| 研究課題/領域番号 |
21K19829
|
|---|
| 研究種目 |
挑戦的研究(萌芽)
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
中区分62:応用情報学およびその関連分野
|
|---|
| 研究機関 | 九州大学 |
|---|
研究代表者 |
備瀬 竜馬 九州大学, システム情報科学研究院, 准教授 (00644270)
|
|---|
| 研究期間 (年度) |
2021-07-09 – 2023-03-31
|
| 研究課題ステータス |
完了 (2022年度)
|
| 配分額 *注記 |
6,500千円 (直接経費: 5,000千円、間接経費: 1,500千円)
2022年度: 3,900千円 (直接経費: 3,000千円、間接経費: 900千円)
2021年度: 2,600千円 (直接経費: 2,000千円、間接経費: 600千円)
|
|---|
| キーワード | 機械学習 / ドメイン適応 / 深層学習 / 弱教師学習 / 半教師学習 / バイオ医療画像解 / カリキュラム学習 / 画像情報学 / ドメインアダプテーション |
|---|
| 研究開始時の研究の概要 |
本研究課題では，バイオ医療画像解析分野において，ある特定のデータセットに対して教師データを作成さえすれば，実環境における異なるドメインにおいて新たに教師データの作成をすることなく，対象物体の認識が可能な手法の研究開発を行うことを目的とする．本研究課題は，実問題を想定し，実利用先のデータが多様な環境という問題設定に取り組むものであり，多様な状況を活用して，教師データに類似しているデータから段階を踏んで難しい（特徴が異なる）データを学習するカリキュラム学習を行うことで解決する．
|
| 研究成果の概要 |
本研究課題では，バイオ医療画像解析分野において，ある特定のデータセット（ソースドメイン）で学習したモデルが他の条件下で撮影されたデータセット（ターゲットドメイン）では上手く機能しないというドメインシフト問題を解決するための手法開発を行った．具体的には，細胞検出タスクにおいてカリキュラム的に細胞形状を学び，徐々にドメインを拡張していく手法を提案した．本研究成果は，医療画像解析分野トップ国際ジャーナルMedIA（IF:13.828）1本，MICCAI（h5-index:78）1本，ISBI2023（h5-index:55）2本，WACV2022 (h5-index:76) 1本に採択された．
|
| 研究成果の学術的意義や社会的意義 |
バイオ医療画像解析分野において，ある特定のデータセットに対して教師データを作成さえすれば，実環境における異なるドメインにおいて新たに教師データの作成をすることなく，対象物体の認識が可能となることは究極の課題の一つである．さらに言えば，既に存在する教師ありの公開データを元に，多様な実環境のデータでの学習が教師なしで可能となれば，実利用のハードルが格段に下がり，多くの医学及び生物学の研究で活用されることが期待される．本研究課題は，この課題に取り組むものであり，大いに意義がある．
|
