医用画像タスクにおける数式駆動型教師あり学習の有効性について

• Item type: SIG Technical Reports(1)
• 公開日: 2023-02-23
• タイトル: 医用画像タスクにおける数式駆動型教師あり学習の有効性について
• タイトル / 言語: en
• タイトル: On the Effectiveness of Formula-Driven Supervised Learning for Medical Image Tasks
• 言語: jpn
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: 東京電機大学システムデザイン工学部
• 著者所属: 東京電機大学システムデザイン工学研究科
• 著者所属: 東京電機大学システムデザイン工学部／東京電機大学システムデザイン工学研究科
• 著者所属(英): en
• 著者所属(英): School of System Design and Technology, Tokyo Denki University
• 著者所属(英): en
• 著者所属(英): Graduate School of System Design and Technology, Tokyo Denki University
• 著者所属(英): en
• 著者所属(英): School of System Design and Technology, Tokyo Denki University / Graduate School of System Design and Technology, Tokyo Denki University
• 著者名: 遠藤, 隆斗; 高橋, 秀弥; 前田, 英作
• 著者名(英): Ryuto, Endo; Shuya, Takahashi; Eisaku, Maeda
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 画像情報処理のための深層学習には人手によって整備された自然画像データが使われることが多い．しかしこれらのデータには，アノテーションコストに加え，プライバシー，社会的偏向などの問題があることが指摘されている．片岡らによる数式駆動型教師あり学習 (FDSL：formula-driven supervised learning) は，この問題を回避しつつ，従来法に比肩する性能が実現可能な学習手法として注目されている．しかしながら，FDSL が効果を持つタスクの種類や条件，各タスクに有効な駆動数式など未解明である．そこで本研究では，識別課題特有の画像特徴を有する医用画像タスクを取り上げ，FDSL の有効性を検証するとともに，駆動数式と画像特徴との関係について分析を行った．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: Deep learning for image information processing often uses manually maintained natural image data. However, these data have problems such as privacy and social bias, in addition to annotation cost. Formula-driven supervised learning (FDSL) by Kataoka et al. has attracted attention as a learning method that avoids these problems and achieves performance comparable to conventional methods. However, the types of tasks for which FDSL is effective, the conditions under which FDSL is effective, and effective driving formulas for each task are still unknown. In this study, we examined the effectiveness of FDSL on a medical image task with image features unique to the identification task, and analyzed the relationship between the driving formulas and image features.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AA11131797
• 書誌情報: 研究報告コンピュータビジョンとイメージメディア（CVIM）; 巻 2023-CVIM-233, 号 18, p. 1-5, 発行日 2023-02-23
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-8701
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会