双視点グラフ・オブ・グラフ表現学習に基づくグラフレベル異常検出研究 学術的背景 現代のデータ駆動型の世界において、グラフ（Graph）は強力なデータ構造として、ソーシャルネットワーク分析、金融詐欺検出、バイオインフォマティクスなどの分野で広く活用されています。グラフは、ソーシャルネットワークにおけるユーザー関係、金融取引における資金の流れ、化学分子における原子と化学結合の関係など、複雑な関係データを効果的に表現することができます。しかし、グラフデータの広範な応用に伴い、大量のグラフデータから異常なグラフサンプル（Graph-Level Anomaly Detection, GLAD）を検出することが重要な研究課題となっています。 既存のGLAD手法は、グラフニューラルネットワーク（Graph...
新しいグラフニューラルネットワークに基づく対話感情認識の手法 研究背景 感情認識（Emotion Recognition, ER）は、人間とコンピュータの相互作用（Human-Computer Interaction, HCI）において重要な構成要素であり、音声、テキスト、ビデオなどのマルチモーダルデータを分析して、人間の感情状態を識別することを目指します。この技術は、医療、教育、ソーシャルメディア、チャットボットなどの分野で幅広い応用が期待されています。近年、感情認識の研究は単文感情分析から対話感情認識（Emotion Recognition in Conversations, ERC）に移行しており、これは対話中の各発言の感情状態を識別することを指します。単文感情分析と比較すると、対話感...
Delaunay三角分割に基づく3D形状表現の学習 学術的背景 コンピュータビジョンとグラフィックスの分野において、点群データから表面を再構築することは長年の課題です。従来の暗黙的な方法（例：Poisson表面再構築）は、暗黙的な関数を計算し、Marching Cubesアルゴリズムを使用して表面を抽出します。これにより、水密（watertight）なメッシュを生成できますが、複雑な構造を扱う際には細部の喪失や過度の平滑化が発生しやすいです。一方、明示的な方法（例：Delaunay三角分割）は、点群の三角分割を直接行い、メッシュを構築します。これにより、鋭い特徴や細部をより良く保持できますが、複雑なトポロジーにおいて三角形の接続性を推測することは依然として困難です。 近年、学習ベースの手法が...
時空間グラフベースのスマートグリッドにおける対抗的虚偽データ注入回避攻撃の生成と検出 背景 現代のスマートグリッドは、ネットワーク化されたサイバーフィジカルシステム（Cyber-Physical Systems, CPS）の一例であり、複数のコンポーネント間で大量のデータを交換する必要があるため、さまざまな安全リスクにさらされています。その中で、虚偽データ注入攻撃（False Data Injection Attacks, FDIAs）は、センサーのデータを改ざんすることで大きな注目を集めています。攻撃者はこれらの虚偽データを利用して、従来の異常データ検出システム（Bad Data Detection, BDD）をすり抜けることが可能であり、不適切な運用判断を引き起こし、最悪の場合システムの...
グラフニューラルネットワークに基づく肺癌の表現学習 背景紹介 デジタル病理学の急速な発展に伴い、画像ベースの診断システムは正確な病理診断においてますます重要になっています。これらのシステムは、全スライド画像（Whole Slide Images, WSIs）に対する複数インスタンス学習（Multiple Instance Learning, MIL）技術に依存しています。しかし、WSIsを効率的に表現する方法は依然として解決が急がれる問題です。深層ニューラルネットワークの出現により、ビジュアルコンピューティングは画期的な進展を遂げましたが、WSIの膨大なピクセル数に直面する現有のニューラルネットワーク手法は依然として大きなチャレンジに直面しています。近年、いくつかの研究がグラフベースのモデル...
階層的負サンプリングに基づくグラフ対比学習を用いた薬物-疾患関連予測の研究 薬物-疾患関連（RDAs）の予測は、疾患治療戦略の解明や薬物の再利用において重要な役割を果たしています。しかし、既存の方法は主に限定されたドメイン特有の知識に依存して薬物と疾患の候補関連を予測しているため、効果が限定されています。また、薬物-疾患関係の未知の情報を単純に負のサンプルとして定義することには固有の欠点があります。これらの課題を克服するため、本研究では階層的な負のサンプリングに基づく新しいグラフ対比モデルであるHSGCL-RDAを提案し、薬物と疾患の潜在的な関連を予測します。 研究背景と研究課題 薬物開発および疾患進行の制御プロセスは長くて高価であり、増え続ける疾患の数とその変異により効果的な薬物の需要が増...
CIGNN: 因果関係とグラフニューラルネットワークに基づく袖なし連続血圧推定フレームワーク 背景紹介 世界保健機関（WHO）のデータによると、世界中で約11.3億人が高血圧に影響を受けており、2025年にはこの数字が15億に増加すると予想されています。高血圧は心臓病や脳卒中などの心血管疾患の重要な危険因子であり、これらは世界の主要な死亡原因です。高血圧の普及は、認知症や障害の負担も増加させているため、高血圧の予防と管理は世界の健康結果を改善するために至関重要です。 連続血圧（BP）測定は、高血圧の診断と予防に豊富な情報を提供します。連続的に血圧を監視することで、患者の血圧パターンや傾向をより詳細に把握でき、治療の要否や現在の治療法の調整が必要かどうかを示すことができます。さらに、連続血圧モ...
知識強化型グラフトピック変圧器の説明可能な生物医学テキスト要約への応用 研究背景 生物医学の文献発表量が増加し続けているため、自動生物医学テキスト要約タスクの重要性が高まっています。2021年にはPubMedデータベースだけで1,767,637本の論文が発表されました。既存の事前学習言語モデル（Pre-trained Language Models、PLMs）を用いた要約方法は性能を向上させていますが、特定の分野の知識の捕捉や結果の説明可能性において顕著な制限があります。これにより、生成された要約が一貫性に欠け、冗長な文章や重要な分野知識の欠落を含む可能性があります。さらに、変圧器モデルのブラックボックス特性はユーザーが要約生成の理由や方法を理解するのを困難にするため、生物医学テキスト要約に...
医学多組学データ分析における多重先験知識グラフニューラルネットワーク 背景紹介 精密医療は将来の医療保健において重要な分野であり、患者に個別化された治療計画を提供することにより、治療効果を改善しコストを削減します。例えば、乳がん患者の複雑な臨床、病理、および分子特性を考えると、同じ治療が異なる効果を示すことがあります。バイオ医学技術の急速な発展に伴い、多組学データを通じて疾病の特性化が可能になっています。多組学アプローチは単一組学アプローチに比べて、複数のデータ間で一貫性と補完的な情報を捉えることができ、より正確かつ深くモデルを構築することができます。例えば、がんゲノム図譜（The Cancer Genome Atlas, TCGA）は、mRNA 発現、DNA メチル化、およびコピー数変異（...
動的グラフ表現の時間集約と伝搬グラフニューラルネットワーク 背景紹介 動的グラフ（temporal graph）は、連続した時間の中でノード間に動的なインタラクションが存在するグラフ構造であり、グラフのトポロジー構造は時間の経過とともに変化し続けます。このような動的な変化はノードが異なる時間点で異なる嗜好を示すことを可能にし、ユーザーの嗜好を捉えて異常行動を検出する上で非常に重要です。しかし、既存の研究は通常、限られた近隣ノード生成による動的表現を採用しており、これが性能の低下と高いレイテンシーオンライン推論の問題を引き起こしています。これらの課題に対処するために、本論文は新しい時間グラフ畳み込み法である時間集約と伝搬グラフニューラルネットワーク（Temporal Aggregation a...