2025/11/10 更新

所属以外の情報はresearchmapへの登録情報を転載しています。

写真a

ヒズクリ　アキヨシ
檜作 彰良
Akiyoshi Hizukuri
所属
データサイエンス研究科 データサイエンス専攻 准教授
データサイエンス学部 データサイエンス学科
職名
准教授
外部リンク

学位

  • 博士（工学） （ 三重大学 ）

研究キーワード

  • 機械学習

  • 医用画像処理

  • 画像処理

  • 深層学習

研究分野

  • ライフサイエンス / 医用システム

  • 情報通信 / 知覚情報処理

  • 情報通信 / 知能情報学

  • 情報通信 / ソフトコンピューティング

  • 情報通信 / 生命、健康、医療情報学

学歴

  • 三重大学   工学研究科   システム工学専攻

    - 2014年3月

    　 詳細を見る

  • 三重大学   工学研究科   電気電子工学専攻

    - 2011年3月

    　 詳細を見る

  • 三重大学   工学部   電気電子工学科

    - 2009年3月

    　 詳細を見る

経歴

  • 横浜市立大学   データサイエンス学部   准教授

    2025年4月 - 現在

    　 詳細を見る

  • 立命館大学   理工学部 電子情報工学科   講師

    2023年4月 - 2025年3月

    　 詳細を見る

  • 立命館大学   理工学部 電子情報工学科   助教

    2018年4月 - 2023年3月

    　 詳細を見る

  • みずほ情報総研株式会社 情報通信研究部

    2014年4月 - 2018年3月

    　 詳細を見る

所属学協会

委員歴

  • ICIPRob2026 (International Conference on Image Processing and Robotics)   International Program Committee  

    2026年3月   

    　 詳細を見る

    団体区分：学協会

    researchmap

  • 精密工学会   春季・秋季大会 オーガナイザー  

    2025年4月 - 現在   

    　 詳細を見る

    団体区分：学協会

    researchmap

  • 電子情報通信学会   英文論文誌D編集委員  

    2025年4月 - 現在   

    　 詳細を見る

    団体区分：学協会

    researchmap

  • 動的画像処理実利用化ワークショップ2026（DIA2026）   幹事（プログラム委員会）  

    2025年4月 - 2026年3月   

    　 詳細を見る

    団体区分：学協会

    researchmap

  • ビジョン技術の実利用ワークショップ2025（ViEW2025）   組織委員会委員  

    2025年4月 - 2025年12月   

    　 詳細を見る

    団体区分：学協会

    researchmap

  • 令和7年電気学会全国大会グループ委員会   5グループ委員  

    2024年9月 - 2025年3月   

    　 詳細を見る

  • ATAIT 2024（International Symposium on Advanced Technologies and Applications in the Internet of Things）   Local Arrangement Chair  

    2024年8月   

    　 詳細を見る

  • 電気学会 論文委員会（C2）   幹事  

    2024年4月 - 現在   

    　 詳細を見る

  • 画像応用技術専門委員会   運営委員  

    2024年4月 - 現在   

    　 詳細を見る

  • 動的画像処理実利用化ワークショップ2025（DIA2025）   幹事（プログラム委員会）  

    2024年4月 - 2025年3月   

    　 詳細を見る

  • ビジョン技術の実利用ワークショップ2024   委員（組織委員会）  

    2024年4月 - 2024年12月   

    　 詳細を見る

  • ICIPRob2024 (International Conference on Image Processing and Robotics)   International Program Committee  

    2024年3月   

    　 詳細を見る

  • 電気学会 論文委員会（C2）   委員  

    2024年2月 - 2024年3月   

    　 詳細を見る

  • ATAIT2023（International Symposium on Advanced Technologies and Applications in the Internet of Things）   Local Arrangement Chair  

    2023年8月   

    　 詳細を見る

  • SCIS&ISIS2022 (Joint 12th International Conference on Soft Computing and Intelligent Systems and 23rd International Symposium on Advanced Intelligent Systems)   Program Committee Members  

    2022年11月 - 2022年12月   

    　 詳細を見る

  • ICIPRob2022 (International Conference on Image Processing and Robotics)   International Program Committee  

    2022年3月   

    　 詳細を見る

  • 電気関係学会関西連合大会実行委員会   委員（会場担当）  

    2020年11月   

    　 詳細を見る

  • 電子情報通信学会関西支部   運営委員  

    2020年4月 - 2022年3月   

    　 詳細を見る

  • IEEE Kansai Section Young Professionals Affinity Group   Committee Member  

    2020年1月 - 2021年12月   

    　 詳細を見る

  • ICIPRob2020 (International Conference on Image Processing and Robotics)   International Program Committee  

    2019年4月 - 2020年3月   

    　 詳細を見る

▼全件表示

論文

  • Unsupervised Video Anomaly Detection Using Video Vision Transformer and Adversarial Training 査読

    Kobayshi Shimpei, Akiyoshi Hizukuri, Ryohei Nakayama

    IEEE Access   2025年3月

    　詳細を見る

    担当区分：責任著者   掲載種別：研究論文（学術雑誌）  

    researchmap

  • Anomaly detection scheme for lung CT images using vector quantized variational auto-encoder with support vector data description. 査読

    Zhihui Gao, Ryohei Nakayama, Akiyoshi Hizukuri, Shoji Kido

    Radiological physics and technology   18 ( 1 )   17 - 26   2025年3月

    　詳細を見る

    記述言語：英語   掲載種別：研究論文（学術雑誌）  

    This study aims to develop an anomaly-detection scheme for lesions in CT images. Our database consists of lung CT images obtained from 1500 examinees. It includes 1200 normal and 300 abnormal cases. In this study, SVDD (Support Vector Data Description) mapping the normal latent variables into a hypersphere as small as possible on the latent space is introduced to VQ-VAE (Vector Quantized-Variational Auto-Encoder). VQ-VAE with SVDD is constructed from two encoders, two decoders, and an embedding space. The first encoder compresses the input image into the latent-variable map, whereas the second encoder maps the normal latent variables into a hypersphere as small as possible. The first decoder then up-samples the mapped latent variables into a latent-variable map with the original size. The second decoder finally reconstructs the input image from the latent-variable map replaced by the embedding representations. The data of each examinee is classified as abnormal or normal based on the anomaly score defined as the combination of the difference between the input image and the reconstructed image and the distance between the latent variables and the center of the hypersphere. The area under the ROC curve for VQ-VAE with SVDD was 0.76, showing an improvement when compared with the conventional VAE (0.63, p < .001). VQ-VAE with SVDD developed in this study can yield higher anomaly-detection accuracy than the conventional VAE. The proposed method is expected to be useful for identifying examinees with lesions and reducing interpretation time in CT screening.

    DOI： 10.1007/s12194-024-00851-5

    PubMed

    researchmap

  • Computerized classification method for significant coronary artery stenosis on whole-heart coronary MRA using 3D convolutional neural networks with attention mechanisms. 査読

    Takuma Shiomi, Ryohei Nakayama, Akiyoshi Hizukuri, Masafumi Takafuji, Masaki Ishida, Hajime Sakuma

    Radiological physics and technology   18 ( 1 )   219 - 226   2025年3月

    　詳細を見る

    記述言語：英語   掲載種別：研究論文（学術雑誌）  

    This study aims to develop a computerized classification method for significant coronary artery stenosis on whole-heart coronary magnetic resonance angiography (WHCMRA) images using a 3D convolutional neural network (3D-CNN) with attention mechanisms. The dataset included 951 segments from WHCMRA images of 75 patients who underwent both WHCMRA and invasive coronary angiography (ICA). Forty-two segments with significant stenosis (luminal diameter reduction ≥ 75%) on ICA were annotated on WHCMRA images by an experienced radiologist, whereas 909 segments without it were annotated at representative sites. Volumes of interest (VOIs) of 21 × 21 × 21 voxels centered on annotated points were extracted. The network comprises two feature extractors, two attention mechanisms (for the coronary artery and annotated points), and a classifier. The feature extractors first extracted the feature maps from the VOI. The two attention mechanisms weighted the feature maps of the coronary artery and those the neighborhood of the annotated point, respectively. The classifier finally classified the VOIs into those with and without significant coronary artery stenosis. Using fivefold cross-validation, the classification accuracy, sensitivity, specificity, and AUROC (area under the receiver operating characteristic curve) were 0.875, 0.905, 0.873, and 0.944, respectively. The proposed method showed high classification performance for significant coronary artery stenosis and appears to have a substantial impact on the interpretation of WHCMRA images.

    DOI： 10.1007/s12194-024-00875-x

    PubMed

    researchmap

  • Computerized Segmentation Method for Nonmasses on Breast DCE-MRI Images Using ResUNet++ with Slice Sequence Learning and Cross-Phase Convolution. 査読 国際誌

    Akiyoshi Hizukuri, Ryohei Nakayama, Mariko Goto, Koji Sakai

    Journal of imaging informatics in medicine   37 ( 4 )   1567 - 1578   2024年8月

    　詳細を見る

    担当区分：筆頭著者,　責任著者   記述言語：英語   掲載種別：研究論文（学術雑誌）  

    The purpose of this study was to develop a computerized segmentation method for nonmasses using ResUNet++ with a slice sequence learning and cross-phase convolution to analyze temporal information in breast dynamic contrast material-enhanced magnetic resonance imaging (DCE-MRI) images. The dataset consisted of a series of DCE-MRI examinations from 54 patients, each containing three-phase images, which included one image that was acquired before contrast injection and two images that were acquired after contrast injection. In the proposed method, the region of interest (ROI) slice images are first extracted from each phase image. The slice images at the same position in each ROI are stacked to generate a three-dimensional (3D) tensor. A cross-phase convolution generates feature maps with the 3D tensor to incorporate the temporal information. Subsequently, the feature maps are used as the input layers for ResUNet++. New feature maps are extracted from the input data using the ResUNet++ encoders, following which the nonmass regions are segmented by a decoder. A convolutional long short-term memory layer is introduced into the decoder to analyze a sequence of slice images. When using the proposed method, the average detection accuracy of nonmasses, number of false positives, Jaccard coefficient, Dice similarity coefficient, positive predictive value, and sensitivity were 90.5%, 1.91, 0.563, 0.712, 0.714, and 0.727, respectively, larger than those obtained using 3D U-Net, V-Net, and nnFormer. The proposed method achieves high detection and shape accuracies and will be useful in differential diagnoses of nonmasses.

    DOI： 10.1007/s10278-024-01053-6

    PubMed

    researchmap

  • Computerized Classification Method for Molecular Subtypes of Low-grade Gliomas on Brain MR Images Using Modified ArcFace with Gram–Schmidt Orthogonalization 招待 査読

    Akiyoshi Hizukuri, Daiki Tanaka, Ryohei Nakayama, Kaori Kusuda, Ken Masamune, Yoshihiro Muragaki

    IEEE Access   12   194540 - 194550   2024年

    　詳細を見る

    担当区分：筆頭著者   掲載種別：研究論文（学術雑誌）  

    researchmap

  • マルチシーケンス脳MRIを用いたMulti-scale 3D-Attention Branch Networksによるグリオーマ分子サブタイプ分類 査読

    田中大貴, 檜作彰良, 中山良平, 楠田佳緒, 正宗賢, 村垣善浩

    電気学会論文誌C   143 ( 5 )   539 - 545   2023年5月

    　詳細を見る

    掲載種別：研究論文（学術雑誌）  

    researchmap

  • Two-Stream 3D Convolutional Neural Networks-v2を用いた万引き行動の自動検知手法の高速化 査読

    山下裕之介, 檜作彰良, 中山良平

    情報処理学会論文誌   64 ( 1 )   229 - 235   2023年1月

    　詳細を見る

    掲載種別：研究論文（学術雑誌）  

    researchmap

  • Semantic Face Segmentation Using Convolutional Neural Networks with a Supervised Attention Module 査読

    Akiyoshi Hizukuri, Yuto Hirata, Ryohei Nakayama

    IEEE Access   11   116892 - 116902   2023年

    　詳細を見る

    担当区分：筆頭著者   掲載種別：研究論文（学術雑誌）  

    researchmap

  • Computerized Classification Method for 1p/19q Codeletion in Low Grade Gliomas from Brain MRI Images Using Three Dimensional Radiomics Features 査読

    The Journal of the Institute of Image Electronics Engineers of Japan (IIEEJ)   10 ( 1 )   120 - 126   2022年6月

    　詳細を見る

    掲載種別：研究論文（学術雑誌）  

    researchmap

  • Tooth detection for each tooth type by application of faster R-CNNs to divided analysis areas of dental panoramic X-ray images 査読

    Yuichi Mima, Ryohei Nakayama, Akiyoshi Hizukuri, Kan Murata

    Radiological Physics and Technology   15 ( 2 )   170 - 176   2022年5月

    　詳細を見る

    記述言語：英語   掲載種別：研究論文（学術雑誌）   出版者・発行元：Springer Science and Business Media LLC  

    This study aimed to propose a computerized method for detecting the tooth region for each tooth type as the initial stage in the development of a computer-aided diagnosis (CAD) scheme for dental panoramic X-ray images. Our database consists of 160 panoramic dental X-ray images obtained from 160 adult patients. To reduce false positives (FPs), the proposed method first extracts a rectangular area including all teeth from a dental panoramic X-ray image with a faster region using a convolutional neural network (Faster R-CNN). From the rectangular area including all teeth, six divided areas are then extracted with Faster R-CNN: top left, top center, top right, bottom left, bottom center, and bottom right. Faster R-CNNs for detecting tooth regions for each tooth type were trained individually for each of the divided areas that narrowed down the target tooth types. By applying these Faster R-CNNs to each divided area, the bounding boxes of each tooth were detected and classified into 32 tooth types. A k-fold cross-validation method with k = 4 was used for training and testing the proposed method. The detection rate for each tooth, number of FPs per image, mean intersection over union for each tooth, and classification accuracy for the 32 tooth types were 98.9%, 0.415, 0.748, and 91.7%, respectively, showing an improvement compared to the application of the Faster R-CNN once to the entire image (98.0%, 1.194, 0.736, and 88.8%).

    DOI： 10.1007/s12194-022-00659-1

    PubMed

    researchmap

    その他リンク： https://link.springer.com/article/10.1007/s12194-022-00659-1/fulltext.html

  • ROI Poolingを用いたCNNによる乳房超音波画像上の腫瘤病変の病理組織型分類 査読

    檜作彰良, 國枝紳也, 中山良平

    電気学会論文誌C   142 ( 5 )   586 - 592   2022年5月

    　詳細を見る

    掲載種別：研究論文（学術雑誌）  

    researchmap

  • Attention Mechanismを導入したMulti-scale 3D-CNNsによる脳MRI画像の低悪性度グリオーマの1p/19q共欠損分類 査読

    田中大貴, 檜作彰良, 中山良平

    電気学会論文誌C   142 ( 5 )   550 - 556   2022年5月

    　詳細を見る

    掲載種別：研究論文（学術雑誌）  

    researchmap

  • 各顔パーツを対象とした複数CNNモデルによる顔画像の高解像度化 査読

    丸井勇輝, 檜作彰良, 中山良平

    情報処理学会論文誌   63 ( 5 )   1216 - 1224   2022年5月

    　詳細を見る

    掲載種別：研究論文（学術雑誌）  

    researchmap

  • Generalized Dice Lossを用いたEncoder-Multiple Decoders U-Netによる顔パーツのセマンティックセグメンテーション 査読

    宮本旭, 檜作彰良, 中山良平

    画像電子学会誌   51 ( 2 )   150 - 156   2022年4月

    　詳細を見る

    掲載種別：研究論文（学術雑誌）  

    researchmap

  • Cross Modality Pre-Trainingを用いたTwo-Stream 3D Convolutional Neural Networksによる万引き行動の自動検知 査読

    山下裕之介, 檜作彰良, 中山良平

    情報処理学会論文誌   62 ( 5 )   1193 - 1199   2021年5月

    　詳細を見る

  • Segmentation of teeth in panoramic dental X-ray images using U-Net with a loss function weighted on the tooth edge 査読

    Yuya Nishitani, Ryohei Nakayama, Daisei Hayashi, Akiyoshi Hizukuri, Kan Murata

    Radiological Physics and Technology   14 ( 1 )   64 - 69   2021年1月

    　詳細を見る

    記述言語：英語   掲載種別：研究論文（学術雑誌）   出版者・発行元：Springer Science and Business Media LLC  

    Panoramic dental X-ray imaging is an established method for the diagnosis of dental problems. However, the resolution of panoramic dental X-ray images is relatively low. Thus, early lesions are often overlooked. As the first step in the development of a computer-aided diagnosis scheme for panoramic dental X-ray images, we propose a computerized method for the segmentation of teeth using U-Net with a loss function weighted on the tooth edge. Our database consisted of 162 panoramic dental X-ray images. The training dataset consisted of 102 images, while the remaining 60 images were used as the test dataset. The loss function obtained by the cross entropy (CE) in the entire image is usually used in training U-Net. To improve the segmentation accuracy of the tooth edge, a loss function weighted on the tooth edge is proposed by adding the CE in the tooth edge region to the CE for the entire image. The mean Jaccard index and Dice index for U-Net with the loss function combining the CEs for the entire image and tooth edge were 0.864 and 0.927, respectively, which were significantly larger than those for U-Net with the CE for the entire image (0.802 and 0.890, p < 0.001) and U-Net with the CE for the tooth edge (0.826 and 0.905, p < 0.001). U-Net with the new loss function exhibited a higher segmentation accuracy of the tooth in panoramic dental X-ray images than that obtained by U-Net with the conventional loss function.

    DOI： 10.1007/s12194-020-00603-1

    PubMed

    researchmap

    その他リンク： http://link.springer.com/article/10.1007/s12194-020-00603-1/fulltext.html

  • Computer-Aided Diagnosis Scheme for Distinguishing Between Benign and Malignant Masses on Breast DCE-MRI Images Using Deep Convolutional Neural Network with Bayesian Optimization 査読

    Akiyoshi Hizukuri, Ryohei Nakayama, Mayumi Nara, Megumi Suzuki, Kiyoshi Namba

    Journal of Digital Imaging   34 ( 1 )   116 - 123   2020年11月

    　詳細を見る

    掲載種別：研究論文（学術雑誌）   出版者・発行元：Springer Science and Business Media LLC  

    DOI： 10.1007/s10278-020-00394-2

    researchmap

    その他リンク： http://link.springer.com/article/10.1007/s10278-020-00394-2/fulltext.html

  • 事例ベース超解像技術を用いた歯科パノラマX線画像の高画質化 査読

    檜作 彰良, 中山 良平, 服部政幸

    医用画像情報学会雑誌   36 ( 4 )   162 - 172   2019年12月

    　詳細を見る

    掲載種別：研究論文（学術雑誌）  

    researchmap

  • Improving Image Resolution of Whole-Heart Coronary MRA Using Convolutional Neural Network 査読

    Hiroki Kobayashi, Ryohei Nakayama, Akiyoshi Hizukuri, Masaki Ishida, Kakuya Kitagawa, Hajime Sakuma

    Journal of Digital Imaging   33 ( 2 )   497 - 503   2019年8月

    　詳細を見る

    掲載種別：研究論文（学術雑誌）   出版者・発行元：Springer Science and Business Media LLC  

    DOI： 10.1007/s10278-019-00264-6

    researchmap

    その他リンク： http://link.springer.com/article/10.1007/s10278-019-00264-6/fulltext.html

  • 病理組織画像解析の研究動向 招待

    檜作 彰良, 中山 良平

    医用画像情報学会雑誌   36   53 - 58   2019年

    　詳細を見る

    掲載種別：研究論文（学術雑誌）  

    researchmap

  • Computer-Aided Diagnosis Scheme for Determining Histological Classification of Breast Lesions on Ultrasonographic Images Using Convolutional Neural Network 査読

    Akiyoshi Hizukuri, Ryohei Nakayama

    Diagnostics   8 ( 3 )   48 - 48   2018年7月

    　詳細を見る

    掲載種別：研究論文（学術雑誌）   出版者・発行元：MDPI AG  

    It can be difficult for clinicians to accurately discriminate among histological classifications of breast lesions on ultrasonographic images. The purpose of this study was to develop a computer-aided diagnosis (CADx) scheme for determining histological classifications of breast lesions using a convolutional neural network (CNN). Our database consisted of 578 breast ultrasonographic images. It included 287 malignant (217 invasive carcinomas and 70 noninvasive carcinomas) and 291 benign lesions (111 cysts and 180 fibroadenomas). In this study, the CNN constructed from four convolutional layers, three batch-normalization layers, four pooling layers, and two fully connected layers was employed for distinguishing between the four different types of histological classifications for lesions. The classification accuracies for histological classifications with our CNN model were 83.9–87.6%, which were substantially higher than those with our previous method (55.7–79.3%) using hand-crafted features and a classifier. The area under the curve with our CNN model was 0.976, whereas that with our previous method was 0.939 (p = 0.0001). Our CNN model would be useful in differential diagnoses of breast lesions as a diagnostic aid.

    DOI： 10.3390/diagnostics8030048

    researchmap

  • Segmentation Method of Breast Masses on Ultrasonographic Images Using Level Set Method Based on Statistical Model 査読

    Akiyoshi Hizukuri, Ryohei Nakayama, Hiroshi Ashiba

    Journal of Biomedical Science and Engineering   10 ( 04 )   149 - 162   2017年

    　詳細を見る

    掲載種別：研究論文（学術雑誌）   出版者・発行元：Scientific Research Publishing, Inc.  

    DOI： 10.4236/jbise.2017.104012

    researchmap

    その他リンク： http://file.scirp.org/xml/75815.xml

  • Computerized Scheme for Histological Classification of Masses with Architectural Distortions in Ultrasonographic Images 査読

    Akiyoshi Hizukuri, Ryohei Nakayama, Emi Honda, Yumi Kashikura, Tomoko Ogawa

    Journal of Biomedical Science and Engineering   09 ( 08 )   399 - 409   2016年

    　詳細を見る

    掲載種別：研究論文（学術雑誌）   出版者・発行元：Scientific Research Publishing, Inc.  

    DOI： 10.4236/jbise.2016.98035

    researchmap

    その他リンク： http://file.scirp.org/xml/68096.xml

  • Computerized Determination Scheme for Histological Classification of Breast Mass Using Objective Features Corresponding to Clinicians’ Subjective Impressions on Ultrasonographic Images 査読

    Akiyoshi Hizukuri, Ryohei Nakayama, Yumi Kashikura, Haruhiko Takase, Hiroharu Kawanaka, Tomoko Ogawa, Shinji Tsuruoka

    Journal of Digital Imaging   26 ( 5 )   958 - 970   2013年4月

    　詳細を見る

    掲載種別：研究論文（学術雑誌）   出版者・発行元：Springer Science and Business Media LLC  

    DOI： 10.1007/s10278-013-9594-7

    researchmap

    その他リンク： http://link.springer.com/article/10.1007/s10278-013-9594-7/fulltext.html

  • Improved Differential Diagnosis of Breast Masses on Ultrasonographic Images with a Computer-Aided Diagnosis Scheme for Determining Histological Classifications 査読

    Yumi Kashikura, Ryohei Nakayama, Akiyoshi Hizukuri, Aya Noro, Yuki Nohara, Takashi Nakamura, Minori Ito, Hiroko Kimura, Masako Yamashita, Noriko Hanamura, Tomoko Ogawa

    Academic Radiology   20 ( 4 )   471 - 477   2013年4月

    　詳細を見る

    掲載種別：研究論文（学術雑誌）   出版者・発行元：Elsevier BV  

    DOI： 10.1016/j.acra.2012.11.007

    researchmap

  • Computerized Segmentation Method for Individual Calcifications Within Clustered Microcalcifications While Maintaining Their Shapes on Magnification Mammograms 査読

    Akiyoshi Hizukuri, Ryohei Nakayama, Nobuo Nakako, Hiroharu Kawanaka, Haruhiko Takase, Koji Yamamoto, Shinji Tsuruoka

    Journal of Digital Imaging   25 ( 3 )   377 - 386   2011年10月

    　詳細を見る

    掲載種別：研究論文（学術雑誌）   出版者・発行元：Springer Science and Business Media LLC  

    DOI： 10.1007/s10278-011-9420-z

    researchmap

    その他リンク： http://link.springer.com/article/10.1007/s10278-011-9420-z/fulltext.html

  • Computer-Aided Detection Scheme for Sentinel Lymph Nodes in Lymphoscintigrams using Symmetrical Property Around Mapped Injection Point 査読

    Ryohei Nakayama, Akiyoshi Hizukuri, Koji Yamamoto, Nobuo Nakako, Naoki Nagasawa, Kan Takeda

    Journal of Digital Imaging   25 ( 1 )   148 - 154   2011年7月

    　詳細を見る

▼全件表示

書籍等出版物

  • 深層学習を用いた防犯カメラ映像からの異常行動検知

    檜作彰良,小林慎平,中山良平

    画像ラボ  2025年5月 

    　詳細を見る

  • 推定

    檜作彰良（ 担当： 単著）

    画像通信  2021年10月 

    　詳細を見る

  • 深層学習を用いた医用画像上の病変分類

    檜作彰良（ 担当： 単著）

    画像通信  2020年4月 

    　詳細を見る

  • CAD・AIの未来

    檜作彰良（ 担当： 単著）

    京都府立医科大学雑誌  2020年2月 

    　詳細を見る

  • 機械学習・人工知能業務活用の手引き～導入の判断・具体的応用とその運用設計事例集～

    檜作彰良（ 範囲: 第5 章第1 節第3 項・4 項/第 5 章第7 節第1 項）

    株式会社情報機構,  2017年11月  （ ISBN:9784865021424 ）

    　詳細を見る

講演・口頭発表等

  • 外観検査におけるAIの活用

    第32回エレクトロニクス実装学術講演大会講演論文集  2018年3月 

    　詳細を見る

  • 畳み込みニューラルネットワーク（CNN）を用いた超低線量CT（Computed Tomography）画像の高画質化

    第36回日本医用画像工学会大会  2017年7月 

    　詳細を見る

  • CNNによる冠動脈MRA画像の高解像度化

    第19回医用画像認知研究会  2017年7月 

    　詳細を見る

  • Detection and Tracking Method for Cells Using Adaptive Thresholding

    International Symposium on Imaging Frontier (ISIF2017)  2017年7月 

    　詳細を見る

  • カップリング学習による顔超解像

    第21回日本顔学会大会  2016年 

    　詳細を見る

  • Tablet PCによるARナビゲーションシステムの開発 ～カップリング学習によるレジストレーションの基礎検討 ～

    第25回日本コンピュータ外科学会大会特集号  2016年 

    　詳細を見る

  • 局所ヒストグラム情報を用いた欠陥検出手法

    ViEW2015 ビジョン技術の実利用ワークショップ  2015年12月 

    　詳細を見る

  • HOG特徴量を用いたReal AdaBoostによる欠陥検出～機械学習を用いた欠陥検出～

    ViEW2014 ビジョン技術の実利用ワークショップ  2014年12月 

    　詳細を見る

  • Computerized Classification Method for Histological Classification of Masses using Objective Features Based on Clinicians' Subjective Impresions

    Proc. of International Conference The 6th International Conference on Soft Computing and Intelligent Systems, The 13th International Symposium on Advanced Intelligent Systems (SCIS-ISIS 2012)  2012年11月 

    　詳細を見る

  • Computer-aided Diagnosis Scheme for Determining Histological Classification of Breast Masses using Clinical Features and Texture Features,”

    Proc. of the four-international workshop on regional innovation studies  2012年10月 

    　詳細を見る

  • 乳房超音波画像における構築の乱れの定量化とその病理組織型の分類への応用

    医用画像研究会(MI)  2014年1月 

    　詳細を見る

  • レベルセット法を用いた乳房超音波画像における腫瘤病変のセグメンテーション法の開発

    電気関係学会東海支部連合大会  2013年 

    　詳細を見る

  • Improved Differential Diagnosis of Breast Masses on Ultrasonographic Images with CAD Scheme for Determining Histological Classifications

    Radiological Society of North America, 97st Scientific Assembly and Annual Meeting (RSNA2012)  2012年12月 

    　詳細を見る

  • Usefulness of Computer-aided Diagnosis Scheme for Determining Histological Classifications of Breast Masses on Ultrasonographic Images

    Radiological Society of North America 2012 97st Scientific Assembly and Annual Meeting (RSNA2012)  2012年12月 

    　詳細を見る

  • Improvement of Computer-aided Diagnosis (CAD) Scheme for Histological Classification of Masses on Ultrasonographic Images by Using Objective Features Based on Clinicians’ Subjective Impressions

    Proc. of Computer Assisted Radiology and Surgery (CARS2012)  2012年 

    　詳細を見る

  • Computer-aided detection scheme for clustered microcalcifications in telediagnostic system via telemedicine network

    Proc. of Computer Assisted Radiology and Surgery (CARS2012)  2012年 

    　詳細を見る

  • Computer-aided Diagnosis Scheme for Determining Histological Classifications of Breast Masses Using Objective Features Based on Clinicians’ Subjective Impressions on Ultrasonographic Images

    Radiological Society of North America 2011 96st Scientific Assembly and Annual Meeting (RSNA2011)  2011年12月 

    　詳細を見る

  • Construction of Telediagnostic System via Telemedicine Network with Computer-aided Diagnosis (CAD) Scheme for Determining Histological Classification of Clustered Microcalcifications in Mammograms

    Radiological Society of North America 2011 96st Scientific Assembly and Annual Meeting (RSNA2011)  2011年12月 

    　詳細を見る

  • 教育用電子カルテを用いた電子カルテ実習の一考察

    第16回 日本医療情報学会春季学術大会  2012年 

    　詳細を見る

  • Computer-aided diagnosis scheme based on histological classifications of breast masses on ultrasonographic images

    Proc. of Computer Assisted Radiology and Surgery (CARS2011)  2011年6月 

    　詳細を見る

  • Introduction of Computer-aided Detection (CAD) Scheme for Clustered Microcalcifications in Mammograms to Telediagnostic System via Telemedicine Network

    Radiological Society of North America 2011 96st Scientific Assembly and Annual Meeting (RSNA2011)  2011年12月 

    　詳細を見る

  • 乳房超音波画像上の腫瘤病変に対する医師の主観的印象に基づいた画像特徴の定量化法

    日本生体医工学会東海支部大会  2011年10月 

    　詳細を見る

  • Computerized Quantification Method for Objective Features based on Clinicians’ Subjective Ratings of Breast Masses on Ultrasonographic Images

    Proc. of the Third International Workshop on Regional Innovation Studies  2011年10月 

    　詳細を見る

  • 同じ位置で撮影された過去と現在の歯科口内法X線画像の同定法

    Mテクノロジー学会大会講演論文集  2011年8月 

    　詳細を見る

  • Introduction of Computerized Detection Method to Breast Cancer Screening in Mie Prefecture

    Proc. of the Second International Workshop on Regional Innovation Studies  2010年10月 

    　詳細を見る

  • Computerized identification method for current dental intraoral radiographs based on the arranged previous dental intraoral radiographs

    Proc. of the Second International Workshop on Regional Innovation Studies  2010年10月 

    　詳細を見る

  • Computerized segmentation method of calcifications within clustered microcalcifications on mammograms using multiresolution analysis

    Proc. of Computer Assisted Radiology and Surgery (CARS2010)  2010年6月 

    　詳細を見る

  • Computer-Aided diagnosis (CAD) scheme for detection of sentinel lymph nodes on lymphoscintigrams based on symmetry of mapped injection site

    Proc. of Computer Assisted Radiology and Surgery (CARS2010)  2010年6月 

    　詳細を見る

  • 乳房超音波画像における腫瘤像の病理組織型の分類法

    医用画像研究会(MI)  2011年5月 

    　詳細を見る

  • Computer-aided Diagnosis Scheme for Determing Histological Classifications of Breast Masses on Ultrasonographic Image

    Radiological Society of North America 2010 95th Scientific Assembly and Annual Metting (RSNA2010)  2010年12月 

    　詳細を見る

  • 遠隔画像診断ネットワークへのCADシステム導入の可能性

    日本乳癌検診学会誌  2010年 

    　詳細を見る

  • 超高速回線を用いたマンモグラフィ遠隔画像診断システムの実用化

    日本乳癌検診学会誌  2010年 

    　詳細を見る

  • 腹部3次元CT画像における肝臓領域内血管の抽出法

    日本生体医工学会東海支部大会  2009年10月 

    　詳細を見る

  • Computerized Segmentation Method of Calcifications within Clustered Microcalcifications on Mammograms

    Proc. of the First International Workshop on Regional Innovation Studies - Biomedical Engineering  2009年10月 

    　詳細を見る

  • 形状を維持した個々の石灰化陰影の抽出法

    三重地区計測制御研究講演会  2008年12月 

    　詳細を見る

  • 差分技術を用いたリンパシンチグラムにおけるセンチネルリンパ節のコンピュータ同定システム

    三重地区計測制御研究講演会  2008年12月 

    　詳細を見る

  • リンパシンチグラムにおける注射部位の対称性に基づくセンチネルリンパ節の同定法

    三重地区計測制御研究講演会  2008年12月 

    　詳細を見る

  • 乳房X線画像（MLO画像）を対象とした乳頭領域検出法の開発

    第28回医療情報学連合大会  2008年11月 

    　詳細を見る

  • Computer-aided Detection Scheme for Sentinel Lymph Nodes

    Proc. of the First International Workshop on Regional Innovation Studies  2009年10月 

    　詳細を見る

  • Computerized Extraction Method of Hepatic Vessels in Contrasted Abdominal X-ray CT Images

    Proc. of the First International Workshop on Regional Innovation Studies  2009年10月 

    　詳細を見る

  • 対称性に基づいた差分処理によるセンチネルリンパ節の同定法

    電気関係学会東海支部連合大会  2009年9月 

    　詳細を見る

  • リンパシンチグラムにおけるセンチネルリンパ節部位のコンピュータ同定支援システムの開発

    第28回医療情報学連合大会  2008年11月 

    　詳細を見る

  • One Class Support Vector Machine(OC-SVM)を用いたグリオーマ病 理組織像からの非破壊的遺伝子異常評価法

    日本病理学会総会  2019年5月 

    　詳細を見る

  • 人工知能を用いた病理組織標本の採取臓器の自動分類法

    日本病理学会総会  2019年5月 

    　詳細を見る

  • 人工知能を用いた病理組織画像における正常組織の自動同定法

    日本病理学会総会  2019年5月 

    　詳細を見る

  • 深層学習を用いたグリオーマ病理組織像からの遺伝子発現同定法

    医用画像研究会(MI)  2019年1月 

    　詳細を見る

  • 深層学習によるシネMRI（Magnetic Resonance Imaging）画像の高フレームレート化

    第18回情報科学技術フォーラム  2019年9月 

    　詳細を見る

  • べイズ最適化による医療画像応用CNN（Convolutional Neural Network）のハイパーパラメータの決定

    第18回情報科学技術フォーラム  2019年9月 

    　詳細を見る

  • GANを用いた病理組織画像における異常組織の自動同定法

    第38回日本医用画像工学会大会  2019年7月 

    　詳細を見る

  • 肺野／肺野以外に異なる畳み込みニューラルネットワーク (CNN)を用いた超低線量CT画像の高画質化

    医用画像研究会(MI)  2019年1月 

    　詳細を見る

  • Application of Artificial Intelligence to Medical Imaging（招待講演）

    Asia Pacific Society for Computing and Information Technology 2018 Annual Meeting  2018年7月 

    　詳細を見る

  • 畳み込みニューラルネットワークを用いたシネMRI（Magnetic Resonance Imaging）の高フレームレート化

    第37回日本医用画像工学会大会  2018年7月 

    　詳細を見る

  • 深層学習による病理組織標本の採取臓器の同定

    医用画像研究会(MI)  2019年1月 

    　詳細を見る

  • Orthogonalized coupled learning and application for face hallucination

    Proc. of IEEE Mechatronics (MECATRONICS) /17th International Conference on Research and Education in Mechatronics (REM), 2016 11th France-Japan & 9th Europe-Asia Congress  2016年6月 

    　詳細を見る

  • Optimization Method of Hyper-Parameters in Convolutional Neural Network for Medical Image Application

    104th RSNA Scientific Assembly and Annual Meeting (RSNA2018)  2018年12月 

    　詳細を見る

  • 冠動脈MRA(Magnetic Resonance Angiography)画像を対象とした超解像技術の高速化

    第17回情報科学技術フォーラム  2018年9月 

    　詳細を見る

  • 畳み込みニューラルネットワーク(CNN)を用いた病理組織標本の採取臓器の同定

    第17回情報科学技術フォーラム  2018年9月 

    　詳細を見る

  • 複数シーケンス乳房MRI(Magnetic Resonance Imaging)画像における腫瘤病変の良悪性分類アルゴリズム

    第37回日本医用画像工学会大会  2018年7月 

    　詳細を見る

  • ベイズ最適化法に基づく冠動脈MRA高解像度化のためのConvolutional Neural Networkの最適化

    第37回日本医用画像工学会大会  2018年7月 

    　詳細を見る

  • 深層学習を用いた冠動脈MRAの高解像度化

    医用画像情報学会（平成30年度秋季（第182回））  2018年10月 

    　詳細を見る

  • 超低線量CT高画質化技術の高速化

    医用画像情報学会（平成30年度秋季（第182回））  2018年10月 

    　詳細を見る

  • 学習型超解像技術による超低線量CT画像の高画質化の検討

    医用画像情報学会（平成30年度秋季（第182回））  2018年10月 

    　詳細を見る

  • 超低線量Computed Tomography画像高画質化のための畳み込みニューラルネットワーク(CNN)の構築

    第17回情報科学技術フォーラム  2018年9月 

    　詳細を見る

  • Improving image resolution of whole heart coronary magnetic resonance angiography using 3-dimentional super-resolution technique

    International journal of computer asisted radiology and surgery (CARS2018)  2018年6月 

    　詳細を見る

  • Development of a classification method for a crack on a pavement surface images using machine learning

    Proc. of SPIE Thirteenth International Conference on Quality Control by Artificial Vision (QCAV2017)  2017年5月 

    　詳細を見る

  • 2段階の機械学習を用いた細胞の検出・状態分類 ～複数の識別器を用いた細胞の高精度検出

    ViEW2016 ビジョン技術の実利用ワークショップ  2016年12月 

    　詳細を見る

▼全件表示

産業財産権

  • 画像処理システム、画像処理方法及び画像処理プログラム

    　詳細を見る

    出願番号：特願2017-5786 

    公開番号：特開2018-116391 

    researchmap

  • 画像処理システム、画像処理方法及び画像処理プログラム

    　詳細を見る

    出願番号：特願2016-197815 

    特許番号/登録番号：特許第6292682号 

    researchmap

  • 情報予測システム、情報予測方法及び情報予測プログラム

    　詳細を見る

    出願番号：特願2016-99737 

    公開番号：特開2016-177829 

    researchmap

  • 情報予測システム、情報予測方法及び情報予測プログラム

    　詳細を見る

    出願番号：特願2014-231089 

    公開番号：特開2016-95651 

    researchmap

受賞

  • Award for Certificate of Merit(Optimization Method of Hyper-Parameters in Convolutional Neural Network for Medical Image Application)

    2018年11月   Radiological Society of North America 2018 (RSNA2018)  

    　詳細を見る

  • Outstanding Research Achievement and Contribution

    2018年7月   Asia Pacific Society for Computing and Information Technology  

    　詳細を見る

  • 奨励賞

    2017年7月   第36回日本医用画像工学会大会奨励賞  

    　詳細を見る

  • 優秀賞

    2016年12月   精密工学会 外観検査アルゴリズムコンテスト  

    　詳細を見る

  • レゾナンスバイオ賞

    2016年12月   精密工学会 外観検査アルゴリズムコンテスト  

    　詳細を見る

  • 特別賞

    2015年12月   精密工学会 外観検査アルゴリズムコンテスト  

    　詳細を見る

  • 最優秀賞

    2014年12月   精密工学会 外観検査アルゴリズムコンテスト  

    　詳細を見る

  • Outstanding Paper Award

    2012年10月   Fourth International Workshop on Regional Innovation Studies - Biomedical Engineering -  

    　詳細を見る

▼全件表示

共同研究・競争的資金等の研究課題

  • 人工知能を用いたレディオミクス特徴に基づいた乳がん患者の予後予測

    研究課題/領域番号：19K20719  2019年4月 - 2022年3月

    日本学術振興会  科学研究費助成事業  若手研究

    檜作 彰良

    　 詳細を見る

    配分額：2990000円 （ 直接経費：2300000円 、 間接経費：690000円 ）

    本研究では，Radiomics特徴量を用いたSVM（Support Vector Machine）により，乳房MRI画像からトリプルネガティブ乳がん（TNBC）の分類法の開発とRadiomics特徴量を用いたCox比例ハザードモデルによる生存推定の検討を行った．実験試料は，The Cancer Imaging Archiveに含まれる66症例の乳がんのデータ（T1強調画像，T2強調画像，ダイナミックMRI画像）を用いた．提案手法を実験試料に適用した結果，TNBCの正答率：84.8%，感度：81.3%，特異度：86.0%，area under the ROC curve：0.874が得られた．

    researchmap

  • 深層生成モデルによる異常検知を基盤としたコンピュータ支援診断システムの構築

    研究課題/領域番号：24K15776  2024年4月 - 2027年3月

    日本学術振興会  科学研究費助成事業  基盤研究(C)

    中山 良平, 檜作 彰良, 木戸 尚治

    　 詳細を見る

    配分額：4550000円 （ 直接経費：3500000円 、 間接経費：1050000円 ）

    researchmap

  • 距離学習とデータ拡張による深層学習の汎化能力改善とそのディープフェイク検出応用

    2024年4月 - 2025年3月

    公益財団法人 電気通信普及財団  研究調査助成

    　 詳細を見る

    担当区分：研究代表者 

    researchmap

  • 少数サンプルで学習可能な深層学習モデルによる脳腫瘍の遺伝子推定法の開発

    研究課題/領域番号：23K11909  2023年4月 - 2026年3月

    日本学術振興会  科学研究費助成事業  基盤研究(C)

    檜作 彰良, 正宗 賢, 楠田 佳緒, 中山 良平

    　 詳細を見る

    配分額：4160000円 （ 直接経費：3200000円 、 間接経費：960000円 ）

    本年度は，Spatial Attention Mechanismに加えChannel Attention Mechanismを追加したMulti-scale 3D Convolutional Neural Networks（MS-3DCNN）により，脳MRI画像（Magnetic Resonance Imaging）画像における低悪性度グリオーマ（LGG：Low Grade Glioma）の分子サブタイプを分類する手法を開発した．実験試料として，東京女子医科大学より提供された217患者のT1強調画像，T2強調画像，FLAIR画像（Astrocytoma IDH-mutant：58，Astrocytoma IDH-wildtype：49， Oligodendroglioma：110）を用いた．本研究では，我々の従来手法であるSpatial Attention Mechanismを用いたMS-3DCNNに対し，Channel Attention Mechanismを導入した新たなネットワークを構築した．Spatial Attention Mechanismは特定領域に重み付けしたAttention Mapを生成するのに対し，Channel Attention Mechanismは特徴マップのチャネル方向のAttentionであり，分類に寄与するチャネルに重み付けする．提案ネットワークはFeature Extractor，Attention Branch，Perception Branch で構成される．Feature Extractor は，脳腫瘍を含む関心領域 から異なる解像度の特徴マップを抽出した．次のAttention Branch では，腫瘍領域と分類に寄与するチャネルに重みを与えたAttention Map を生成した．そして，生成したAttention Map に基づき特徴マップに重み付けした．最後に，重み付けした特徴マップを用いたPerception Branch により，LGG を3 つの分子サブタイプに分類した．提案手法の平均正答率は69.5%（Astrocytoma IDH-mutant：68.9 %，Astrocytoma IDH-wildtype：81.6%， Oligodendroglioma：64.5%）であり，Spatial Attention Mechanismのみを用いた場合の66.4%（51.7%，61.2%，76.4%）よりも高く，提案手法の有用性が示唆された．

    researchmap