監視ビデオにおける異常行動検出のための確率的メモリオートエンコーディングネットワーク

監視ビデオにおける異常行動検出のための確率的メモリオートエンコーディングネットワーク

確率メモリオートエンコーディングネットワークを用いた監視カメラ映像の異常行動検出研究 学術的背景 インテリジェント監視システムにおいて、異常行動検出は、テロ対策、社会の安定維持、公共の安全確保など、極めて重要な機能です。しかし、異常行動検出には核心的な課題があります。それは、通常の行動データと異常行動データの極端な不均衡です。通常の行動データは大量に入手可能ですが、異常行動データは少なく、予測が困難です。この不均衡により、従来の教師あり学習手法では効果的なモデルの訓練が難しくなっています。そのため、大量の通常行動データを活用して通常行動の分布をモデル化し、それに基づいて異常行動を検出する方法の研究が重要な方向性となっています。 近年、深層学習に基づく手法が異常行動検出において顕著な進展を遂げ...

全自動マルチモーダルMRIベースのマルチタスク学習によるグリオーマセグメンテーションとIDHジェノタイピング

全自動マルチモーダルMRIベースのマルチタスク学習によるグリオーマセグメンテーションとIDHジェノタイピング

全自動マルチモーダルMRI多タスク学習によるグリオーマ分割とIDH遺伝子分類の研究報告 研究背景 グリオーマは中枢神経系で最も一般的な原発性脳腫瘍で、世界保健機関(WHO)2016年分類によると、グリオーマは低悪性度グリオーマ(LGG、グレードIIおよびIII)と高悪性度グリオーマ(HGG、グレードIV)に分類されます。イソクエン酸デヒドロゲナーゼ(Isocitrate Dehydrogenase, IDH)変異の状態はグリオーマにおける最も重要な予後指標の一つです。臨床研究では、IDH変異を持つ低悪性度グリオーマ患者の予後は通常、野生型患者よりも良好であることがわかっています。従来のグリオーマの手動セグメンテーションは時間と労力を要するもので、正確なIDH遺伝子分類と正確なグリオーマ分割は...