが少ない: 医師が手書きでラベル（病気の場所など）をつけるのは大変なので、データが少なく、少ないデータから最大限の力を引き出す工夫が必要です。

これまでにあったツールには、2 つの大きな問題がありました。

1. レゴブロックだけ渡される（MONAI など）: 部品は揃っているけど、「どう組み立てて動く機械にするか」は全部自分で設計しないといけない。大変すぎる。
2. 完成品が渡される（nnU-Net など）: 最初から動く機械はくれるけど、中身はカプセル化されていて、「ここだけ変えたい！」と言っても変えられない。硬すぎる。

MIP Candy は、この「大変すぎる」と「硬すぎる」の中間に位置する、「すぐに動く機械が作れるけど、好きなように改造もできる」という、ちょうどいい場所を目指しています。

---

2. MIP Candy のすごいところ（4 つの魔法）

この工場には、研究者を助ける 4 つの特別な魔法があります。

① 「LayerT」：着せ替え人形のような部品交換

通常、AI の部品（畳み込み層や活性化関数など）を変えるには、新しいクラス（設計図）を全部書き直す必要があります。
MIP Candy の**「LayerT」は、「部品の名前と設定をメモしたカード」**のようなものです。

• 「Conv2d（2 次元の畳み込み）」を使いたいなら、そのカードをセットする。
• 「GroupNorm」に変えたいなら、カードを差し替えるだけ。
• コードを書き直す必要はありません。 実行時に自動的に新しい部品に差し替わるので、まるで着せ替え人形のように自由自在に AI の構造を変えられます。

② 「自動検査員」：データのお宝地図

医療データは、どこに病変（ターゲット）があるかわからないことが多いです。
MIP Candy には**「inspect（検査）」**という機能があり、データを読み込むだけで自動的に以下を計算してくれます。

• 「病変が画像のどこに偏っているか」
• 「どの色の細胞が多いか」
• 「明るさの分布は？」
  これに基づいて、「病変が写っている部分（関心領域）」を自動的に切り取って学習させることができます。無駄な学習を省き、効率的に AI を鍛えることができます。

③ 「水晶玉」：未来の成績を予言する

AI を学習させる際、「いつまで訓練すればいいの？」「もっとやればもっと良くなる？」と迷うことがあります。
MIP Candy は、学習中の成績（スコア）の動きを見て、**「水晶玉（数学的な予測モデル）」**で未来を予言します。

• 「今のペースなら、あと 10 回で最高成績に達するよ」
• 「もうこれ以上やっても意味がないかも」
  という**「終了予想時間（ETC）」**をリアルタイムで教えてくれます。これにより、無駄な時間を省いて賢く判断できます。

④ 「一番悪い例」を見せるカメラ

多くの AI ツールは、「平均的な良い結果」だけを見せます。しかし、失敗した例（悪いケース）を見る方が、改善には重要です。
MIP Candy は、**「一番成績が悪かったケース」**を自動的に選んで、以下の画像を保存・表示してくれます。

• 元の画像
• 正解（医師のラベル）
• AI の予測
• 両方を重ね合わせた画像
  これにより、「あ、このタイプは AI が間違えているんだ」という失敗の理由が一目でわかります。

---

3. 使い方は超シンプル（バンドル・エコシステム）

この工場で新しい製品（AI モデル）を作るには、「build_network（ネットワークを作る）」というたった 1 つの関数を書くだけで OK です。

• データ読み込み、学習の進め方、保存方法、評価方法などは、すべて工場側（フレームワーク）が勝手にやってくれます。
• 必要なモデル（U-Net など）は、**「バンドル」**というパッケージとして用意されており、それを差し込むだけで完成します。

まるで、**「レゴの箱から『車』を作りたいなら、車用の箱（バンドル）を開けて、1 つだけ『タイヤの形』を決める指示を出すだけで、自動で車ができる」**ような感覚です。

---

4. まとめ：なぜこれが嬉しいのか？

MIP Candy は、医療画像解析という難しい分野で、**「研究者がコードに追われるのではなく、研究そのものに集中できる」**ように作られています。

• 透明性: 学習中の様子がすべて見える（ブラックボックス化しない）。
• 柔軟性: 好きなように部品を差し替えられる。
• 簡単さ: 最低限のコードで、すぐに始められる。

このツールは無料で公開されており（Apache-2.0 ライセンス）、Python 3.12 以上で使えます。医療 AI の開発を、もっと楽しく、効率的にするための「魔法のキャンディ工場」なのです。

技術概要

MIP Candy: 医療画像処理のためのモジュール型 PyTorch フレームワーク

技術報告書の要約（日本語）

本論文は、医療画像処理（特にセグメンテーション）の分野において、既存のフレームワークが抱える「低レベルコンポーネントの組み合わせの手間」と「硬直的なモノリシックパイプラインの修正の難しさ」という二極化の問題を解決する、新しい PyTorch ベースのオープンソースフレームワーク**「MIP Candy (MIPCandy)」**を提案するものです。

以下に、問題定義、手法、主要な貢献、結果、および意義について詳述します。

---

1. 問題定義 (Problem)

医療画像処理には、自然画像とは異なる特有の課題が存在します。

• データ特性: NIfTI、DICOM、MHA などのドメイン固有の形式、ボクセル間隔、異方性解像度、3 次元ボリュームデータなど、高度なデータ処理が必要です。
• ラベルの不足: 専門家のアノテーションは希少かつ高価であるため、クロスバリデーションやデータ拡張など、限られたラベルから最大限の情報を引き出すトレーニング戦略が不可欠です。
• 既存フレームワークの限界:
  • 汎用フレームワーク (PyTorch, TensorFlow): 計算基盤は提供されるが、医療画像特有の機能（形式認識、幾何学的変換、特殊な損失関数など）が欠如しており、ゼロから構築する際のエンジニアリングコストが高い。
  • コンポーネントライブラリ (MONAI, TorchIO): 柔軟性は高いが、完全なトレーニングパイプラインを構築するには、各コンポーネントを手動で組み合わせる多大な労力が必要。
  • エンドツーエンドパイプライン (nnU-Net): 高い自動化と性能を発揮するが、内部構造が密結合しており、カスタマイズやモジュールの差し替えが困難（ブラックボックス化）。

研究グループ間でこれらの課題を解決するためのコードが重複して開発される傾向があり、効率的な研究環境の欠如が指摘されています。

2. 手法とアーキテクチャ (Methodology)

MIP Candy は、**「完全なパイプラインの提供」と「モジュールの独立性・交換性」**を両立させることを設計思想としています。PyTorch ネイティブ（すべてのコンポーネントが標準的な nn.Module）であり、Python 3.12 以降の最新機能を活用しています。

主要なアーキテクチャ構成

フレームワークは 9 つの疎結合モジュールで構成され、それぞれ独立して利用可能です。

1. データパイプライン: 多形式 I/O (SimpleITK 経由)、k-fold クロスバリデーション、自動 ROI 検出によるパッチサンプリング。
2. レイヤ設定システム (LayerT): 後述の核心機能。
3. トレーニングフレームワーク: 学習状態の管理、実験追跡、スコア予測。
4. プリセット: 医療画像セグメンテーションに最適化されたデフォルト設定（損失関数、オプティマイザなど）。
5. 推論・評価: 予測の生成、メトリクス計算、可視化。
6. バンドルエコシステム: モデルアーキテクチャや設定をパッケージ化する仕組み。

主要な技術的アプローチ

• LayerT (遅延モジュール設定):
  • 従来の継承ベースのカスタマイズ（各組み合わせでサブクラスを作成）の代わりに、モジュールタイプとコンストラクタ引数を記述する軽量記述子 LayerT を使用します。
  • 実行時に assemble() を呼び出すことで、畳み込み、正規化、活性化層を動的にインスタンス化・置換できます。これにより、サブクラス化なしで柔軟なアーキテクチャ変更が可能になります。
• トレーニングの透明性 (Training Transparency):
  • 学習中のメトリクス曲線、入力・ラベル・予測のプレビュー（特に最悪ケースの可視化）、推定完了時間（ETC）をリアルタイムで提供します。
  • 商回帰 (Quotient Regression): 検証スコアの軌跡に有理関数をフィットさせ、達成可能な最大スコアと最適停止エポックを予測します。
• バンドルエコシステム:
  • モデル、トレーナー、予測器を「バンドル」としてパッケージ化し、コアフレームワークを変更せずにプラグイン可能にします。U-Net, UNet++, V-Net などが標準で提供されています。

3. 主要な貢献 (Key Contributions)

1. LayerT 機構: サブクラス化なしで、実行時に畳み込み・正規化・活性化層を置換できる遅延設定メカニズム。
2. 階層的トレーニングフレームワーク: 深層監視 (Deep Supervision)、指数移動平均 (EMA)、学習状態の回復、多フロントエンド実験追跡（Weights & Biases, Notion, MLflow 等）を内蔵。
3. データセット検査システム: 自動で前景のバウンディングボックス、クラス分布、強度統計を計算し、ROI ベースのパッチサンプリングを可能にする inspect() 機能。
4. 検証スコア予測: 商回帰を用いて、学習の収束点と最大到達スコアを推定し、早期停止やリソース配分の意思決定を支援。
5. 拡張可能なバンドルエコシステム: 一貫したトレーナー - 予測器パターンに従う自己完結型の再利用可能ユニット。

4. 結果と実証 (Results)

論文では、以下のタスクにおける MIP Candy のワークフローが実証されています。

• 2D 皮膚病変セグメンテーション (PH2 データセット):
  • U-Net バンドルを使用し、データ読み込みから k-fold 分割、トレーニング実行までを8 行のコードで完結させました。
  • build_network メソッドの実装のみで完全なセグメンテーションワークフローが得られます。
• 3D 脳腫瘍セグメンテーション (BraTS 2021 データセット):
  • inspect() による自動 ROI 形状計算と、深層監視（Deep Supervision）を有効にするフラグ設定のみで、複雑な 3D 学習パイプラインを構築しました。
  • 学習中の 3D 可視化（PyVista 経由）や、最悪ケースの予測プレビューが自動生成され、モデルの挙動を直感的に理解できました。

トレーニングの可視化:

• 各エポックごとに、損失曲線、検証スコア、学習率、エポックごとのメトリクス表、および最悪ケースの予測画像（入力、正解ラベル、予測、オーバーレイ）が自動保存されます。
• 学習の中断から再開する際、オプティマイザやスケジューラーの状態を含む完全な状態を復元でき、中断したエポックから継続可能です。

5. 意義と結論 (Significance)

MIP Candy は、医療画像セグメンテーション研究における以下の課題を解決します。

• 柔軟性と効率性の両立: 研究者は単一のメソッド（build_network）を実装するだけで、研究用デフォルトが適用された完全なパイプラインを利用できます。同時に、各コンポーネントは独立して交換可能であり、既存の PyTorch コードベースへの段階的な導入も可能です。
• 学習プロセスの透明化: 多くの自動化ツールが「ブラックボックス」として扱われる学習過程を、メトリクス、可視化、予測スコアの推定を通じて「ホワイトボックス化」し、研究者がプロセスを完全に制御・診断できるようにします。
• 研究の再現性と共有: Apache-2.0 ライセンスで公開されており、バンドルエコシステムを通じてモデルや設定を容易に共有・再利用できます。

MIP Candy は、医療画像処理の研究開発における「エンジニアリングの重複」を削減し、研究者がアルゴリズムの改善や臨床的洞察に集中できる環境を提供する重要なツールとして位置づけられています。将来的には、表面距離メトリクス（Hausdorff 距離など）の追加や、半教師あり学習への対応などが予定されています。