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

2020 年度 実績報告書

少数データで学習する深層学習のための効率的な学習サンプル生成に関する研究

研究課題

研究課題/領域番号 18K11495
研究機関中京大学

研究代表者

目加田 慶人  中京大学, 工学部, 教授 (00282377)

研究分担者 村瀬 洋  名古屋大学, 情報学研究科, 教授 (90362293)
道満 恵介  中京大学, 工学部, 准教授 (90645748)
研究期間 (年度) 2018-04-01 – 2021-03-31
キーワード深層学習 / 医用画像 / 学習データ生成
研究実績の概要

本研究課題では,画像を対象とした深層学習において課題となることが多い,少数学習サンプルに対する学習サンプルの生成法の検討である.例えば医用画像認識において深層学習を利用した研究は数多くあり,従来の方法に比べて高い性能が得られているが,その多くは学習サンプルが十分に用意できないため,比較的小規模であったり,細胞画像のように多くの学習画像が得られやすい問題に限られている.本研究課題ではこれらの少数学習サンプル問題に対する正則化手法としてのデータ生成について,その効果的な利用方法を検討したものである.解決したことの1つは,X線CT画像からの転移性肝がん検出を対象として,様々な画像生成手法を組み合わせた場合の効果を示したことである.既存の病変領域をポアソンブレンディングにより合成したもの,CT画像においては類球形の低輝度領域であるという性質により生成したもの,および深層生成手法であるGAN(Generative Adversarial Networks)をそれぞれ適切に組み合わせることで病変検出精度を向上できることを示した.また,Conditional GANによって肝臓内における病変の位置(辺縁,内部)を考慮して病変を生成することでさらに検出精度が向上できることを示した.もう1つの主な成果は,回帰誤差を小さくするための学習サンプルの重点的生成手法の開発である.画像特徴による魅力度など人の知覚特徴の推定問題においては,推定対象となる対象の正解値を多く用意することができない.そのため,少数の学習画像から推定に有効な画像特徴を抽出する必要があった.これに対して基本的なデータ拡張手法の組み合わせにおける変動の範囲を適切に制御することで,未知データに対する推定誤差を小さくすることを示した.

  • 研究成果

    (5件)

すべて 2021 2020

すべて 雑誌論文 (1件) (うち査読あり 1件、 オープンアクセス 1件) 学会発表 (4件)

  • [雑誌論文] Lesion Image Generation Using Conditional GAN for Metastatic Liver Cancer Detection2021

    • 著者名/発表者名
      Ikeda Yusuke、Graduate School of Engineering, Chukyo University, Japan、Doma Keisuke、Mekada Yoshito、Nawano Shigeru
    • 雑誌名

      Journal of Image and Graphics

      巻: 9 ページ: 27~30

    • DOI

      10.18178/joig.9.1.27-30

    • 査読あり / オープンアクセス
  • [学会発表] 料理写真の魅力度推定精度向上のための視線停留分布に対するデータ拡張手法の検討2021

    • 著者名/発表者名
      宮崎 光明,服部 竜実,道満 恵介,平山 高嗣,川西 康友,井手 一郎,目加田 慶人
    • 学会等名
      動的画像処理実利用化ワークショップ2021
  • [学会発表] 機械学習を用いた肝がん分子標的療法の効果予測の調査2020

    • 著者名/発表者名
      池田 裕亮,道満 恵介,西田 直生志,目加田 慶人
    • 学会等名
      第18回情報学ワークショップ
  • [学会発表] 超音波診断動画からの深層学習手法による肝腫瘍の検出と追跡2020

    • 著者名/発表者名
      山岸 生弥,道満 恵介,目加田 慶人
    • 学会等名
      第18回情報学ワークショップ
  • [学会発表] 料理写真の魅力度推定において有効な画像特徴量の検討2020

    • 著者名/発表者名
      宮崎 光明,道満 恵介,平山 高嗣,川西 康友,井手 一郎,目加田 慶人
    • 学会等名
      第18回情報学ワークショップ

URL: 

公開日: 2021-12-27  

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