深層学習を用いた小児低悪性度神経膠腫の術後再発予測 背景紹介 小児低悪性度神経膠腫（Pediatric Low-Grade Gliomas, PLGGs）は、小児において最も一般的な脳腫瘍の一つであり、すべての小児中枢神経系腫瘍の30％から50％を占めています。PLGGsの予後は比較的良好ですが、術後再発リスクは従来の臨床的、画像学的、および遺伝子学的要因では正確に予測することが困難です。術後再発の異質性により、特に補助療法や画像モニタリングに関する術後管理の意思決定が複雑になっています。そのため、術後再発リスクを正確に予測するツールを開発することは、患者管理の最適化と予後の改善にとって非常に重要です。 近年、深層学習（Deep Learning, DL）は、特に腫瘍のセグメンテーションや予...

学術的背景と問題提起 近年、深層ニューラルネットワークは、画像認識、物体検出、セマンティックセグメンテーションなどのコンピュータビジョン分野で顕著な進展を遂げています。しかし、長尾分布（long-tailed distribution）データに直面した場合、最も先進的な深層モデルでさえも性能が低下します。長尾分布とは、データセット内の少数クラス（tail classes）のサンプル数が多数クラス（head classes）のサンプル数に比べてはるかに少ない状況を指します。このデータ不均衡問題は、パイプライン故障検出や顔認識などの多くの実用的なアプリケーションで普遍的に見られます。 長尾画像認識の主な課題は、データ不均衡問題を効果的に処理し、特に少数クラスの汎化性能を向上させることです。一般的...

半監督医療画像セグメンテーションにおけるPICKモデルの応用 学術的背景 医療画像セグメンテーションは、臨床実践において重要な意義を持ち、医師に臓器や腫瘍の体積、位置、形状などの重要な情報を提供します。近年、深層学習に基づくモデルは医療画像セグメンテーションタスクで優れた性能を示していますが、これらのモデルは通常、大量の注釈付きデータを必要とします。しかし、医療画像の注釈は専門の臨床医師が必要であり、これらの注釈データを取得するには時間とコストがかかります。そのため、限られた注釈データでモデルの性能を向上させる方法が重要な研究課題となっています。 半教師あり学習（Semi-Supervised Learning, SSL）は、限られた注釈データと大量の未注釈データを同時に活用することで、この...

学術的背景と問題提起 水中画像は、海洋探査、水中ロボット、海洋生物識別などの分野で重要な応用価値を持っています。しかし、水による光の屈折と吸収の影響で、水中画像は通常、コントラストが低く、色の歪みが生じるため、後続の知覚タスク（例えば、物体検出やセマンティックセグメンテーションなど）の精度に深刻な影響を与えます。既存の水中画像強調方法は主に視覚品質の向上に焦点を当てていますが、強調画像の実際の応用効果を無視しています。そのため、視覚品質の向上と実際の応用のバランスを取ることが、現在の研究における重要な課題となっています。 この問題を解決するために、本論文では、ヒューリスティックな可逆ネットワークに基づく水中知覚強調方法（HUPE）を提案しています。この方法は、水中画像の視覚品質を向上させるだ...

品質敵対学習を用いたコンテンツ忠実度を探求するブラインド画像品質評価 学術的背景 画像品質評価（Image Quality Assessment, IQA）は、コンピュータビジョン分野における基本的な問題であり、画像の視覚的内容の忠実度を評価することを目的としています。IQAは、画像圧縮や復元などの分野で重要な応用価値を持っています。従来のIQA手法は、主にフルリファレンス（Full-Reference, FR-IQA）とノーリファレンス（No-Reference, NR-IQA）の2つに分類されます。FR-IQAは、歪み画像と参照画像との差異を比較することで画像品質を評価しますが、NR-IQAは参照画像なしで歪み画像自体から品質を評価します。NR-IQAは参照画像を必要としないため、画像内...

概要 長期人物再識別（LT-ReID）における服装の変化に対応するため、従来の手法から離れる必要があります。従来のLT-ReID戦略は、主に生体認証ベースとデータ適応ベースの2つに分かれていますが、それぞれに欠点があります。前者は高品質な生体データが不足する環境では機能せず、後者は服装の変化が最小または微妙な場合に効果を失います。これらの課題を克服するため、我々は服装状態認識特徴正則化ネットワーク（CSFRNet）を提案します。この新しいアプローチは、服装状態認識を特徴学習プロセスにシームレスに統合し、服装が完全に変化する場合、部分的に変化する場合、または全く変化しない場合においても、明示的な服装ラベルを必要とせずにLT-ReIDシステムの適応性と精度を大幅に向上させます。我々のCSFRNe...

学術的背景と問題提起 ディープニューラルネットワーク（Deep Neural Networks, DNNs）の急速な発展に伴い、視覚知能システムは画像分類、物体検出、動画理解などのタスクで顕著な進歩を遂げています。しかし、これらのブレークスルーは高品質な注釈付きデータの収集に依存しており、注釈プロセスは時間がかかり、コストがかかります。この問題に対処するため、研究者は大規模なウェブデータを活用してトレーニングを行うようになりましたが、これらのデータにはノイズラベル（label noise）が含まれることが多く、これがディープニューラルネットワークの性能に悪影響を及ぼします。ノイズラベルの存在は、トレーニングデータとテストデータの分布の不一致を引き起こし、クリーンなテストデータに対するモデルの...

UAVの行動意図認識の生成モデルに基づく研究：行動から自然言語へのクロスモーダルアプローチ 背景と研究目的 近年、無人機（Unmanned Aerial Vehicle, UAV）技術は飛躍的な発展を遂げ、捜索救助、農業精密作業、通信中継などの民間および軍事分野で広く活用されています。しかし、UAV群の規模が拡大し、知能化レベルが向上する中、空中指揮と制御分野における更なる高度な知能化への需要が高まっています。複雑な対抗環境下では「状況認識」（Situation Awareness）を向上することが鍵となり、特にUAVの行動意図を効果的に識別することが重要です。この識別プロセスは、敵の作戦意図と戦術的欺瞞の関係を明らかにし、指揮体系内での情報フローを最適化し、意思決定に対するガイドラインを提...

無人機物体検出の向上を目指した選択的周波数領域相互ネットワーク 研究の背景と課題の提起 コンピュータビジョン技術の発展に伴い、無人機による物体検出はリモートセンシング分野における重要な研究テーマの1つになっています。無人機物体検出は、傾斜撮影や異なる高度で撮影された航空画像から、車両や建物などの物体を識別することを目的としています。この技術は、環境モニタリング、災害管理、安全監視などの分野で広く応用されています。しかしながら、物体のスケールや向き、複雑な背景に基づく課題により、無人機物体検出は以下のような多くの困難に直面しています： 物体の密集した分布 光条件に伴う変化 視点の変化 現在の多くの畳み込みニューラルネットワーク（Convolutional Neural Network, CNN...

拡散モデルに基づく特徴拡張：全視野病理画像における多数例学習の新手法 学術的背景と研究の動機 計算病理学（computational pathology）の分野では、全視野スライド画像（Whole Slide Images, WSIs）の効果的な分析方法が現在の研究課題として注目されています。WSIsは超高解像度の画像であり、広範囲な視野を持ち、がん診断に広く利用されています。しかし、ラベル付きデータの不足や巨大な画像データがもつ計算負荷の問題から、WSIの自動解析における深層学習手法、特に多数例学習（Multiple Instance Learning, MIL）には多くの課題があります。 MILは典型的な弱教師あり学習手法であり、WSI全体を「バッグ」に見立て、その中の小領域（パッチ）を...