ニュース＆イベント NEWS & EVENTS
2025.10.16 Thu UP
第24回情報科学技術フォーラムにおいて本学大学院生がFIT奨励賞を受賞
第24回情報科学技術フォーラムにおいて本学大学院生がFIT奨励賞を受賞しました。
- 受賞者
- ：
- 創域理工学研究科 経営システム工学専攻 修士課程2年 南 遼佑
- 指導教員
- ：
-
創域理工学部 経営システム工学科 教授 西山 裕之
創域理工学部 経営システム工学科 講師 秦野 亮 - 受賞題目
- ：
- Resting-state functional MRI に基づく機能的結合と機械学習を用いた軽度認知障害の分類における特徴量選択手法の比較
- 内容
- ：
-
認知症は早期発見が重要であり、認知症の前段階である軽度認知障害(MCI)が注目されている。MCIの診断ではMRIや認知機能検査など複数種類の医療データとAI技術の融合が研究されている。しかし、1種類の医療技術とAI技術を組み合わせで高精度なMCIの診断は難しい。そこで、安静時の脳の活動情報を分析するresting-state functional MRI (rs-fMRI) とAI技術の融合が注目されている。
Rs-fMRIを用いた分析に機能的結合(functional connectivity FC)分析がある。Rs-fMRIデータを用いると海馬など関心領域(ROI)からBOLD信号を抽出可能であり、FC分析ではBOLD信号よりROI間の相関を求めROI間の接続を明らかにする。
Rs-fMRIとAI技術を融合させた研究ではFCに着目したものがあり、例えばZhuらはBOLD信号上の複数時点のFCを分析し、その情報を機械学習(ML)モデルに学習させて高精度な片側難聴の分類を行った。このようにFC分析で特徴量を生成し分類精度向上を目指す一方で、生成した特徴量から分類に有効なものを適切に選択することも重要である。
以上より、本研究はFC分析の結果から得られる特徴量から選択を行い、高精度に認知機能正常(CN)とMCIを分類することが目的である。分類ではMLモデルであるロジスティック回帰(LR)を使用した。特徴量選択では検定に基づく手法とモデルベースの手法を使用し、分類精度を比較した。本研究の成果はMCI患者を効率的に早期発見することに貢献すると考えられる。 - 受賞日
- ：
- 2025年9月3日
- 受賞者
- ：
- 工学研究科 電気工学専攻 修士課程1年 吉橋 宏哉
- 指導教員
- ：
- 工学部 電気工学科 教授 吉田 孝博
- 受賞題目
- ：
- ヘッドホンのための透過方向を調整可能なニューラルネットワークANC
- 内容
- ：
- 第24回情報科学技術フォーラム（FIT2025）の一般講演セッションにおいて発表した論文が、優秀な論文であると認められた。
- 受賞日
- ：
- 2025年9月5日
- 受賞者
- ：
- 工学研究科 電気工学専攻 修士課程1年 山西 陽明
- 指導教員
- ：
- 工学部 電気工学科 教授 吉田 孝博
- 受賞題目
- ：
- エレクトリックギターパートの音源分離のためのBLSTM による音源分離手法
- 内容
- ：
- 第24回情報科学技術フォーラム（FIT2025）の一般講演セッションにおいて発表した論文が、優秀な論文であると認められた。
- 受賞日
- ：
- 同上
関連リンク
受賞者一覧
第24回情報科学技術フォーラム（FIT2025）
西山研究室
研究室のページ
西山教授のページ
秦野講師のページ
吉田研究室
吉田教授のページ
