Construction of ultra-low-volume anonymous learning technology and universal learning technology to improve the versatility of medical AI

• Project/Area Number: 23K11141
• Research Category: Grant-in-Aid for Scientific Research (C)
• Allocation Type: Multi-year Fund
• Section: 一般
• Review Section: Basic Section 61010:Perceptual information processing-related
• Research Institution: Hokkaido University
• Principal Investigator: 藤後 廉 北海道大学, 情報科学研究院, 特任助教 (60840395)
• Project Period (FY): 2023-04-01 – 2028-03-31
• Project Status: Granted (Fiscal Year 2023)
• Budget Amount: ¥4,810,000 (Direct Cost: ¥3,700,000、Indirect Cost: ¥1,110,000); Fiscal Year 2027: ¥650,000 (Direct Cost: ¥500,000、Indirect Cost: ¥150,000); Fiscal Year 2026: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000); Fiscal Year 2025: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000); Fiscal Year 2024: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000); Fiscal Year 2023: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000)
• Keywords: 機械学習 / 深層学習 / 少量データ学習 / データ蒸留 / 医用画像解析

Outline of Research at the Start

本研究では，医療AIの汎用性向上を目指す超少量匿名学習技術および汎用学習技術の構築を目指す．一般画像を対象とするAI技術の発展と比較して，医用画像を対象とするAI技術の応用範囲は依然として限定的である．そこで本研究では，一般画像と医用画像のそれぞれが有する性質の差異に着目することで，医療AIの汎用性向上を実現する技術を構築する．具体的には，まず，データ蒸留技術に基づき，匿名性の高い汎用蒸留画像を生成する．そして，モデルベースドメイン適応技術と組み合わせることで，汎用的用途で利用可能なデータおよびモデルの構築を実現する．本研究では，医用画像を対象として，構築技術の有効性検証を実施する．