チュートリアル 1/11午前

9:00-10:30 バイオ医療画像のための少数データに対する機械学習手法

備瀬竜馬（九州大学大学院システム情報科学研究院）
要旨：本講演では、バイオメディカル画像解析における機械学習手法とその課題について紹介します。特に、正確なラベル作成には高度な専門知識が必要であり、そのためバイオ分野におけるラベル付けコストが高くなるという問題があります。多くの場合、膨大なデータが存在する一方で、限られた教師データのみで学習を行わなければならない状況が一般的です。この課題に対処するため、少数のラベル付きデータと大量の未ラベルデータを活用する半教師あり学習手法が有効なアプローチとなります。また、診断や実験過程で得られる関連情報を弱い教師データとして活用する弱教師あり学習も、重要な手法です。この講演では、クラス分類、検出、セグメンテーション、追跡などのタスクにおける弱い教師データや未ラベルデータを活用した機械学習手法に関する最新の研究成果を紹介します。
参考文献
- [1] https://www.sciencedirect.com/science/article/pii/S1361841521002280
- [2] https://link.springer.com/chapter/10.1007/978-3-030-58555-6_26

鍛冶静雄（九州大学・マス・フォア・インダストリ研究所）
要旨：このチュートリアルでは，比較的新しいデータ解析手法である位相データ解析，特にパーシステントホモロジーについて，Python を用いた実例を交えながら解説する．パーシステントホモロジーは，データの大域的な特徴をスケールにわたって記述するための手法である．従来手法は局所的な特徴を捉えるのが得意なものが多く，相補的に活用することでより効果的な解析が可能となる．生物学分野では，形態学，遺伝子発現データ，神経ネットワークの解析などに利用されている．点群，ボリュームデータ，ネットワークなど，幅広い形式のデータに適用可能なパーシステントホモロジーであるが，その一方でデータの前処理や結果の解釈に少しコツが必要である．このチュートリアルでは，直感的な定義の解説と，トイデータを用いた具体的なパイプラインの提示を通じて，位相データ解析が参加者の解析ツールキットの一つとなることを目指す．
参考文献