弱い地質的先験知識の下でのボアホール岩性モデル構築のための部分的ドメイン適応 背景と研究課題 岩性識別は、層序解析や油ガス貯留層の探査において極めて重要な役割を果たします。しかし、人工知能や機械学習に基づく既存の岩性識別方法は、井間データを扱う際、依然として重大な課題に直面しています。具体的には、井ごとの複雑な堆積環境、不一致な地質物理探査機器および測定技術の影響で、井間データの分布には大きな違いがあります。また、ターゲット井には全く新しい岩性クラスが含まれている可能性があり、ラベル空間の不一致性（unshared label space）が発生することが、ターゲット井での予測をさらに困難にしています。 本研究では、複雑な地質条件下での井間岩性予測を実現するための部分的ドメイン適応（Part...

深層学習の解釈可能性研究：摂動に基づく帰属マップ評価手法 背景と研究動機 深層学習モデルは多くのタスクで顕著な成功を収めていますが、これらのモデルの解釈可能性と透明性への関心が高まっています。特に、モデルの高精度な予測と同時に、その意思決定プロセスを人間が直感的に理解できるようにする能力が不足しています。この欠如は、多くの実世界のアプリケーションにおけるモデルの採用を制限しています。 コンピュータビジョン分野では、帰属法（Attribution Methods）が神経ネットワークの解釈可能性研究に広く利用されています。これらの方法は、入力画像中のどの領域がモデルの意思決定に最も寄与しているかを示す帰属マップ（Attribution Maps、AMs）を生成します。しかし、帰属マップの定性的性...

研究レポート：TLS関連遺伝子に基づく口腔扁平上皮癌予後モデルの検証と分析 背景と研究動機 口腔扁平上皮癌（Oral Squamous Cell Carcinoma、OSCC）は、頭頸部扁平上皮癌（Head and Neck Squamous Cell Carcinoma、HNSCC）の中で最も一般的なサブタイプであり、高度のリンパ節転移傾向を持ち、特に首のリンパ節への拡散が容易です。2022年の世界癌症観測レポート（GCO）によれば、OSCCの新たな症例数は約38万件で、そのうちこの病気による死亡者は約18.8万人に近いとされています。GCOはこの病の発病率と死亡率が2040年まで増加し続けると予測しています。現在、OSCC患者の予後は主に腫瘍のサイズ、リンパ節の状態、および遠隔転移の状況...

自己蒸留型マスクされた画像トランスフォーマーの縦断MRIにおける可能性 - 頸部リンパ節転移の自動セグメンテーション 報告の紹介 放射線治療におけるがん腫の自動セグメンテーション技術は、スピードの向上と手作業によるリーダー間の差異の低減を約束するものです。放射線腫瘍学の臨床実践において、正確かつ迅速な腫瘍のセグメンテーションは、患者の個別化された治療において非常に重要です。Memorial Sloan Kettering Cancer Centerの研究者らによるこの研究は、マスクされた画像モデリングによるビジョントランスフォーマー (SMIT) アルゴリズムを用いて、経時的T2強調MRI画像における頭頸部扁平上皮がん患者の頸部リンパ節転移の自動セグメンテーション精度を実現・評価することを目...

非侵入性胶質腫瘤の等級分類に関する研究概要：知識蒸留に基づく軽量な畳み込みニューラルネットワーク 背景紹介 膠質腫瘍は中枢神経系の主要な腫瘍であり、早期検出が非常に重要です。世界保健機関（WHO）は膠質腫瘍をⅠ級からⅣ級に分類しており、Ⅰ級とⅡ級は低級膠質腫瘍（LGG）、Ⅲ級とⅣ級は高級膠質腫瘍（HGG）です。膠質腫瘍を正確に分類することは生存率の評価にとって非常に重要です。 磁気共鳴画像法（MRI）は医学の分野で膠質腫瘍の診断と治療によく使用される方法です。現在、多くの研究者が機械学習や深層学習の方法で膠質腫瘍を分類しています。例えば、Zacharakiらはサポートベクターマシン（SVM）アルゴリズムをMRI画像に適用して膠質腫瘍を分類することに成功しました。一方、Fatemehらは畳み込...