| 科目名[英文名] | |||||
| 高次元画像解析特論 [Advanced High Dimensional Image Analysis] | |||||
| 区分 | 後期課程科目 | 選択必修 | 単位数 | 2 | |
| 対象学科等 | 対象年次 | ～ | 開講時期 | 3学期 | |
| 授業形態 | 3学期 | 時間割番号 | 1080421 | ||
| 責任教員 [ローマ字表記] | |||||
| 清水 昭伸 [SHIMIZU Akinobu] | |||||
| 所属 | 工学部 | 研究室 | メールアドレス | ||
| 概要 |
|
医用画像を対象とした画像処理とパターン認識の基礎から最新技術まで，幅広く学ぶことを目標とする． 画像処理については，古典的手法（フィルタリングや二値化）から最近の手法（Level set, Graph cuts, Compressed sensing）について説明する．また，パターン認識技術についてはベイズ決定から最近の方法（Support Vector MachineやEnsemble learning）について解説する．最後に，Deep learningを用いた医用画像診断支援への応用例について概説し，そのリスクや残された問題などについても併せて紹介する． なお，2022年度はコロナの状況を見て対面かオンラインで講義を進める．オンラインの場合，Zoomを用いる予定である．講義の情報はgoogle classroom（クラスコード：未定）で通知するため，事前に農工大のgmailアカウントを使って登録をして確認をしておくこと． |
| 到達基準 |
| 画像処理とパターン認識の基礎から応用までを理解し，問題に応じて適切な技術を選択できる能力を身につけることを目指す． |
| 授業内容 |
|
第１回 オリエンテーション，医用画像の生成（断面再構成理論など）や表示（ボリュームレンダリングなど） 第２回 濃淡画像処理（平滑化処理，微分フィルタなど） 第３回 領域抽出 －古典的手法－ 2値化，領域拡張，watershedなどの古典的手法 第４回 領域抽出 －最大事後確率法－ 期待値最大化法による分布パラメータ推定と，最大事後確率法による領域抽出処理 第５回 領域抽出 －統計的形状モデルに基づく方法－ 臓器の統計的形状モデルとそれによる領域抽出法 第６回 領域抽出 －最適化理論に基づく処理－ Level Set, Graph cuts, などの最適化理論に基づく領域抽出法 第７回 領域抽出 －統計的形状モデルと最適化理論の融合－ 臓器の統計的形状モデルと最適化理論の融合 第８回 連結成分処理 －定義とラベル付けなど－ 連結性と連結成分について説明したのち，ラベル付けのアルゴリズム 第９回 連結成分処理 －図形融合と細線化－ モルフォロジー処理を用いた図形融合や細線化処理．3次元への拡張 第１０回 ベイズ決定 パターン認識の基礎となるベイズ決定 第１１回 アンサンブル学習 バギング，ブースティング，ランダムフォレスト 第１２回 深層学習の導入 ニューラルネットワークの歴史と最近の深層学習のブームとその背景 第１３回 深層学習の応用 医用画像処理における深層学習 第１４回 講義総括：全体をまとめ，課題レポートを出す |
| 履修条件・関連項目 |
| 大学学部レベルの代数，解析，確率・統計の知識があることを前提に講義を進める．授業時間30時間に加え，授業で配布する教材や後述する参考書を使って本学の標準時間数に準ずる予習と復習を行うこと． |
| テキスト・教科書 |
| 特に定めない．資料をgoogle classroom（クラスコード：ltpxtor）で配布するので，事前に農工大のgmailアカウントを使って登録をしておくこと． |
| 参考書 |
|
参考書として以下の本を推薦する． 尾川浩一，工藤博幸，清水昭伸 編著：医用画像工学ハンドブック，日本医用画像工学会，2012 C. M. ビショップ：パターン認識と機械学習，シュプリンガー・ジャパン，2007 石井健一郎，上田修功，前田英作，村瀬洋：パターン認識，オーム社，東京，1998 |
| 成績評価の方法 |
| 授業参加度，小テスト，最終レポートを総合して評価する |
| 教員から一言 |
| 本質を理解する様に努めてほしい |
| キーワード |
| 画像処理，パターン認識 |
| オフィスアワー |
| 水曜日12時から13時 |
| 備考１ |
| 備考２ |
|
2021年度成績 S→1，A→7，B→0，C→1，D→0 2020年度成績 S→2，A→2，B→1，C→0，D→0 2019年度成績 S→1，A→5，B→1，C→0，D→1 2018年度成績 S→0，A→3，B→0，C→0，D→0 2017年度成績 S→2，A→6，B→0，C→0，D→0 2016年度成績 S→1，A→4，B→0，C→0，D→0 2015年度成績 S→3，A→5，B→1，C→0，D→0 2014年度成績 S→3，A→7，B→2，C→0，D→0 |
| 参照ホームページ |
| google classroom（クラスコード：ltpxtor） |
| 開講言語 |
| 日本語 |
| 語学学習科目 |
| 更新日付 |
| 2022/03/09 13:41:29 |