背景紹介 認知症は世界的な健康問題であり、患者の生活の質に深刻な影響を与え、医療システムに大きな負担をかけています。アルツハイマー病（Alzheimer’s Disease, AD）と前頭側頭型認知症（Frontotemporal Dementia, FTD）は認知症の一般的なタイプであり、その症状は重複しているため、正確な診断とターゲットを絞った治療の開発が特に困難です。早期発見と正確な診断は、認知症の効果的な管理にとって重要です。臨床評価や神経画像技術（MRI、PETスキャン）などの従来の診断方法は有効ですが、コストが高く、時間がかかり、普及が難しいです。そのため、研究者は非侵襲的でコスト効率の高い代替方法、例えば脳波（Electroencephalography, EEG）の探索を始め...

背景紹介 ドローン（UAV）技術の急速な発展に伴い、ドローンが撮影する低高度リモートセンシング画像は、災害管理、捜索救助などの任務で広く利用されています。しかし、ドローン画像における小物体検出（small object detection）は依然として挑戦的な問題です。小物体は画像中のごく少数のピクセルしか占めておらず、分布も不規則であるため、既存の物体検出アルゴリズムはこれらのシナリオでは十分な性能を発揮しません。特に、一部の既存の検出器は多尺度特徴融合（multi-scale feature fusion）モジュールを導入して検出精度を向上させていますが、これらの伝統的手法は物体と背景の重み関係を無視しがちで、小物体が深層特徴マップにおいて重要性を失う原因となっています。さらに、広く使用...

学術的背景 世界のエネルギー需要が増加し続ける中、エネルギー貯蔵技術（Energy Storage Technology, EST）は、環境への影響を緩和し、炭素フットプリントを削減する上で重要な役割を果たしています。ESTは再生可能エネルギーの重要な要素であるだけでなく、世界のエネルギー構造の脱炭素化においても鍵となります。しかし、適切なESTを選択するには、持続可能性の多面的な考慮が必要であり、これにより意思決定プロセスは複雑で不確実性に満ちたものとなります。従来の意思決定手法は、このような多基準、不確実性、不整合性を伴う問題に対処する際に限界を露呈することが多いです。 この問題を解決するため、著者らは単一値ニュートロソフィック集合（Single-Valued Neutrosophic ...

学術的背景と問題提起 ファジィ集合（Fuzzy Sets, FSs）の研究分野において、不確実性問題の処理は核心的な課題の一つです。ファジィ集合はZadehによって1965年に初めて提案され、理論と応用研究のホットスポットとして急速に広まりました。研究が進むにつれ、ファジィ集合の拡張形式である直交対ファジィ集合（Orthopair Fuzzy Sets, OFSs）が生まれました。OFSsは直交対（すなわち帰属度と非帰属度）を導入することで、不確実性情報をより包括的に記述します。Yagerは2013年に初めてOFSsを定義し、q階直交対ファジィ集合（q-Rung Orthopair Fuzzy Sets, q-ROFSs）の概念を提案しました。その後、GaoとZhangは2021年に線形直交...

学術的背景 大腸癌（Colorectal Cancer, CRC）は、世界的に見ても最も一般的ながんの一つであり、特に50歳以上の人口においてその発症率が顕著に増加しています。早期発見と正確な診断は、患者の生存率を向上させる鍵です。しかし、従来の大腸癌スクリーニング方法、例えば大腸内視鏡検査は、医師の経験と視覚的判断に依存しており、一定の主観性と誤診のリスクが存在します。近年、人工知能（Artificial Intelligence, AI）と深層学習（Deep Learning, DL）技術が医学画像解析に応用されることで、大腸癌の自動診断に新たな可能性がもたらされています。しかし、既存のAIモデルは、画像特徴の抽出とモデルの解釈性においてまだ不十分であり、特に異なる撮影条件下の画像を扱う...

学術的背景 現代のサッカー経済において、選手の移籍市場価値は、彼らのフィールド上のパフォーマンスだけでなく、知名度やソーシャルメディアの影響力など、さまざまな要因によって左右されます。サッカー産業のグローバル化に伴い、クラブの移籍市場における意思決定は、データ駆動型の分析にますます依存するようになっています。しかし、従来の選手評価方法は、主にゴールやアシストなどのパフォーマンス指標に依存しており、選手のソーシャルメディアの活発度やメディア報道などの新しい要素を無視していました。そのため、機械学習やデータサイエンスの手法を用いて、選手の移籍価値をより正確に予測することが重要な研究課題となっています。 Wenjing Zhang と Dan Cao の研究は、まさにこの問題に取り組んでいます。彼...

学術的背景 脳波（Electroencephalogram, EEG）は、脳活動を研究するための重要なツールであり、神経科学、臨床診断、脳-コンピュータインタフェースなどの分野で広く使用されています。しかし、EEG信号は収集プロセス中にさまざまなアーティファクト（artifacts）の影響を受けやすく、例えば眼電図アーティファクト（Electrooculography, EOG）や筋電図アーティファクト（Electromyography, EMG）などがあります。これらのアーティファクトはEEG信号の品質を著しく低下させ、その後の分析や応用に影響を及ぼします。既存の方法は単一のアーティファクトを除去するために開発されていますが、複数のアーティファクトが同時に存在する場合、これらの方法は十分な...

学術的背景 現実世界では、ネットワークデータ（ソーシャルネットワーク、引用ネットワークなど）は通常、複数のタイプのノードとエッジを含み、これらのネットワーク構造は時間とともに動的に変化します。これらの複雑なネットワークをよりよく分析するために、研究者たちはネットワーク埋め込み（network embedding）技術を提案し、ネットワーク内のノードとエッジを固定長のベクトルとして表現し、ノード分類、リンク予測などの後続の分析タスクを容易にしました。しかし、従来のネットワーク埋め込みモデルは、動的異種ネットワーク（dynamic heterogeneous networks）を処理する際に多くの課題に直面しており、特にネットワーク構造の動的変化と異質性を効果的に捉える方法が問題となっています。...

膿毒症（Sepsis）は、感染によって引き起こされる全身性炎症反応症候群であり、多臓器不全や高い死亡率を引き起こすことが多い。現代医学技術は膿毒症の治療において大きな進歩を遂げているが、依然として一部の患者は病状の急激な悪化により死亡している。そのため、膿毒症患者の死亡リスクを正確に予測することは、臨床医が迅速で個別化された介入戦略を立てる上で極めて重要である。しかし、既存の臨床スコアリングシステム（APACHE-IIやSOFAスコアなど）は、重症患者の全体的な病状を評価できるものの、膿毒症患者に特化して最適化されていない。さらに、従来の機械学習モデルは時系列データを処理する際に、疾患の進行の時系列的特徴を見落とすことが多く、予測性能が限られている。 これらの課題に対処するため、本研究ではT...

乳がんは世界の女性の中で最も一般的な悪性腫瘍の一つです。早期介入と適切な治療により、患者の生存率は大幅に向上しましたが、依然として約30％の症例が再発し、遠隔転移を起こし、5年生存率は23％以下となっています。従来の臨床予測方法、例えばバイオマーカー、臨床画像、分子検査などは一定の価値を持っていますが、感度が低く、コストが高く、利用可能性が限られており、患者内の異質性などの問題もあります。そのため、術後乳がん患者の再発リスクと生存率を正確に予測し、タイムリーな介入と全体的な予後改善を可能にする新しい方法の開発が、現在の研究における緊急の課題となっています。 近年、人工知能（AI）技術の急速な発展により、乳がんの予後予測に新たな可能性がもたらされています。ディープラーニングは強力なAI技術とし...