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

• 研究課題/領域番号: 23K11141
• 研究種目: 基盤研究(C)
• 配分区分: 基金
• 応募区分: 一般
• 審査区分: 小区分61010:知覚情報処理関連
• 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, 特任助教 (60840395)
• 研究期間 (年度): 2023-04-01 – 2028-03-31
• 研究課題ステータス: 交付 (2023年度)
• 配分額: 4,810千円 (直接経費: 3,700千円、間接経費: 1,110千円); 2027年度: 650千円 (直接経費: 500千円、間接経費: 150千円); 2026年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円); 2025年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円); 2024年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円); 2023年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
• キーワード: 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

研究開始時の研究の概要

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．