バイオセンサーの進歩により，安価なウェアラブルデバイスで様々な生体情報を非侵襲的に取得できるようになった。 これらの生体情報をデータベース化して共同利用することで，公衆衛生や医学研究の推進に有用な情報を得ることができる。 しかし，アラブルデバイスから得られる生体情報から個人を特定できる可能性があり，個人情報の保護に懸念がある。 本研究では，被験者8人の日常生活下における生体情報を腕時計型ウェアラブルデバイスで測定して，機械学習により個人識別の可能性を検証した。 その結果，ランダムフォレスト，サポートベクターマシーン，k近傍法の再現率の平均値はそれぞれ0.684，0.251，0.382となった。ランダムフォレストを用いることで個人識別の可能性が示唆される。

本研究では人工知能(Artificial Intelligence: AI)の一種である畳み込みニューラルネットワーク(Convolutional Neural Netword: CNN)に肥大型心筋症患者の心電図データを学習させ，学習済み CNN によって致死性不整脈の発症予測を試みる．
モデルの汎用性を公平に評価するため，テスト用のデータなどは学習に使用していない患者のデータを使用するなどの工夫を行う．
交差検証などの手法を取り入れることで，未知の患者に対する予測を約9割の精度で予測できることを確認する．
また，最終的な判断は AI ではなく専門医による判断を想定しているため，AIが予測した結果の判断根拠を図示することで診断支援を行う．

本論文では，CNNを用いた低線量CT画像の画質改善法を提案する．手法としては，学習の際にクリーンな画像を利用しないNoise2Noiseの学習法を用い，エンコーダ・デコーダ構造ならびにスキップ接続を持つU-Netをベースに，EfficientNetV2のFused-MBConvと，画像特徴を強調するFeature Pyramid Attention，CBAMの二種類のAttention機構を加味したCNNモデルを構築する．子豚の全身スライスCT画像を用いた実験では，通常線量CT画像との比較やピーク信号対雑音比(PSNR)による画質評価により，提案手法が有用であることを示した．

本論文では、カルテ情報を加味した多断面CT画像による肺結節状陰影の識別法を提案する。手法としては、まずCT検査で得られた画像データから、アキシャル断面、コロナル断面、サジタル断面の3つの断面画像を用い、画像特徴を抽出する。次に、カルテに記載された患者の年齢や性別などの情報から、カルテ情報特徴を抽出する。これらの情報は、画像だけでは捉えきれない患者の背景情報を提供し、診断精度の向上に寄与すると考えられる。最後に、抽出された画像特徴とカルテ情報特徴を組み合わせ、多層パーセプトロンを用い、結節状陰影と血管の2クラス分類を行う。本手法を実データに適用し、実験を行ったところ、良好な結果が得られた。

病理診断とは、患者から採取された組織を染色して病変の診断をすることを指す。組織染色結果は染色作業者の技量や染色環境によって色味が変化してしまうため、染色作業の標準化および染色結果の均質化が必要となる。この問題を解決するために、コンピュータ上で行う仮想的な組織染色である疑似染色が研究されている。本研究では、明視野顕微鏡を用いたイメージング法による無染色肝病理標本からのMasson's trichrome（MT）疑似染色を目的とする。本手法では、明視野顕微鏡による明視野観察、偏光観察および微分干渉観察を行い、得られた画像を用いて深層学習によりMT疑似染色画像を取得する。

近年，医療の現場に人工知能(AI:Artificial Intelligence) が参入する機会が増えている．一方で，医用画像は患者のプライバシーの問題や，学習ラベルを付与するアノテーション作業を行うことが出来る人的リソースの少なさなどの問題から，一般的な人工知能利用分野と比較して学習データの収集が困難であり，それが精度向上への大きな障害となっている．
そこで本研究では, DG(Domain Genelarization)において内部ネットワークにUnsamble UNet
を用いるとともに, 新しい入力画像変換を導入する. この結果, セグメンテーションの精度向上を実現できることを実証する.

日本の国家的課題にもなっているアスリートのキャリア形成に関して、ヤマハ発動機グループの元トップラグビー選手を対象に、ラグビー経験を通して培われたポータブルスキルについて、リンクアンドモチベーションのサーベイツール「BRIDGE」を用いて分析した。82名の元トップラグビー選手にサーベイを実施した結果、「ポジション」、「役割」、「戦績」、「ラグビーの開始時期」、「怪我による長期離脱経験」における経験の違いが、獲得するポータブルスキルの違いをもたらすことが明らかになった。研究結果から、アスリート経験で獲得した特徴的なポータブルスキルを活かすことがアスリートのキャリア形成において重要であることが示唆される。

本研究では、画像分類タスクにおける畳み込みニューラルネットワーク（CNN）モデルの内部を変更することで精度が変化する様子を、潜在空間から確認する。具体的には、T-SNEを用いてCNNモデルの中間層の出力を比較し、各層が潜在空間に与える影響を探求します。CNNモデルは、BatchNormalization層やConv2D層を重ねたり、活性化関数Relu層によってすべて0と正数に変換されることで潜在空間が変化することが予想される。この潜在空間の比較から得られる洞察を通じて、CNNモデルの学習プロセスとその精度向上メカニズムに関して検討する。

本研究では、ニューロフィードバック訓練法を用いて構築したBMIの精度評価手法を検討した．ニューロフィードバック訓練法とは人間の脳波を可視化し，リアルタイムでフィードバックすることで脳活動を調節する方法を身につける訓練法である．BMIの構築の際にはフィードバック訓練として脳波を操作に用いるビデオゲームをユーザーにプレイしてもらっている．BMIとは脳波を操作に用いるインターフェースのことであり，本研究で扱うBMIはユーザーが「左」または「右」のどちらを想起しているかを分類する機能を持っている．手法として訓練で得られた脳波データに対してwevelet変換を行い，画像データに変換した後にCNNを用いて学習し，想起した方向の分類に用いている．この部分の分類精度の評価手法について検討した．

人間の視覚メカニズムによって発生する錯視には様々な種類が存在している。我々は錯視の一つの主観的輪郭線の発生メカニズムを機械的アプローチで調査する。用いる手法として機械学習の畳み込みニューラルネットワークを採用する。これは大量の画像を学習させることで人間の視覚レベルでの認識できる能力を獲得できる手法である。本稿では主観的輪郭線を持つ画像と持たない画像、一部に主観的輪郭線が存在する画像を用意し分類実験を多くの組み合わせで行う。そこで分類が可能であるか、学習したCNNモデルの汎化能力がどの程度あるかについて検証する。

本研究では，脳波測定機器のデータから感情判断システムによる感情識別を行う．
近年，増加傾向にある要介護者のなかで発話の困難な高齢者の感情を予測することができれば，コミュニケーションをとることが難しくても満足できる対応が可能になる．感情を予測できるものとして脳波が注目されている．
しかし，使用する脳波測定機器の電極数が多ければ，雑音となる脳波も増えるため正確な感情識別を行うことが難しい．感情の想起の仕組みと関係していると考えられる電極のみに絞り込んだ脳波を使用することで，感情判断システムの識別精度向上を目指す．
32極の脳波測定機器の脳波データを使用し，32極の電極すべてを使用した場合より識別精度は低下したものの，32極を14極に絞り込んだ場合と比較すると識別精度は向上した．

剥離手技は，癒着した臓器や膜を引き剥がす外科手術の基本である．失敗すると臓器や血管を損傷するため，多くの経験を積むことが必要で，シミュレータを用いた訓練が行われている．シミュレータを用いることで，時間や場所の制約を受けることなく繰り返し訓練を行うことができる．また現実では訓練が難しい危険な場面や緊急事態の訓練も可能である．しかし，既存のシミュレータでは腹腔内に存在する膜の表現に難があり，膜の剥離の訓練には不向きである．
そこで本研究では，動力学エンジンを用いて柔軟でリアリティの高い膜を生成し，3次元力覚提示装置を用いて膜との接触，操作が可能なシミュレータの開発を試みた．

m-RNAにおいて、開始Codon(AUG)と終止Codon(UAA,UAG，UGA)の関係について検討したので報告する。

本研究では頻出系列パターンを⽤いて塩基配列から遺伝⼦発現量を予測する問題に取り組む．近年，大規模変異株探索法により得られた大量データをもとにプロモータ領域の塩基配列から高精度に遺伝子発現量を予測する深層学習モデルが構築されている．他方，深層学習モデルでは予測理由を理解できないという課題がある．この課題に対し，本稿では，塩基配列上の頻出系列パターンを素性とするPassive Aggressive法を用いて，予測に寄与する系列パターンを抽出する手法を提案する．

脳動脈閉塞は死や重篤な後遺症を引き起し得る疾患であり，これらの回避には発症後の迅速な診断と治療が必須である．そこで我々は救急現場での使用を想定し，脈波測定装置と閉塞推定手法で構成される脳動脈閉塞診断支援システムを開発してきた．本研究では閉塞あり事例が少なくても学習を可能にすべく，オートエンコーダ(AE)による脈波の自己再生，および，閾値処理による閉塞有無の分類から成る閉塞推定手法を提案した．評価実験の結果，提案手法の正解率は59[%]，F値は70[%]となり，ランダム分類や過去の手法よりも高性能であった．また，様々な種類のAEのうち，CNN AEとGRU AEが適するという知見も得た．

細胞分裂を阻害することで、巨大な細胞を生成することで、通常サイズの細胞では観察できないような細胞内のダイナミクスを観察することができる。そのため、そのような巨大細胞の形成メカニズムを知ることは重要である。実際の細胞サイズの分布は、通常細胞のそれに比べて長い裾を持っていた。そこで、この分布の形成形成メカニズムを観察結果に基づいてモデル化し、長い裾を持つ分布をある程度再現した。このモデルはユール過程に似たメカニズムを含んでおり、その結果として、長い裾が得られたと考えられる。

物質が放出する蛍光のスペクトルである蛍光指紋は、物質に含まれる化合物の種類や比率の定量化を可能とする。蛍光指紋はデータ収集コストが高く、深層学習モデルのような大量のパラメタを適合させることが難しい。そのため少数の収集データを用いてパラメタ数の少ない古典的な回帰モデルを適合させることが一般的だが、外乱の影響が大きいという課題がある。これに対し、機械生成した大量の疑似的な蛍光指紋を学習データとして用いた、深層学習モデルの表現学習手法を提案する。複数のタスクにおいて、疑似蛍光指紋から表現学習によって獲得した特徴量に変更することで、外乱に頑健かつ高い精度での回帰を実現した。

2型糖尿病発症予防のために生活習慣改善等の早期介入を行う際に、遺伝リスクがどのように発症前の長期間の血糖値変化に影響するかを明らかにすることは重要である。そこで、企業従業員のゲノム情報と⻑期健康診断データを統合させた3万人規模の健常者コホートを用い、発症前10年間で遺伝リスクがどのように血糖値に対応する指標であるHbA1cに影響するかを検討したので報告する。また、発症前の発症者、及び非発症者の25歳から60歳までのHbA1Cの年齢毎の平均値が、遺伝リスクによりどのように変化するか検討したので併せて報告する。

本研究では、ボール保持率や守備力・シュート数などのスタッツデータを基に、機械学習を用いてJ1リーグのホームチームの試合結果の予測を試みる。提案手法では、初めに予測する試合のホームチームのスタッツデータを、対戦相手の1試合前のスタッツデータから予測する。次に予測したスタッツデータからホームチームの試合結果を予測する。どちらの予測においてもランダムフォレストを用いて構築したモデルを利用する。提案手法では、2段階で予測を行うことで精度向上を図っている。本提案手法の有用性を検証するために、実データを用いた予測を行い、他の手法と比較評価を行う。

近年、選手の動きや状況の判断に基づく、サッカー分析の分野が活発に研究されている。そしてサッカー分析の一種であるアクションスポッティングは、ゲームの重要なアクションが発生した特定の時間と行動の種類を特定するタスクである。このタスクにおける多くのアプローチは映像の流れや行動の複雑さを理解し、不可視な行動を認識するため、大域的な視覚・音声特徴を利用している。しかし、既存研究では音声特徴を利用しているものの、発言内容には着目していない。そこで、本研究では実況音声を言語化し、発言内容を考慮したモデルを提案する。実験を通して既存研究と比較を行い、本モデルの有効性を検討する。

近年、様々なスポーツで試合中の選手の行動を分析し、戦略立案や練習等に活用されるようになっている。分析用のデータはスコアラーやコーチ等の観察により収集している場合が多いが、経験や手間がかかるため自動化が期待されている。既に様々な競技において画像認識を利用した行動分析システムが導入されているがバスケットボールでは、選手の行動は同一であってもボールの位置関係によっては行動の意味が異なるため選手の行動のみからでは正確な行動認識が困難である。そこで本研究では選手とボールの特徴量を同時に用いた行動認識手法を提案する。実験により選手の情報のみ用いた場合より高い精度が実現可能であることを確認できた。

本研究では、大規模言語モデル（LLM）とゲームエンジンを組み合わせた新たなバスケットボール戦術シミュレーションシステムの開発を目的とする。既存の戦術ボードでは、経験の浅いプレイヤーに正確に戦術が伝わらないことがある。本システムでは、自然言語の入力のみで戦術の意図や目的を理解し、リアルタイムで具体的なシミュレーションを生成することにより、戦術の理解促進を図る。これにより、コーチや選手は試合前や試合中に様々な戦術を試行錯誤し、戦術の理解と適用を向上させることができる。本研究の成果は、バスケットボールのみならず、他のチームスポーツにおける戦術シミュレーションにも活用できる可能性がある。

ダーツの技術向上には，インストラクタ等の指導を受けることが考えられる．しかし，インストラクタ数は多くないため，実際に指導を受けることは困難である．この課題に対し，本研究では，ダーツにおける競技者へのフォーム矯正・技術向上支援を目的とし，骨格を考慮したダーツトレーニングシステムの開発を行う．本システムは，初めにユーザの動画から骨格推定を行い，最も骨格が類似している人物の投擲動画を抽出する．次に選択された動画とユーザの動画とを比較し，得られた差を基に技術向上に関するコメントを提示する．小規模な実験を基に，本手法の有用性を評価する．

PETによるがん診断は薬剤にFDGを用いるFDG-PETが広く用いられる。これは，FDG集積分布を画像化することで行われる。がん組織は他の組織と比べてFDGの集積が顕著であり，FDG-PET像上に異常な陰影として現れる。一方，生理的集積がみられる組織や臓器にもFDGが集積し，異常を疑う陰影が表れる。本研究では，PET像が機能画像であることに着目し，組織や臓器ごとのFDG吸収傾向を定量化することでがん診断を支援することを目的とする。本報告では，PET像が持つ曲率に基づいてがんと生理的集積を示す陰影のFDGの流れの違いを視覚的，定量的に評価する。

腹部CT画像の診断において、通常は造影剤による陰影がついた造影CT画像で診断する。一方、造影剤を投与できない場合は非造影CT画像で診断せざるを得ない。そのため、画像変換モデルで非造影画像から人工の造影画像を生成することが試みられてきた。例えば、pix2pixで生成した人工造影画像は腎腫瘍検出のスクリーニングに有用と評価されているが、実用には更なる改良が必要である。本研究では、腎腫瘍検出に必要な特徴が現れることを目的として、画像分類の損失を損失関数に組み込んだCycleGANで人工造影画像を生成する手法を提案する。そして、物体検出モデルで人工造影画像から腎腫瘍検出を行って提案手法を評価する。

Endoscopic procedures have become invaluable in various medical disciplines, enabling minimally invasive examination and treatment within the human body. However, the visual quality of endoscopic video streams often falls short of desired standards due to inherent limitations in imaging technology, such as low resolution and noise. Consequently, there is a pressing need to address these shortcomings and elevate the quality of endoscopic imaging to realize its full potential in enhancing diagnostic accuracy and enabling more targeted and effective interventions. The primary objective of this study is to propose a novel recurrent route-map based transformer architecture for endoscopic video super-resolution.

In order to solve the problems of long sampling time and poor reconstruction accuracy of MRI, the K-space Enhancement Based Sparse Directional Diffusion algorithm is proposed. By segmenting the frequency domain and employing a high-frequency subspace training strategy, it replaces unstable full-space optimization. The adaptive masks are also proposed to prioritize high-frequency information. Additionally, sparse high-frequency noise is incrementally incorporated to enhance network robustness. Targeting the FastMRI dataset, experiments verify the model's validity. This approach aims to improve efficiency and effectiveness in distributed MRI reconstruction, particularly addressing long inference times and instability, ultimately enhancing overall performance.

Three-dimensional ultrasound imaging data are gaining attention for breast cancer detection and diagnosis. To generate these data, the pose information of the ultrasound probe during scanning should be obtained from a separate sensor. This study attempts to reconstruct 3D ultrasound image data using a conventional ultrasound probe by installing two rotary encoders on the ultrasound probe. Each of these encodings represents the travel distance and tilt, respectively, allowing the ultrasound image of the single-direction scan to be transformed into volumetric data. Our experiments showed an accuracy of RMSE 1.03 mm for the displacement on a 100 mm flat surface, RMSE 6.95 mm on a gel-coated surface, and RMSE 15.09 mm on a phantom. In addition, a 10 mm object embedded in the phantom was successfully reconstructed in 3D.

AIに関する研究は従来から行われていたが、GPTなどの生成系の飛躍的精度向上が発端とな
り、再びAIに関する研究が再熱している。その中でも注目されている分野の一つに、AIと医療分野との組み合わせがある。当論文ではGrad-CAMを使用した医用画像読影と、U-Netを使用した医用3Dオブジェクト構築の手法とその課題を提示する。また、Grad-CAMを応用して医用画像データセットに系統的な偏りがある可能性を指摘した。