@techreport{oai:ipsj.ixsq.nii.ac.jp:00224584,
 author = {遠藤, 隆斗 and 高橋, 秀弥 and 前田, 英作 and Ryuto, Endo and Shuya, Takahashi and Eisaku, Maeda},
 issue = {18},
 month = {Feb},
 note = {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．, 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.},
 title = {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},
 year = {2023}
}