CNNとDilated Sampling Self-Attentionを統合したABVS乳腺腫瘍分割研究 学術的背景 乳がんは世界で2番目に多いがんであり、早期かつ正確な検出は患者の予後改善と死亡率の低下に極めて重要です。現在、X線マンモグラフィー、磁気共鳴画像（MRI）、手持ち超音波など、さまざまな画像技術が乳がんの早期スクリーニングに使用されていますが、これらの技術は解像度の限界やオペレーター依存性などの課題を抱えています。これらの問題を解決するため、自動乳腺容積スキャナー（Automated Breast Volume Scanner, ABVS）が開発されました。ABVSは乳房全体の包括的なビューを自動的に取得できますが、腫瘍の大きさ、形状、位置の多様性により、画像分析は依然として困...
高次運動フローを利用した共役視覚表現の継続的学習：CMOSFETモデルの研究 学術的背景 人工知能とコンピュータビジョンの分野において、連続的な視覚データストリームからの継続的学習（Continual Learning）は長年の課題です。従来の機械学習手法は、独立同分布（i.i.d.）の仮定に依存しており、すべての訓練データが訓練時に静的かつ利用可能であることを前提としています。しかし、現実世界の視覚データは連続的で非独立同分布であることが多く、モデルの訓練に大きな困難をもたらします。さらに、既存の教師なし学習手法の多くは大規模なオフライン訓練データセットに依存しており、これは人間や動物が環境を連続的に体験しながら学習する方法とは大きく異なります。 これらの問題を解決するため、Simone ...
自己教師あり学習に基づく神経内視鏡リアルタイム3D再構成とナビゲーションに関する研究 学術的背景 神経内視鏡手術（neuroendoscopy）は、脳深部病変の治療に広く使用される低侵襲手術技術であり、内視鏡下第三脳室造口術（endoscopic third ventriculostomy, ETV）、脈絡叢焼灼術、嚢胞開窓術などに応用されています。しかし、手術中に脳組織移動（brain shift）や脳脊髄液（cerebrospinal fluid, CSF）の流出が発生すると、脳深部構造が幾何学的に変形し、従来の術前画像に基づいた神経ナビゲーション（neuronavigation）に課題をもたらします。伝統的なナビゲーションシステムは通常、術前磁気共鳴画像（MRI）やコンピュータ断層撮影...
イベントカメラに基づく自己教師ありシャッター展開法 研究背景と問題提起 コンピュータビジョン分野において、ローリングシャッター（Rolling Shutter, RS）画像から歪みのないグローバルシャッター（Global Shutter, GS）ビデオを復元することは、非常に挑戦的な課題です。RSカメラは行ごとに露光するため、動的なシーンでは空間的な歪み（例：ブレや傾き）が発生しやすく、特に高速運動のシーンで顕著になります。現在の手法は人工的な仮定や特定データセットの特性を利用してRS効果を修正できますが、これらの方法は複雑な非線形運動がある実世界のシーンでは性能が低下することが多いです。さらに、多くの手法は合成データセットに依存しており、これにより「合成から実世界」へのギャップが生じ、現実...
高解像度ビデオに基づく自己教師付き生産異常検出と進捗予測 背景紹介 現代の製造業において、リアルタイムの生産監視、進捗予測、異常検出は生産品質と効率を確保するために不可欠です。しかし、従来の視覚に基づく異常検出方法は、生産過程におけるバックグラウンドノイズの処理に大きな課題を抱えており、生産段階の異質性を無視することが多いです。多くの製造環境、例えば航空機の生産では、人間とロボットの協働や高精度の手作業の組み立て作業が重要な役割を果たしており、これらは埋め込み型のデジタルセンサーを用いた監視が難しい一方で、リアルタイムの操作映像は容易に入手可能です。視覚に基づく生産監視は製品表面検査などのアプリケーションで広く使用されていますが、既存のアルゴリズムは通常のバックグラウンドの変化と生産関連の異...
単粒子冷凍電子顕微鏡における優先配向問題の克服：深層学習による革新的解決法 背景紹介 近年、単粒子冷凍電子顕微鏡（Single-Particle Cryo-EM）技術は、生体高分子を天然状態に近い条件下で原子分解能で解析できることから、構造生物学のコア技術として確立されました。しかし、実際の応用では、「優先配向」（Preferred Orientation）という技術的な壁に直面することが多いです。この問題の主な原因は、生体分子が冷凍電子顕微鏡のグリッド上で均等に分布せず、特定の方向のデータ収集が不十分になることです。この配向偏差は通常、試料調製プロセス中に分子が空気-水界面（Air-Water Interface, AWI）またはサポート膜-水界面との相互作用によって引き起こされます。 優...
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...
高次幾何構造モデリングに基づく点群の教師なし領域適応 研究背景と動機 点群データは3次元空間を表す重要なデータ形式であり、自動運転、リモートセンシングなどの現実世界のシナリオで広く利用されています。点群は正確な幾何情報を捉えることができますが、デバイス間またはシナリオ間で適用される際に、センサーのノイズ、サンプリング方法、環境の影響などによる幾何的な特性が顕著に変化する可能性があります。このような顕著な幾何変化（領域間ギャップ）は、ある領域で訓練されたニューラルネットワークが他の領域での性能を保持するのを困難にしています。この問題は、点群の深層学習手法の実際の応用での普及に制約を与えています。 現在、この問題の効果的な解決策として教師なし領域適応（Unsupervised Domain Ad...
学術的背景 電圧イメージング（voltage imaging）は、神経活動を研究するための強力な技術ですが、その有効性は低い信号対雑音比（SNR）によって制限されることが多いです。従来のノイズ除去方法、例えば行列分解は、ノイズと信号構造について厳密な仮定を課しますが、既存の深層学習アプローチは、電圧イメージングデータに固有の高速なダイナミクスと複雑な依存関係を完全に捉えることができませんでした。これらの問題を解決するために、本論文ではCellMincerという新しい自己教師あり深層学習手法を提案し、電圧イメージングデータセットのノイズ除去に特化しています。CellMincerは、短時間ウィンドウ内のスパースなピクセルセットをマスクして予測し、事前計算された時空間自己相関を組み合わせることで、...
Dimond: 深層学習による拡散モデルの最適化に関する研究 学術的背景 脳科学および臨床応用において、拡散磁気共鳴イメージング（Diffusion Magnetic Resonance Imaging, dMRI）は、非侵襲的に脳組織の微細構造や神経連結性を描くための重要なツールです。しかし、拡散信号モデルのパラメーターを正確に推定する計算コストは高く、画像ノイズの影響を受けやすいです。既存の多くの深層学習に基づく教師あり推定法は、効率と性能の向上の可能性を示していますが、これらの方法は通常追加のトレーニングデータを必要とし、汎化性が不足しているという問題があります。 論文の出典 この研究はZihan Li、Ziyu Li、Berkin Bilgic、Hong-Hsi Lee、Kui Yi...