• 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

2016 年度 研究成果報告書

大規模計算解剖モデルのハイブリッド階層化による汎化性能と頑健性の圧倒的向上

研究課題

  • PDF
研究課題/領域番号 26330191
研究種目

基盤研究(C)

配分区分基金
応募区分一般
研究分野 知覚情報処理
研究機関名古屋工業大学

研究代表者

本谷 秀堅  名古屋工業大学, 工学(系)研究科(研究院), 教授 (60282688)

研究期間 (年度) 2014-04-01 – 2017-03-31
キーワード統計モデリング / モデル選択
研究成果の概要

臓器の統計形状モデルの表現に、通常の正規分布を採用するのではなく、q-正規分布を採用することにより、学習データ数が少ない場合でも頑健にモデルパラメータを推定できる頑健なモデル構築法を開発した。モデルは学習データ集合より構築され、臓器の多様性の次数と比べて充分多くのデータを収集することは容易ではない。データ数が少ないとき、正規分布を採用すると、過学習によりモデルの表現能力を高くすることが難しい。従来の階層モデルも、各層における表現に正規分布を採用していた。本研究の成果を用いると、各階層における表現にq-正規分布を採用し、学習データに応じて最も汎化性能の高い表現を自動的に採用することが可能となる。

自由記述の分野

医用画像処理

URL: 

公開日: 2018-03-22  

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