知能情報工学分野
基本情報
経歴
3-
2025年4月 - 現在
-
2025年4月 - 現在
-
2022年4月 - 2025年3月
委員歴
3-
2023年 - 現在
-
2022年4月 - 現在
-
2019年 - 現在
主要な論文
90-
American Journal of Roentgenology 191(1) 260-265 2008年7月 査読有り筆頭著者
-
Medical Physics 33(12) 4664-4674 2006年11月20日 査読有り筆頭著者
-
電子情報通信学会論文誌D-II Vol.J86-D-II(1) 156-159 2003年1月 査読有り筆頭著者類円形構造の信号で,高周波成分のノイズや背景トレンドの影響を受けやすい信号を強調する手法を開発する.提案する手法は,信号の背景濃度に依存した多重解像度処理に基づくものであり,医用画像処理などに有効と考える.
-
医用電子と生体工学 38(2) 111-117 2000年6月 筆頭著者The purpose of this paper is to propose a detection scheme for masses existing around thick mammary gland regions. The scheme includes a template-matching technique with four reference patterns, which are partial images extracted from a Gaussian distribution, and the feature values determined by concentrating feature and density gradient. The new algorithm consists of 11 steps: (i) image digitization, (ii) extraction of breast region, (iii) reduction of image matrix, (iv) dynamic-range compression, (v) density gradient calculation, (vi) extraction of pectralis muscle region, (vii) overall detection, (viii) elimination of false positives (1), (ix) regional detection, (x) elimination of false positives (2) and (xi) indication of detected masses. Although stage (ix) made it possible to detect the masses existing around thick mammary gland regions, the number of false positives on this region increased. Stage (x) was added for the elimination of new false positives that were detected by stage (ix). A total of 2, 008 digitized mammograms was used for the performance study. As a result, our new scheme identified 95% of the true masses with 2.4 false positives per image. It was possible to detect 43 of 52 masses that were not detected by our previous method. These results indicate that this proposed method is effective, although the process for elimination of false positives should be improved.
MISC
12-
電子情報通信学会技術研究報告. MI, 医用画像 109(270) 1-6 2009年11月4日コンピュータ支援診断(CAD)開発における偽陽性削除や良悪性鑑別などの処理では,様々な識別器が用いられている.しかし,高い識別性能が得られる識別器は一意には決まらない.そのため,用いる特徴量に基づいて,正確な分類を可能にする識別器を選択することは,重要な役割を担っていると考えられる.そこで本研究では,正規分布に基づく人工的なデータ群を作成し,識別器の識別性能を比較するシミュレーション実験を行った.識別器には,線形判別(LDA),二次判別(QDA),ニューラルネットワーク(ANN),サポートベクターマシン(SVM),AdaBoostの5つを比較対象として用いた.その結果,データ群の分布,次元数,データ数が識別性能に与える影響が明らかとなった.
-
MEDICAL PHYSICS 33(6) 2196-2196 2006年6月
講演・口頭発表等
4担当経験のある科目(授業)
5共同研究・競争的資金等の研究課題
9-
日本学術振興会 科学研究費助成事業 2025年4月 - 2028年3月
-
日本学術振興会 科学研究費助成事業 2024年4月 - 2028年3月
-
日本学術振興会 科学研究費助成事業 2025年6月 - 2027年3月
-
日本学術振興会 科学研究費助成事業 2024年4月 - 2027年3月
-
日本学術振興会 科学研究費助成事業 2024年4月 - 2027年3月