世界的に見て、悪性脳腫瘍の中で最も一般的で致命的なのは膠芽腫（Glioblastoma, GBM）です。近年、機械学習技術を通じて術前の単一モダリティまたは多モダリティの画像表現型に基づいてGBM患者の総生存時間（Overall Survival, OS）を予測しようとする研究が続けられています。これらの機械学習方法は予測において一定の進展を遂げましたが、多くの研究では放射線学に基づくOS予測方法に含まれる腫瘍の遺伝子型情報を考慮しておらず、この情報は予後に強い指示作用を持っています。この問題を解決するために、Tang Zhenyu、Xu Yuyun、Jin Lei などの研究者が2020年6月に《IEEE Transactions on Medical Imaging》に「Deep Lea...

ディープラーニングモデルが意味飽和メカニズムを解明 意味飽和（semantic satiation）は、ある単語やフレーズが何度も繰り返されることでその意味が失われる現象であり、よく知られた心理学的現象です。しかし、このメカニズムを引き起こす微視的な神経計算の原理は依然として未知です。本稿では、連続結合ニューラルネットワーク（continuous coupled neural network, CCNN）を使用してディープラーニングモデルを構築し、意味飽和のメカニズムを研究し、ニューロンの成分でこのプロセスを正確に記述します。研究結果は、中観的な視点から見ると、意味飽和は自下から上へのプロセスである可能性があり、既存のマクロな心理学研究が意味飽和を自上から下へのプロセスと見なしているのとは異...

AutoAlign：大規模言語モデルによる全自動・効率的な知識グラフのアライメント方法 知識グラフ（Knowledge Graph、KG）は、質問応答システム、対話システム、推薦システムなど多くの分野で広く利用されています。しかし、異なる知識グラフには、同一の現実のエンティティが異なる形で保存される問題があるため、知識の共有と情報の補完が非常に困難です。特に実際のアプリケーションでは、これらの知識グラフの統合が中心的な課題となります。これにはエンティティアライメント（Entity Alignment）が関与しており、異なる知識グラフで同じエンティティを表すエンティティを識別することになります。しかし、既存の方法は通常手作業の種子アライメント（Seed Alignments）が必要で、その取得...

忘却に対するロバストな知識追跡のための深層グラフメモリネットワーク 近年、個別学習の重要な方法として知識追跡（KT）が広く注目を集めている。知識追跡は、学生が新しい問題に回答する際の正答率を予測することを目的とし、彼らの過去の問題の回答履歴を利用して知識状態を推定するものである。しかし、現在の知識追跡方法は、忘却行動のモデリングや潜在概念間の関係の識別といった課題に直面している。これらの課題を解決するために、本論文では、新しい知識追跡モデルである深層グラフメモリネットワーク（Deep Graph Memory Network, DGMN）を提案する。本論文では、DGMNモデルの設計、実験過程、および各種データセットにおける性能を具体的に概要する。 研究の背景 知識追跡問題は提案されて以来、教...

Siamese-Transport領域適応フレームワークに基づく3D MRIによる膠芽腫およびアルツハイマー病の分類 研究背景 コンピュータ支援診断において、3D磁気共鳴画像法（MRI）によるスクリーニングは早期診断に重要な役割を果たし、さまざまな脳疾患の悪化を防止するのに有効です。膠芽腫は一般的な悪性脳腫瘍で、その治療法は腫瘍のグレードによって異なります。そのため、正確で効率的な3D MRI分類は医用画像分析において極めて重要です。しかし、従来の深層学習モデルは臨床における未ラベルデータに適用された場合、異なる装置やデータ収集パラメータの違いによる領域間不一致性のため、性能が著しく低下します。既存の方法は主に領域間の差異を減少させることに焦点を当てていますが、セマンティック特徴と領域情報の...