• 研究課題をさがす
  • 研究者をさがす
  • KAKENの使い方
  1. 前のページに戻る

機械学習に基づくマルチモーダル画像生成手法の構築

研究課題

研究課題/領域番号 19J10821
研究種目

特別研究員奨励費

配分区分補助金
応募区分国内
審査区分 小区分61030:知能情報学関連
研究機関北海道大学

研究代表者

藤後 廉  北海道大学, 情報科学研究院, 特別研究員(PD)

研究期間 (年度) 2019-04-25 – 2021-03-31
研究課題ステータス 完了 (2019年度)
配分額 *注記
2,340千円 (直接経費: 1,800千円、間接経費: 540千円)
2019年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
キーワード画像生成 / GAN / 深層学習 / 医用画像 / マルチモーダル
研究開始時の研究の概要

本研究では,医学および情報科学の融合的知見に基づき,病状の進行を予測可能とする手法を構築する.これまでの医師の診断支援手法は,病変の検出や分類にとどまっていた.一方で,医師は診断を行う際に性質の異なる複数の検査を対象とし,症状の予後を予測する.本研究では,この医師の診断プロセスを模倣し,複数検査を同時に解析するマルチモーダル機械学習手法を構築し,さらに,画像生成技術と組み合わせることで病状の進行予測を可能とするモデルの構築を実現する.予測情報を画像上に描出可能とすることで,医師の診断を視覚的に支援可能となることが期待できる.

研究実績の概要

本研究では,医用画像におけるマルチモーダル画像生成手法の構築を目的として,研究を遂行してきた.具体的に本研究では,胃X線画像および血液検査抗体値を用い,胃炎初期状態の患者の胃X線画像から,胃炎が進行した場合の未知情報を画像生成により推定することを目的とする.本研究は,【研究1:胃炎の進行予測画像の生成】および【研究2:画像生成手法のマルチモーダル化】の2つのテーマから構築されている.研究計画策定時点においては,研究1では,任意の胃がんリスクに応じた予測画像の生成を行い,研究2では,血液検査結果と照らし合わせた学習を行う推定器を加えた画像生成手法のマルチモーダル化を行う予定であった.
研究実施者はまず,高解像度である胃X線画像に対する画像生成を実現するため,徐々に解像度を向上させる画像生成手法であるProgressive Growing of GANs (PGGAN) に基づき画像生成手法を構築した.さらに生成画像の胃炎分類問題への応用可能性を示した.尚,本成果は学際論文誌IEEE Accessへの採録に至っている.
次に研究実施者は,血液検査値と胃X線画像の対応付けによる画像生成の研究に着手した.血液検査による結果をドメインラベルベクトルとして扱うことで血液検査結果の入力に対応した画像生成が可能となる手法を構築した.また,本成果に関して,画像認識分野における国内最大規模の学会である「画像の認識・理解シンポジウム(MIRU) 」においてポスター発表を行った.
以上より,研究実施者は,本研究に関する成果をほぼ研究計画通りに実施しており,研究成果を対外発表や論文として社会に還元している.

現在までの達成度 (段落)

翌年度、交付申請を辞退するため、記入しない。

今後の研究の推進方策

翌年度、交付申請を辞退するため、記入しない。

報告書

(1件)
  • 2019 実績報告書
  • 研究成果

    (3件)

すべて 2019

すべて 雑誌論文 (2件) (うち査読あり 2件、 オープンアクセス 2件) 学会発表 (1件)

  • [雑誌論文] Synthetic Gastritis Image Generation via Loss Function-Based Conditional PGGAN2019

    • 著者名/発表者名
      Togo Ren、Ogawa Takahiro、Haseyama Miki
    • 雑誌名

      IEEE Access

      巻: 7 ページ: 87448-87457

    • DOI

      10.1109/access.2019.2925863

    • 関連する報告書
      2019 実績報告書
    • 査読あり / オープンアクセス
  • [雑誌論文] Estimating Regions of Deterioration in Electron Microscope Images of Rubber Materials via a Transfer Learning-Based Anomaly Detection Model2019

    • 著者名/発表者名
      Togo Ren、Saito Naoki、Ogawa Takahiro、Haseyama Miki
    • 雑誌名

      IEEE Access

      巻: 7 ページ: 162395-162404

    • DOI

      10.1109/access.2019.2950972

    • NAID

      120006767554

    • 関連する報告書
      2019 実績報告書
    • 査読あり / オープンアクセス
  • [学会発表] 敵対的学習に基づく胃がんリスクの進行予測画像の生成へ向けた検討2019

    • 著者名/発表者名
      藤後 廉, 小川 貴弘, 長谷山 美紀
    • 学会等名
      第22回 画像の認識・理解シンポジウム (MIRU2019)
    • 関連する報告書
      2019 実績報告書

URL: 

公開日: 2019-05-29   更新日: 2024-03-26  

サービス概要 検索マニュアル よくある質問 お知らせ 利用規程 科研費による研究の帰属

Powered by NII kakenhi