| 研究課題/領域番号 |
20K23343
|
|---|
| 研究種目 |
研究活動スタート支援
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
1002:人間情報学、応用情報学およびその関連分野
|
|---|
| 研究機関 | 大阪大学 |
|---|
研究代表者 |
李 良知 大阪大学, データビリティフロンティア機構, 特任助教(常勤) (10875545)
|
|---|
| 研究期間 (年度) |
2020-09-11 – 2022-03-31
|
| 研究課題ステータス |
完了 (2021年度)
|
| 配分額 *注記 |
1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
2021年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2020年度: 260千円 (直接経費: 200千円、間接経費: 60千円)
|
|---|
| キーワード | Few-shot Learning / Semantic Segmentation / Video Understanding / Medical Images / Computer Vision / Surgical Analysis / Deep Learning / Surgical Videos / Unsupervised Learning |
|---|
| 研究開始時の研究の概要 |
This project aims to design an unsupervised learning method to perform spatial and temporal segmentations without humans’ input. We will use the hidden information in surgical videos to better differentiate similar objects and surgical phases, both of which are very difficult for existing solutions.
|
| 研究成果の概要 |
既存の手術映像自動解析モデルの多くは、人によるラベル付けデータを必要とする。本プロジェクトでは、より少ない人手で空間および時間のセグメンテーションを行うための学習手法を設計することを目的としている。主に以下のようなサブテーマについて研究した。
1.動画像のセマンティックセグメンテーションのための新しい学習手法を開発し、非ラベル化データを利用してセグメンテーションのパフォーマンスを向上させた。
2.手術映像の時間分割と時間解析モデル。手術時間を自動的に予測するための検索に基づく手法を開発した。
|
| 研究成果の学術的意義や社会的意義 |
The establishment of techniques capable of understanding what, where, and when is happening with no requirements on human efforts will ease the task of surgery indexing, clinical training, etc.
|
