Embedded Files
数理モデルを用いた腫瘍成長予測と予後予測
数理モデルを用いた腫瘍成長予測と予後予測
本研究では，脳腫瘍である神経膠腫（グリオーマ）を対象に，MRI画像とAIを用いて腫瘍の成長や浸潤範囲を予測する技術の開発に取り組んでいます．腫瘍の増殖・浸潤を表す数理モデルと機械学習を組み合わせ，術前・術後の画像から術後再発リスクや予後を推定することを目指します．
参考文献
田中大貴，檜作彰良，中山良平，“Attention Mechanismを導入したMulti-scale 3D-CNNsによる脳MRI画像の低悪性度グリオーマの1p/19q共欠損分類”，電気学会論文誌C, Vol.142, Vol.5, pp.550-556, 2022年5月.
田中大貴, 檜作彰良, 中山良平, 楠田佳緒, 正宗賢, 村垣善浩, “マルチシーケンス脳MRIを用いたMulti-scale 3D-Attention Branch Networksによるグリオーマ分子サブタイプ分類”, 電気学会論文誌C, Vol.143, No.5, pp.539-545, 2023年5月.
小林 慎平，檜作 彰良，中山 良平，楠田 佳緒，正宗 賢，村垣 善浩，“ElasticFace Lossを用いたMulti-Scale 3D-Dual Attention Branch Networksによる脳MRI画像におけるグリオーマ分子サブタイプ分類の高度化”，電気学会論文誌C, Vol.145, No.11, pp.944-953, 2025.
※東京女子医科大学との共同研究
大腸がん患者のための治療計画支援システムの開発
大腸がん患者のための治療計画支援システムの開発
再発・進行大腸がん患者を対象に，CT画像，治療履歴，腫瘍マーカーなどの臨床情報を統合し，深層強化学習により治療効果判定と治療方針決定を支援するシステムの開発を目指しています．医師の判断を補助し，より客観的で個別化された治療選択に貢献することを目的としています．
※横浜市立大学医学部との共同研究
LLMを用いた読影レポート作成支援システムの開発
LLMを用いた読影レポート作成支援システムの開発
医用画像の読影では，画像所見を正確に把握し，臨床的に重要な情報を分かりやすくレポートとして記載する必要があります．しかし，読影件数の増加に伴い，医師の負担は大きくなっており，レポート作成の効率化や記載内容の標準化が求められています．本研究では，LLMを活用することで，医師の判断を支援し，より効率的で質の高い読影レポート作成を目指します．
器械出しロボットのためのセンシング・強化学習
器械出しロボットのためのセンシング・強化学習
多視点カメラや各種センサにより，手術室内の人・器械・環境の状態をリアルタイムに把握し，強化学習によって器械出しロボットの最適な動作を学習します．手術の流れに応じて「次に必要な器械」を適切なタイミングで提示し，安全で効率的な手術支援の実現を目指します．
※東京科学大学，東京女子医科大学との共同研究
AIエージェントによる防犯カメラ映像からの異常行動検知
AIエージェントによる防犯カメラ映像からの異常行動検知
防犯カメラ映像を解析し，人物の動きや時系列変化から通常とは異なる行動を自動検知します．
参考文献
Shimpei Kobayshi, Akiyoshi Hizukuri, Ryohei Nakayama, “Unsupervised Video Anomaly Detection Using Video Vision Transformer and Adversarial Training”, IEEE Access, 2025.
山下裕之介，檜作彰良，中山良平，“Two-Stream 3D Convolutional Neural Networks-v2を用いた万引き行動の自動検知手法の高速化”，情報処理学会論文誌, Vol.64, No.1, pp.229-235, 2023年.
山下裕之介，檜作彰良，中山良平，“Cross Modality Pre-Trainingを用いたTwo-Stream 3D Convolutional Neural Networksによる万引き行動の自動検知”，情報処理学会論文誌, Vol.62, No.5, pp.1193-1199, 2021年.
知識転移に基づく深層強化学習の高速化
知識転移に基づく深層強化学習の高速化
過去の学習で得た知識を新しいタスクに活用することで，深層強化学習に必要な試行回数や学習時間の削減を目指します．本研究は，転移した知識をそのまま使うだけでなく，学習状況に応じて複数の方策を切り替えることで，不適切な知識転移の影響を抑えながら，効率的な学習を実現する．
コンピュータビジョン
コンピュータビジョン
顔画像のセマンティックセグメンテーション
画像超解像技術の研究
ディープフェイク検出に関する研究
参考文献
宮本旭，檜作彰良，中山良平，“Generalized Dice Lossを用いたEncoder-Multiple Decoders U-Netによる顔パーツのセマンティックセグメンテーション”, 画像電子学会誌，Vol.51, No.2, pp.150-156, 2022年4月.
丸井勇輝，檜作彰良，中山良平，“各顔パーツを対象とした複数CNNモデルによる顔画像の高解像度化”，情報処理学会論文誌, Vol.63, No.5, pp.1216-1224, 2022年5月.
Page updated
Google Sites
Report abuse