背景紹介 肺癌（lung cancer）は世界的に発症率および死亡率が非常に高い悪性腫瘍の1つとして、現代医療分野で依然として多くの課題に直面しています。文献によれば、肺癌患者の5年生存率は極めて低く、長年にわたり世界の癌死亡数上位3位にランクされています。肺癌の初期症状は隠れやすく、多くの患者が病気の進行期に初めて診断されるため、最適な治療のタイミングを逃してしまいます。肺癌に効果的に対応する鍵は、早期診断の実現にあります。しかしながら、従来の臨床診断手段——例えば胸部画像診断や病理診断——は操作が煩雑であり、高精度の器機や医師の経験への依存などの課題があり、タイムリーかつ正確で広範囲の早期スクリーニングを実現するのは困難です。 近年、人工知能（AI, Artificial Intelli...

学術的背景 インターネット情報の爆発的な増加に伴い、推薦システム（Recommender Systems, RSs）は現代のデジタル生活において不可欠な役割を果たしています。Netflixの映画推薦やソーシャルメディアのパーソナライズされたニュース配信など、推薦システムはユーザーのオンライン体験を再構築しています。しかし、従来の推薦システムは、データの疎密性（data sparsity）、コールドスタート問題（cold-start）、スケーラビリティ（scalability）、説明可能性の欠如（lack of explainability）など、多くの課題に直面しています。近年、大規模言語モデル（Large Language Models, LLMs）が自然言語処理（Natural Lang...

ディープラーニング（Deep Learning）は、人工知能分野の重要な一分野として、近年コンピュータビジョンや自然言語処理など多くの分野で顕著な進展を遂げています。しかし、ディープラーニングの成功は、損失関数（Loss Function）と性能指標（Performance Metrics）の選択に大きく依存しています。損失関数は、モデルの予測と真の値との差異を測定し、モデルの最適化プロセスを導くために使用されます。一方、性能指標は、未見のデータに対するモデルの性能を評価するために使用されます。損失関数と性能指標はディープラーニングにおいて極めて重要ですが、多くの選択肢があるため、研究者や実務者は特定のタスクに最適な方法を決定することが難しいことがしばしばあります。 このため、本稿では、ディ...

新しいグラフニューラルネットワークに基づく対話感情認識の手法 研究背景 感情認識（Emotion Recognition, ER）は、人間とコンピュータの相互作用（Human-Computer Interaction, HCI）において重要な構成要素であり、音声、テキスト、ビデオなどのマルチモーダルデータを分析して、人間の感情状態を識別することを目指します。この技術は、医療、教育、ソーシャルメディア、チャットボットなどの分野で幅広い応用が期待されています。近年、感情認識の研究は単文感情分析から対話感情認識（Emotion Recognition in Conversations, ERC）に移行しており、これは対話中の各発言の感情状態を識別することを指します。単文感情分析と比較すると、対話感...

指表現セグメンテーションと生成のための相互監督フレームワーク 研究背景と問題提起 近年、視覚と言語の相互作用技術は人工知能分野で顕著な進展を遂げています。その中で、指表現セグメンテーション（Referring Expression Segmentation, RES）と指表現生成（Referring Expression Generation, REG）という2つのコアタスクは、それぞれ自然言語記述に基づいて画像内の対象オブジェクトを特定し、そのセグメンテーションマスクを生成する、または特定の対象に対して明確かつ正確な言語記述を生成することを目指します。これらのタスクは本質的に逆の関係にありますが、研究は通常別々に行われており、どのように相互に促進できるかを体系的に議論する方法が欠けています...