| 配分額 *注記 |
5,200千円 (直接経費: 4,000千円、間接経費: 1,200千円)
2019年度: 2,600千円 (直接経費: 2,000千円、間接経費: 600千円)
2018年度: 2,600千円 (直接経費: 2,000千円、間接経費: 600千円)
|
|---|
| 研究実績の概要 |
イメージング技術の飛躍的な進展により, 高精細なバイオメディカル画像情報が得られるようになってきた. バイオメディカル画像は３次元空間情報に加え, 動的時間情報ももつ．一種の４次元画像である. また, ラベリングには専門家の知識が必要である．一般画像解析に比べ，バイオメディカル画像解析では高次元での処理や学習用サンプルが少ないなどのチャレンジ課題が多い．本研究では，従来の機会学習法を多重線型代数の枠組で拡張し，４次元バイオメディカル画像を一つのテンソルとして時空間特徴を同時に抽出する手法を開発し、４次元バイオメディカルイメージの解析を効率よくできるようになった. さらに，近年注目されている深層学習法を用いた４次元バイオメディカル画像解析法も開発し, 従来の機会学習法より高精度な解析ができるようになった．主な成果は以下に示す．
(1) 多重線形スパースコーディング法を開発し，ダイナミックCT画像（４次元CT画像）から時空間特徴の抽出法を開発し、肝臓腫瘍鑑別法を開発した.
(2) 2.5D CNNとRNNを組み合わせたモデルを開発し，４次元顕微鏡画像から時空間特徴抽出法を開発し，高精度で細胞分裂を検出することができた.
これらの成果は, 国際学術誌Pattern Recognition Letter (impact factor: 2.81), Neural Computing and Application (Impact factor:4.664), IEEE/ACM Transactions on Computational Biology and Bioinformatics (Impact factor: 2.4), 及びトップ国際学会IEEE ICASSP2019 (H5 index: 70)などで発表してきた.
|
