UAV視点における小物体検出のためのマルチスケール特徴融合ネットワーク

背景紹介 ドローン(UAV)技術の急速な発展に伴い、ドローンが撮影する低高度リモートセンシング画像は、災害管理、捜索救助などの任務で広く利用されています。しかし、ドローン画像における小物体検出(small object detection)は依然として挑戦的な問題です。小物体は画像中のごく少数のピクセルしか占めておらず、分布も不規則であるため、既存の物体検出アルゴリズムはこれらのシナリオでは十分な性能を発揮しません。特に、一部の既存の検出器は多尺度特徴融合(multi-scale feature fusion)モジュールを導入して検出精度を向上させていますが、これらの伝統的手法は物体と背景の重み関係を無視しがちで、小物体が深層特徴マップにおいて重要性を失う原因となっています。さらに、広く使用...

単一値中性距離測定に基づくMerec-Rancom-Wispによる持続可能なエネルギー貯蔵技術問題の解決

学術的背景 世界のエネルギー需要が増加し続ける中、エネルギー貯蔵技術(Energy Storage Technology, EST)は、環境への影響を緩和し、炭素フットプリントを削減する上で重要な役割を果たしています。ESTは再生可能エネルギーの重要な要素であるだけでなく、世界のエネルギー構造の脱炭素化においても鍵となります。しかし、適切なESTを選択するには、持続可能性の多面的な考慮が必要であり、これにより意思決定プロセスは複雑で不確実性に満ちたものとなります。従来の意思決定手法は、このような多基準、不確実性、不整合性を伴う問題に対処する際に限界を露呈することが多いです。 この問題を解決するため、著者らは単一値ニュートロソフィック集合(Single-Valued Neutrosophic ...

対称線形オルソペアファジィ集合のtノルムとtコノルムおよび多基準意思決定における認知的応用

学術的背景と問題提起 ファジィ集合(Fuzzy Sets, FSs)の研究分野において、不確実性問題の処理は核心的な課題の一つです。ファジィ集合はZadehによって1965年に初めて提案され、理論と応用研究のホットスポットとして急速に広まりました。研究が進むにつれ、ファジィ集合の拡張形式である直交対ファジィ集合(Orthopair Fuzzy Sets, OFSs)が生まれました。OFSsは直交対(すなわち帰属度と非帰属度)を導入することで、不確実性情報をより包括的に記述します。Yagerは2013年に初めてOFSsを定義し、q階直交対ファジィ集合(q-Rung Orthopair Fuzzy Sets, q-ROFSs)の概念を提案しました。その後、GaoとZhangは2021年に線形直交...

MediVision:監視学習分類とGrad-CAM可視化による大腸癌診断と腫瘍位置特定の強化

学術的背景 大腸癌(Colorectal Cancer, CRC)は、世界的に見ても最も一般的ながんの一つであり、特に50歳以上の人口においてその発症率が顕著に増加しています。早期発見と正確な診断は、患者の生存率を向上させる鍵です。しかし、従来の大腸癌スクリーニング方法、例えば大腸内視鏡検査は、医師の経験と視覚的判断に依存しており、一定の主観性と誤診のリスクが存在します。近年、人工知能(Artificial Intelligence, AI)と深層学習(Deep Learning, DL)技術が医学画像解析に応用されることで、大腸癌の自動診断に新たな可能性がもたらされています。しかし、既存のAIモデルは、画像特徴の抽出とモデルの解釈性においてまだ不十分であり、特に異なる撮影条件下の画像を扱う...

ハイブリッドおよびアンサンブル機械学習アプローチによるサッカー選手の移籍価値予測の比較分析

学術的背景 現代のサッカー経済において、選手の移籍市場価値は、彼らのフィールド上のパフォーマンスだけでなく、知名度やソーシャルメディアの影響力など、さまざまな要因によって左右されます。サッカー産業のグローバル化に伴い、クラブの移籍市場における意思決定は、データ駆動型の分析にますます依存するようになっています。しかし、従来の選手評価方法は、主にゴールやアシストなどのパフォーマンス指標に依存しており、選手のソーシャルメディアの活発度やメディア報道などの新しい要素を無視していました。そのため、機械学習やデータサイエンスの手法を用いて、選手の移籍価値をより正確に予測することが重要な研究課題となっています。 Wenjing Zhang と Dan Cao の研究は、まさにこの問題に取り組んでいます。彼...

時間-周波数領域へのアーティファクト表現の融合によるEEGアーティファクト除去の強化

学術的背景 脳波(Electroencephalogram, EEG)は、脳活動を研究するための重要なツールであり、神経科学、臨床診断、脳-コンピュータインタフェースなどの分野で広く使用されています。しかし、EEG信号は収集プロセス中にさまざまなアーティファクト(artifacts)の影響を受けやすく、例えば眼電図アーティファクト(Electrooculography, EOG)や筋電図アーティファクト(Electromyography, EMG)などがあります。これらのアーティファクトはEEG信号の品質を著しく低下させ、その後の分析や応用に影響を及ぼします。既存の方法は単一のアーティファクトを除去するために開発されていますが、複数のアーティファクトが同時に存在する場合、これらの方法は十分な...