@techreport{oai:ipsj.ixsq.nii.ac.jp:00213993,
 author = {大北, 剛 and 平野, 北斗},
 issue = {36},
 month = {Nov},
 note = {モバイル医療情報アプリケーションとして，バイタル情報やストレス情報を記録して，それを用いて簡単な推論を行なわせる形のサービスは実用化されている．遠隔診療や病院連携を必要とするような場合，脳画像などの診療情報も共有され始めており，診断のようなアプリも，現在，医療情報アプリケーションとして実現されることが考えられる．本論文では，若干重い部類の医療情報アプリケーションとしての脳画像診断の資源的な制約も含めた形での性能などについて論じる．この脳血腫マーカーの分類問題においては，単純な VGG などの CNN を用いた分類においては精度を出すことが難しいことが判っており，そのために必要なある程度複雑な部類の分類器を必要とする．たとえば，正例が少ない分類問題であること，血腫の形状が不定であること，その他，不均衡分類問題，共変量シフト，少量データ問題，疑似相関問題などを解決する形の分類問題である必要がある．そこで，本論文においては，血腫のセマンティックセグメンテーションと分類とのジョイント学習を行う方法を提案して，性能を評価した．},
 title = {深層学習を用いた脳血腫拡大マーカーの分類: モバイル医療情報アプリを目指して},
 year = {2021}
}