| Project/Area Number |
19K22895
|
|---|
| Research Category |
Grant-in-Aid for Challenging Research (Exploratory)
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
Medium-sized Section 62:Applied informatics and related fields
|
|---|
| Research Institution | Kyushu University |
|---|
Principal Investigator |
Bise Ryoma 九州大学, システム情報科学研究院, 准教授 (00644270)
|
|---|
| Project Period (FY) |
2019-06-28 – 2021-03-31
|
| Project Status |
Completed (Fiscal Year 2020)
|
| Budget Amount *help |
¥6,370,000 (Direct Cost: ¥4,900,000、Indirect Cost: ¥1,470,000)
Fiscal Year 2020: ¥4,550,000 (Direct Cost: ¥3,500,000、Indirect Cost: ¥1,050,000)
Fiscal Year 2019: ¥1,820,000 (Direct Cost: ¥1,400,000、Indirect Cost: ¥420,000)
|
|---|
| Keywords | 機械学習 / バイオイメージインフォマティクス / 弱教師あり学習 / 教師なし学習 / 弱教師学習 / PU-Learning / 画像情報学 / バイオ医療画像解 / Un-supervised Learning |
|---|
| Outline of Research at the Start |
本研究課題では，バイオ医療画像解析特有の対象構造事前知識を用いることで，機械学習に必要な学習データを自動抽出し，アノテーション作業を省力化することを目的とする．
具体的には，対象構造事前知識を活用し正例データを自動抽出し，一部の正例とたくさんのラベル不明(Unlabeled)サンプルの特徴量空間上の分布から，負例の分布が不明でも，特徴量空間上の適切な識別面を見つけることができるPU-Learningを活用した研究開発を行う．
|
| Outline of Final Research Achievements |
In this research, we developed a method that can significantly reduce the annotation in biomedical image analysis by using positive and unlabeled learning, in which our method automatically selects the positive samples using prior knowledge. We also applied this method to several applications such as pathological image analysis and photoacoustic image analysis. As a result, we have published 3 peer-reviewed papers (2 of them were accepted in a top conference in medical image analysis; MICCAI), 2 submissions, 5 conference presentations, 1 book chapter writing.
|
| Academic Significance and Societal Importance of the Research Achievements |
バイオ医療画像解析分野における認識課題は，疾病の種類や研究目的により様々であること，教師データ作成には専門的な知識が必要であることから，大量の教師あり学習データを作成することが困難である．そこで，本研究では，対象構造事前知識を用いることで，一部の正例を自動抽出し，その他の候補物体をUnlabeledデータとして扱うことで，PU-Learningを適用可能した．これにより，機械学習に必要な学習データを自動抽出し，アノテーション作業を省力化することが可能となる．光超音波画像や病理画像解析といった複数のタスクに応用し，様々な課題へ展開できることを示した．
|
