記述言語：英語   掲載種別：研究論文（国際会議プロシーディングス）  

DOI： https://doi.org/10.1109/CVPR42600.2020.00388

記述言語：英語   掲載種別：研究論文（国際会議プロシーディングス）  

DOI： 10.1109/CVPR.2019.01288

記述言語：英語   掲載種別：研究論文（学術雑誌）  

DOI： 10.1109/TMI.2015.2391095

記述言語：英語   出版者・発行元：Medical Image Analysis  

Automatic image-based severity estimation is an important task in computer-aided diagnosis. Severity estimation by deep learning requires a large amount of training data to achieve a high performance. In general, severity estimation uses training data annotated with discrete (i.e., quantized) severity labels. Annotating discrete labels is often difficult in images with ambiguous severity, and the annotation cost is high. In contrast, relative annotation, in which the severity between a pair of images is compared, can avoid quantizing severity and thus makes it easier. We can estimate relative disease severity using a learning-to-rank framework with relative annotations, but relative annotation has the problem of the enormous number of pairs that can be annotated. Therefore, the selection of appropriate pairs is essential for relative annotation. In this paper, we propose a deep Bayesian active learning-to-rank that automatically selects appropriate pairs for relative annotation. Our method preferentially annotates unlabeled pairs with high learning efficiency from the model uncertainty of the samples. We prove the theoretical basis for adapting Bayesian neural networks to pairwise learning-to-rank and demonstrate the efficiency of our method through experiments on endoscopic images of ulcerative colitis on both private and public datasets. We also show that our method achieves a high performance under conditions of significant class imbalance because it automatically selects samples from the minority classes.

DOI： 10.1016/j.media.2024.103262

Scopus

PubMed

出版者・発行元：Image and Vision Computing  

Medical image segmentation is an important task in medical imaging and diagnosis. Data augmentation can substantially improve the accuracy of medical image segmentation when the dataset has a small amount of medical images. However, the data augmentation methods for medical image are usually based on big models that require extensive search space. Furthermore, excessively complex models often have a heavy burden for the general healthcare organization or researcher. To address this problem, we propose a method of data augmentation that is simple to implement even for the general researcher and simple to transplant across various models. Here we introduce our new methods called KeepMask and KeepMix, which can be simply ported to a variety of models and provide high performance. These methods allow data augmentation without any effect on the target organ or lesion and can also be adapted to multi-class segmentation. KeepMask and KeepMix can not only perturb the background of an existing medical image but also add target organs that are not present to it and generate new images based on the image. In this paper, we performed our methods on both binary class datasets and multi-class datasets and obtained better performance. We conducted numerous experiments showing the predicted segmentation images using our proposed methods obtained more accurate boundaries.

DOI： 10.1016/j.imavis.2024.105056

Web of Science

Scopus

記述言語：英語   掲載種別：研究論文（学術雑誌）   出版者・発行元：Knee  

Background: This study proposed an automatic surgical planning system for high tibial osteotomy (HTO) using deep learning-based artificial intelligence and validated its accuracy. The system simulates osteotomy and measures lower-limb alignment parameters in pre- and post-osteotomy simulations. Methods: A total of 107 whole-leg standing radiographs were obtained from 107 patients who underwent HTO. First, the system detected anatomical landmarks on radiographs. Then, it simulated osteotomy and automatically measured five parameters in pre- and post-osteotomy simulation (hip knee angle [HKA], weight-bearing line ratio [WBL ratio], mechanical lateral distal femoral angle [mLDFA], mechanical medial proximal tibial angle [mMPTA], and mechanical lateral distal tibial angle [mLDTA]). The accuracy of the measured parameters was validated by comparing them with the ground truth (GT) values given by two orthopaedic surgeons. Results: All absolute errors of the system were within 1.5° or 1.5%. All inter-rater correlation confidence (ICC) values between the system and GT showed good reliability (>0.80). Excellent reliability was observed in the HKA (0.99) and WBL ratios (>0.99) for the pre-osteotomy simulation. The intra-rater difference of the system exhibited excellent reliability with an ICC value of 1.00 for all lower-limb alignment parameters in pre- and post-osteotomy simulations. In addition, the measurement time per radiograph (0.24 s) was considerably shorter than that of an orthopaedic surgeon (118 s). Conclusion: The proposed system is practically applicable because it can measure lower-limb alignment parameters accurately and quickly in pre- and post-osteotomy simulations. The system has potential applications in surgical planning systems.

DOI： 10.1016/j.knee.2024.03.008

Web of Science

Scopus

PubMed

記述言語：英語   出版者・発行元：Modern Pathology  

Several studies have developed various artificial intelligence (AI) models for immunohistochemical analysis of programmed death ligand 1 (PD-L1) in patients with non–small cell lung carcinoma; however, none have focused on specific ways by which AI-assisted systems could help pathologists determine the tumor proportion score (TPS). In this study, we developed an AI model to calculate the TPS of the PD-L1 22C3 assay and evaluated whether and how this AI-assisted system could help pathologists determine the TPS and analyze how AI-assisted systems could affect pathologists’ assessment accuracy. We assessed the 4 methods of the AI-assisted system: (1 and 2) pathologists first assessed and then referred to automated AI scoring results (1, positive tumor cell percentage; 2, positive tumor cell percentage and visualized overlay image) for final confirmation, and (3 and 4) pathologists referred to the automated AI scoring results (3, positive tumor cell percentage; 4, positive tumor cell percentage and visualized overlay image) while determining TPS. Mixed-model analysis was used to calculate the odds ratios (ORs) with 95% CI for AI-assisted TPS methods 1 to 4 compared with pathologists’ scoring. For all 584 samples of the tissue microarray, the OR for AI-assisted TPS methods 1 to 4 was 0.94 to 1.07 and not statistically significant. Of them, we found 332 discordant cases, on which the pathologists’ judgments were inconsistent; the ORs for AI-assisted TPS methods 1, 2, 3, and 4 were 1.28 (1.06-1.54; P = .012), 1.29 (1.06-1.55; P = .010), 1.28 (1.06-1.54; P = .012), and 1.29 (1.06-1.55; P = .010), respectively, which were statistically significant. For discordant cases, the OR for each AI-assisted TPS method compared with the others was 0.99 to 1.01 and not statistically significant. This study emphasized the usefulness of the AI-assisted system for cases in which pathologists had difficulty determining the PD-L1 TPS.

DOI： 10.1016/j.modpat.2024.100485

Web of Science

Scopus

PubMed

記述言語：英語   出版者・発行元：Nature Communications  

Cell states are regulated by the response of signaling pathways to receptor ligand-binding and intercellular interactions. High-resolution imaging has been attempted to explore the dynamics of these processes and, recently, multiplexed imaging has profiled cell states by achieving a comprehensive acquisition of spatial protein information from cells. However, the specificity of antibodies is still compromised when visualizing activated signals. Here, we develop Precise Emission Canceling Antibodies (PECAbs) that have cleavable fluorescent labeling. PECAbs enable high-specificity sequential imaging using hundreds of antibodies, allowing for reconstruction of the spatiotemporal dynamics of signaling pathways. Additionally, combining this approach with seq-smFISH can effectively classify cells and identify their signal activation states in human tissue. Overall, the PECAb system can serve as a comprehensive platform for analyzing complex cell processes.

DOI： 10.1038/s41467-024-47989-9

Web of Science

Scopus

PubMed

記述言語：英語   掲載種別：研究論文（国際会議プロシーディングス）  

記述言語：英語   出版者・発行元：John Wiley & Sons Australia, Ltd  

記述言語：英語   掲載種別：研究論文（学術雑誌）  

記述言語：英語   掲載種別：研究論文（国際会議プロシーディングス）   出版者・発行元：ICASSP, IEEE International Conference on Acoustics, Speech and Signal Processing - Proceedings  

The paper proposes a novel problem in multi-class Multiple-Instance Learning (MIL) called Learning from the Majority Label (LML). In LML, the majority class of instances in a bag is assigned as the bag's label. LML aims to classify instances using bag-level majority classes. This problem is valuable in various applications. Existing MIL methods are unsuitable for LML due to aggregating confidences, which may lead to inconsistency between the bag-level label and the label obtained by counting the number of instances for each class. This may lead to incorrect instance-level classification. We propose a counting network trained to produce the bag-level majority labels estimated by counting the number of instances for each class. This led to the consistency of the majority class between the network outputs and one obtained by counting the number of instances. Experimental results show that our counting network outperforms conventional MIL methods on four datasets.

DOI： 10.1109/ICASSP48485.2024.10448425

Scopus

記述言語：英語   掲載種別：研究論文（学術雑誌）   出版者・発行元：npj Precision Oncology  

Prognosis after neoadjuvant chemotherapy (NAC) for osteosarcoma is generally predicted using manual necrosis-rate assessments; however, necrosis rates obtained in these assessments are not reproducible and do not adequately reflect individual cell responses. We aimed to investigate whether viable tumor cell density assessed using a deep-learning model (DLM) reflects the prognosis of osteosarcoma. Seventy-one patients were included in this study. Initially, the DLM was trained to detect viable tumor cells, following which it calculated their density. Patients were stratified into high and low-viable tumor cell density groups based on DLM measurements, and survival analysis was performed to evaluate disease-specific survival and metastasis-free survival (DSS and MFS). The high viable tumor cell density group exhibited worse DSS (p = 0.023) and MFS (p = 0.033). DLM-evaluated viable density showed correct stratification of prognosis groups. Therefore, this evaluation method may enable precise stratification of the prognosis in osteosarcoma patients treated with NAC.

DOI： 10.1038/s41698-024-00515-y

Web of Science

Scopus

PubMed

出版者・発行元：Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics)  

The PD-L1 rate, the number of PD-L1 positive tumor cells over the total number of all tumor cells, is an important metric for immunotherapy. This metric is recorded as diagnostic information with pathological images. In this paper, we propose a proportion estimation method with a small amount of cell-level annotation and proportion annotation, which can be easily collected. Since the PD-L1 rate is calculated from only ‘tumor cells’ and not using ‘non-tumor cells’, we first detect tumor cells with a detection model. Then, we estimate the PD-L1 proportion by introducing a masking technique to ‘learning from label proportion’. In addition, we propose a weighted focal proportion loss to address data imbalance problems. Experiments using clinical data demonstrate the effectiveness of our method. Our method achieved the best performance in comparisons.

DOI： 10.1007/978-3-031-58171-7_12

Web of Science

Scopus

出版者・発行元：Proceedings - International Symposium on Biomedical Imaging  

This paper brings attention to a new issue in the development of datasets for AI-based pathological image analysis: the domain shift problem stemming from the storage period until digital scanning. Pathological slides that were sliced and stained in the past may also be scanned to prepare a dataset for AI in addition to the newly stained tissue. However, it leads to changes in their appearance and causes domain shift. We propose a domain generalization method that leverages the storage period as sub-domains. Furthermore, we introduce the ordinal adversarial loss that can perform well for ordinal domain classes. The experiments show the effectiveness of using the storage period as a sub-domain and the ordinal adversarial loss.

DOI： 10.1109/ISBI56570.2024.10635214

Scopus

記述言語：英語   掲載種別：研究論文（学術雑誌）   出版者・発行元：Modern Pathology  

Neoadjuvant therapies are used for locally advanced non–small cell lung carcinomas, whereby pathologists histologically evaluate the effect using resected specimens. Major pathological response (MPR) has recently been used for treatment evaluation and as an economical survival surrogate; however, interobserver variability and poor reproducibility are often noted. The aim of this study was to develop a deep learning (DL) model to predict MPR from hematoxylin and eosin–stained tissue images and to validate its utility for clinical use. We collected data on 125 primary non–small cell lung carcinoma cases that were resected after neoadjuvant therapy. The cases were randomly divided into 55 for training/validation and 70 for testing. A total of 261 hematoxylin and eosin–stained slides were obtained from the maximum tumor beds, and whole slide images were prepared. We used a multiscale patch model that can adaptively weight multiple convolutional neural networks trained with different field-of-view images. We performed 3-fold cross-validation to evaluate the model. During testing, we compared the percentages of viable tumor evaluated by annotator pathologists (reviewed data), those evaluated by nonannotator pathologists (primary data), and those predicted by the DL-based model using 2-class confusion matrices and receiver operating characteristic curves and performed a survival analysis between MPR-achieved and non-MPR cases. In cross-validation, accuracy and mean F1 score were 0.859 and 0.805, respectively. During testing, accuracy and mean F1 score with reviewed data and those with primary data were 0.986, 0.985, 0.943, and 0.943, respectively. The areas under the receiver operating characteristic curve with reviewed and primary data were 0.999 and 0.978, respectively. The disease-free survival of MPR-achieved cases with reviewed and primary data was significantly better than that of the non-MPR cases (P<.001 and P=.001), and that predicted by the DL-based model was almost identical (P=.005). The DL model may support pathologist evaluations and can offer accurate determinations of MPR in patients.

DOI： 10.1016/j.modpat.2023.100302

Web of Science

Scopus

PubMed

記述言語：英語   掲載種別：研究論文（国際会議プロシーディングス）   出版者・発行元：Proceedings of the IEEE International Conference on Computer Vision  

Learning from label proportions (LLP) is a promising weakly supervised learning problem. In LLP, a set of instances (bag) has label proportions, but no instance-level labels are given. LLP aims to train an instance-level classifier by using the label proportions of the bag. In this paper, we propose a bag-level data augmentation method for LLP called MixBag, based on the key observation from our preliminary experiments; that the instance-level classification accuracy improves as the number of labeled bags increases even though the total number of instances is fixed. We also propose a confidence interval loss designed based on statistical theory to use the augmented bags effectively. To the best of our knowledge, this is the first attempt to propose bag-level data augmentation for LLP. The advantage of MixBag is that it can be applied to instance-level data augmentation techniques and any LLP method that uses the proportion loss. Experimental results demonstrate this advantage and the effectiveness of our method.

DOI： 10.1109/ICCV51070.2023.01519

Web of Science

Scopus

記述言語：英語   掲載種別：研究論文（国際会議プロシーディングス）   出版者・発行元：Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics)  

Detection of mitosis events plays an important role in biomedical research. Deep-learning-based mitosis detection methods have achieved outstanding performance with a certain amount of labeled data. However, these methods require annotations for each imaging condition. Collecting labeled data involves time-consuming human labor. In this paper, we propose a mitosis detection method that can be trained with partially annotated sequences. The base idea is to generate a fully labeled dataset from the partial labels and train a mitosis detection model with the generated dataset. First, we generate an image pair not containing mitosis events by frame-order flipping. Then, we paste mitosis events to the image pair by alpha-blending pasting and generate a fully labeled dataset. We demonstrate the performance of our method on four datasets, and we confirm that our method outperforms other comparisons which use partially labeled sequences. Code is available at https://github.com/naivete5656/MDPAFOF.

DOI： 10.1007/978-3-031-43993-3_47

Web of Science

Scopus

記述言語：英語   掲載種別：研究論文（国際会議プロシーディングス）  

記述言語：英語   掲載種別：研究論文（学術雑誌）   出版者・発行元：Digestive Endoscopy  

Objectives: Existing endoscopic scores for ulcerative colitis (UC) objectively categorize disease severity based on the presence or absence of endoscopic findings; therefore, it may not reflect the range of clinical severity within each category. However, inflammatory bowel disease (IBD) expert endoscopists categorize the severity and diagnose the overall impression of the degree of inflammation. This study aimed to develop an artificial intelligence (AI) system that can accurately represent the assessment of the endoscopic severity of UC by IBD expert endoscopists. Methods: A ranking-convolutional neural network (ranking-CNN) was trained using comparative information on the UC severity of 13,826 pairs of endoscopic images created by IBD expert endoscopists. Using the trained ranking-CNN, the UC Endoscopic Gradation Scale (UCEGS) was used to express severity. Correlation coefficients were calculated to ensure that there were no inconsistencies in assessments of severity made using UCEGS diagnosed by the AI and the Mayo Endoscopic Subscore, and the correlation coefficients of the mean for test images assessed using UCEGS by four IBD expert endoscopists and the AI. Results: Spearman's correlation coefficient between the UCEGS diagnosed by AI and Mayo Endoscopic Subscore was approximately 0.89. The correlation coefficients between IBD expert endoscopists and the AI of the evaluation results were all higher than 0.95 (P < 0.01). Conclusions: The AI developed here can diagnose UC severity endoscopically similar to IBD expert endoscopists.

DOI： 10.1111/den.14677

Web of Science

Scopus

PubMed

記述言語：英語   掲載種別：研究論文（国際会議プロシーディングス）   出版者・発行元：Proceedings of the Annual International Conference of the IEEE Engineering in Medicine and Biology Society, EMBS  

3D cell tracking in a living organism has a crucial role in live cell image analysis. Cell tracking in C. elegans has two difficulties. First, cell migration in a consecutive frame is large since they move their head during scanning. Second, cell detection is often inconsistent in consecutive frames due to touching cells and low-contrast images, and these inconsistent detections affect the tracking performance worse. In this paper, we propose a cell tracking method to address these issues, which has two main contributions. First, we introduce cell position heatmap-based non-rigid alignment with test-time fine-tuning, which can warp the detected points to near the positions at the next frame. Second, we propose a pairwise detection method, which uses the information of detection results at the previous frame for detecting cells at the current frame. The experimental results demonstrate the effectiveness of each module, and the proposed method achieved the best performance in comparison.

DOI： 10.1109/EMBC40787.2023.10340619

Web of Science

Scopus

PubMed

記述言語：英語   掲載種別：研究論文（学術雑誌）   出版者・発行元：Experimental Dermatology  

Skin is composed of different layers, including the stratum corneum, epidermal living layer and papillary and reticular dermis. Each has specific optical properties due to differences in their biological components. Alterations in the skin's cutaneous biological components resulting from photoaging caused by chronic exposure to UV light affect the deterioration of appearance associated with the skin's optical properties. Various methods for analysing cutaneous optical properties have been previously proposed, including mathematical models and computer simulations. However, these were insufficient to elucidate changes in each skin layer and comprehensively understand the skin's integrated optical properties. We focused on UV-induced yellowing of the facial skin. We evaluated site-specific optical absorption of human skin tissue sections to investigate the yellowish discoloration, which is suggested to be related to the photodamage process. The method includes our original technique of separating the transmitted and scattered light using high-frequency illumination microscopy, leading to microscopic analysis of the tissue's optical absorption in the regions of interest. In analysing the sun-exposed facial skin tissue sections, we successfully showed that dermal regions of aged skin have increased absorption at 450 nm, where yellowish colours are complemented. Furthermore, we confirmed that elastic fibres with observable histological disorder resulting from photodamage are a prominent source of high optical absorption. We detected changes in the skin's optical absorption associated with dermal degeneration resulting from photodamage using a novel optical microscopy technique. The results provide a base for the evaluation of optical property changes for both yellowing discoloration and other tissue disorders.

DOI： 10.1111/exd.14840

Web of Science

Scopus

PubMed

記述言語：英語   掲載種別：研究論文（国際会議プロシーディングス）   出版者・発行元：ICASSP, IEEE International Conference on Acoustics, Speech and Signal Processing - Proceedings  

This paper proposes a novel and efficient method for Learning from Label Proportions (LLP), whose goal is to train a classifier only by using the class label proportions of instance sets, called bags. We propose a novel LLP method based on an online pseudo-labeling method with regret minimization. As opposed to the previous LLP methods, the proposed method effectively works even if the bag sizes are large. We demonstrate the effectiveness of the proposed method using some benchmark datasets.

DOI： 10.1109/ICASSP49357.2023.10097069

Scopus

記述言語：英語   掲載種別：研究論文（国際会議プロシーディングス）  

記述言語：英語   掲載種別：研究論文（国際会議プロシーディングス）  

記述言語：英語   掲載種別：研究論文（国際会議プロシーディングス）  

記述言語：英語   掲載種別：研究論文（国際会議プロシーディングス）  

Web of Science

Web of Science

記述言語：英語   掲載種別：研究論文（国際会議プロシーディングス）   出版者・発行元：Proceedings - 2023 IEEE Winter Conference on Applications of Computer Vision, WACV 2023  

Drone crowd tracking has various applications such as crowd management and video surveillance. Unlike in general multi-object tracking, the size of the objects to be tracked are small, and the ground truth is given by a point-level annotation, which has no region information. This causes the lack of discriminative features for finding the same objects from many similar objects. Thus, similarity-based tracking techniques, which are widely used for multi-object tracking with bounding-box, are difficult to use. To deal with this problem, we take into account the temporal context of the local area. To aggregate temporal context in a local area, we propose a multi-frame attention with feature-level warping. The feature-level warping can align the features of the same object in multiple frames, and then multi-frame attention can effectively aggregate the temporal context from the warped features. The experimental results show the effectiveness of our method. Our method outperformed the state-of-the-art method in DroneCrowd dataset. The code is publicly available in https://github.com/asanomitakanori/mfa-feature-warping.

DOI： 10.1109/WACV56688.2023.00171

Web of Science

Scopus

記述言語：英語   掲載種別：研究論文（国際会議プロシーディングス）   出版者・発行元：Proceedings - 2023 IEEE Winter Conference on Applications of Computer Vision, WACV 2023  

Cell instance segmentation that recognizes each cell boundary is an important task in cell image analysis. While deep learning-based methods have shown promising performances with a certain amount of training data, most of them require full annotations that show the boundary of each cell. Generating the annotation for cell segmentation is time-consuming and human labor. To reduce the annotation cost, we propose a weakly supervised segmentation method using two types of weak labels (one for cell type and one for nuclei position). Unlike general images, these two labels are easily obtained in phase-contrast images. The intercellular boundary, which is necessary for cell instance segmentation, cannot be directly obtained from these two weak labels, so to generate the boundary information, we propose a single instance pasting based on the copy-and-paste technique. First, we locate single-cell regions by counting cells and store them in a pool. Then, we generate the intercel-lular boundary by pasting the stored single-cell regions to the original image. Finally, we train a boundary estimation network with the generated labels and perform instance segmentation with the network. Our evaluation on a public dataset demonstrated that the proposed method achieves the best performance among the several weakly supervised methods we compared.

DOI： 10.1109/WACV56688.2023.00320

Web of Science

Scopus

出版者・発行元：Proceedings - International Symposium on Biomedical Imaging  

This paper proposes a semi-supervised pathological image segmentation method that can improve the segmentation using a large amount of unlabeled data. Typical pseudo labeling methods select pseudo labels from unlabeled data to be used for re-training based on the confidence of each patch. However, the initial estimation is not accurate, so the pseudo labels contain many inaccurate labels. This may affect the segmentation performance. The highlight of this study is that we avoid selecting incorrect pseudo labels by introducing a spatial distribution model in a whole slide image. This is based on the assumption that a tumor region forms a cluster in tissue. This improves pseudo label selection and segmentation performance. Experimental results demonstrate the effectiveness of our method, where our method achieved the best segmentation performance in comparison.

DOI： 10.1109/ISBI53787.2023.10230407

Web of Science

Scopus

CiNii Research

出版者・発行元：Proceedings - International Symposium on Biomedical Imaging  

The development of medical image segmentation using deep learning can significantly support doctors' diagnoses. Deep learning needs large amounts of data for training, which also requires data augmentation to extend diversity for preventing overfitting. However, the existing methods for data augmentation of medical image segmentation are mainly based on models which need to update parameters and cost extra computing resources. We proposed data augmentation methods designed to train a high-accuracy deep learning network for medical image segmentation. The proposed data augmentation approaches are called KeepMask and KeepMix, which can create medical images by better identifying the boundary of the organ with no more parameters. Our methods achieved better performance and obtained more precise boundaries for medical image segmentation on datasets. The dice coefficient of our methods achieved 94.15% (3.04% higher than baseline) on CHAOS and 74.70% (5.25% higher than baseline) on MSD spleen with Unet.

DOI： 10.1109/ISBI53787.2023.10230495

Web of Science

Scopus

CiNii Research

CiNii Research

出版者・発行元：Proceedings - International Symposium on Biomedical Imaging  

Semi-supervised domain adaptation is a technique to build a classifier for a target domain by modifying a classifier in another (source) domain using many unlabeled samples and a small number of labeled samples from the target domain. In this paper, we develop a semi-supervised domain adaptation method, which has robustness to class-imbalanced situations, which are common in medical image classification tasks. For robustness, we propose a weakly-supervised clustering pipeline to obtain high-purity clusters and utilize the clusters in representation learning for domain adaptation. The proposed method showed state-of-the-art performance in the experiment using severely class-imbalanced pathological image patches.

DOI： 10.1109/ISBI53787.2023.10230451

Web of Science

Scopus

CiNii Research

出版者・発行元：Proceedings - International Symposium on Biomedical Imaging  

The domain shift in pathological segmentation is an important problem, where a network trained by a source domain (collected at a specific hospital) does not work well in the target domain (from different hospitals) due to the different image features. Due to the problems of class imbalance and different class prior of pathology, typical unsupervised domain adaptation methods do not work well by aligning the distribution of source domain and target domain. In this paper, we propose a cluster entropy for selecting an effective whole slide image (WSI) that is used for semi-supervised domain adaptation. This approach can measure how the image features of the WSI cover the entire distribution of the target domain by calculating the entropy of each cluster and can significantly improve the performance of domain adaptation. Our approach achieved competitive results against the prior arts on datasets collected from two hospitals.

DOI： 10.1109/ISBI53787.2023.10230359

Web of Science

Scopus

CiNii Research

CiNii Research

記述言語：英語   出版者・発行元：Arthritis Research and Therapy  

Background: X-ray images are commonly used to assess the bone destruction of rheumatoid arthritis. The purpose of this study is to propose an automatic-bone-destruction-evaluation system fully utilizing deep neural networks (DNN). This system detects all target joints of the modified Sharp/van der Heijde score (SHS) from a hand X-ray image. It then classifies every target joint as intact (SHS = 0) or non-intact (SHS ≥ 1). Methods: We used 226 hand X-ray images of 40 rheumatoid arthritis patients. As for detection, we used a DNN model called DeepLabCut. As for classification, we built four classification models that classify the detected joint as intact or non-intact. The first model classifies each joint independently, whereas the second model does it while comparing the same contralateral joint. The third model compares the same joint group (e.g., the proximal interphalangeal joints) of one hand and the fourth model compares the same joint group of both hands. We evaluated DeepLabCut’s detection performance and classification models’ performances. The classification models’ performances were compared to three orthopedic surgeons. Results: Detection rates for all the target joints were 98.0% and 97.3% for erosion and joint space narrowing (JSN). Among the four classification models, the model that compares the same contralateral joint showed the best F-measure (0.70, 0.81) and area under the curve of the precision-recall curve (PR-AUC) (0.73, 0.85) regarding erosion and JSN. As for erosion, the F-measure and PR-AUC of this model were better than the best of the orthopedic surgeons. Conclusions: The proposed system was useful. All the target joints were detected with high accuracy. The classification model that compared the same contralateral joint showed better performance than the orthopedic surgeons regarding erosion.

DOI： 10.1186/s13075-022-02914-7

Web of Science

Scopus

PubMed

記述言語：英語   掲載種別：研究論文（学術雑誌）  

DOI： https://doi.org/10.1186/s13075-022-02914-7

記述言語：英語   掲載種別：研究論文（国際会議プロシーディングス）  

記述言語：英語   掲載種別：研究論文（国際会議プロシーディングス）  

記述言語：英語   掲載種別：研究論文（国際会議プロシーディングス）  

記述言語：英語   掲載種別：研究論文（学術雑誌）   出版者・発行元：IEEE Access  

For automatic disease-severity-level estimation, a large-scale medical image dataset with level annotations is generally necessary. However, attaching absolute-level annotations (such as levels 0, 1, and 3) is very costly and even inaccurate due to the level ambiguity. In this study, we proved experimentally that using a ranking function for level estimation can relax this difficulty. We propose a multi-task learning method for automatically estimating disease-severity levels that combine learning to rank with regression. The ranking function of the proposed method is trainable by relative-level and a small number of absolute-level annotations. For relative-level annotation, an annotator only needs to specify that one image has a higher disease level than another - this is much easier than absolute-level annotation. The proposed method enables disease-severity classification by calibrating the ranking function based on relative-level annotation through regression. The effectiveness of the method was proved through a large-scale experiment of ulcerative colitis-severity estimation with colonoscopy images.

DOI： 10.1109/ACCESS.2022.3155769

Web of Science

Scopus

記述言語：英語   掲載種別：研究論文（国際会議プロシーディングス）   出版者・発行元：Proceedings - 2022 IEEE/CVF Winter Conference on Applications of Computer Vision, WACV 2022  

Multi-object tracking is essential in biomedical image analysis. Most methods follow a tracking-by-detection approach that involves using object detectors and learning the appearance feature models of the detected regions for association. Although these methods can learn the appearance similarity features to identify the same objects among frames, they have difficulties identifying the same cells because cells have a similar appearance and their shapes change as they migrate. In addition, cells often partially overlap for several frames. In this case, even an expert biologist would require knowledge of the spatial-temporal context in order to identify individual cells. To tackle such difficult situations, we propose a cell-tracking method that can effectively use the spatial-temporal context in multiple frames by using long-term motion estimation and an object-level warping loss. We conducted experiments showing that the proposed method outperformed state-of-the-art methods under various conditions on real biological images.

DOI： 10.1109/WACV51458.2022.00182

Web of Science

Scopus

記述言語：日本語   出版者・発行元：公益社団法人 土木学会  

<p>近い将来発生が予想される巨大津波に向け，既存の防災教育を強化・改善を求める声が大きくなりつつある．自然災害を仮想的に体験出来るVRは，市民の防災意識醸成に極めて有効であることが実証されつつあり，現実と仮想を重畳した新たな防災教育コンテンツが期待されている．しかし，都市部を模した仮想空間の創造には、構造物の写実的なテクスチャをマッピングする必要があり，莫大な人的・時間のコストを要する．ここで，Wangらが提案したpix2pixHDは，教師画像及び，ラベルデータ，物体境界データを学習することによって，高解像度の写実的な画像を生成出来ることが示された．本研究では，このpix2pixHDと他の類似領域で学習したネットワークを転用する転移学習を用いて，日本国内の限定的な画像データから，日本国内の都市域テクスチャマッピングを実施した．</p>

DOI： 10.11532/jsceiii.3.j2_551

CiNii Research

記述言語：日本語   出版者・発行元：医用画像情報学会  

DOI： 10.11318/mii.39.14

CiNii Research

出版者・発行元：Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics)  

We propose a deep low-rank alignment network that can simultaneously perform non-rigid alignment and noise decomposition for multiple images despite severe noise and sparse corruptions. To address this challenging task, we introduce a low-rank loss in deep learning under the assumption that a set of well-aligned, well-denoised images should be linearly correlated, and thus, that a matrix consisting of the images should be low-rank. This allows us to remove the noise and corruption from input images in a self-supervised learning manner (i.e., without requiring supervised data). In addition, we introduce multi-input attention modules into Siamese U-nets in order to aggregate the corruption information from the set of images. To the best of our knowledge, this is the first attempt to introduce a low-rank loss for deep learning-based non-rigid alignment. Experiments using both synthetic data and real medical image data demonstrate the effectiveness of the proposed method. The code will be publicly available in https://github.com/asanomitakanori/Unsupervised-Deep-Non-Rigid-Alignment-by-Low-Rank-Loss-and-Multi-Input-Attention.

DOI： 10.1007/978-3-031-16446-0_18

Web of Science

Scopus

出版者・発行元：IEEE Computer Society Conference on Computer Vision and Pattern Recognition Workshops  

Multi-class cell detection (cancer or non-cancer) from a whole slide image (WSI) is an important task for pathological diagnosis. Cancer and non-cancer cells often have a similar appearance, so it is difficult even for experts to classify a cell from a patch image of individual cells. They usually identify the cell type not only on the basis of the appearance of a single cell but also on the context of the surrounding cells. For using such information, we propose a multi-class cell-detection method that introduces a modified self-attention to aggregate the surrounding image features of both classes. Experimental results demonstrate the effectiveness of the proposed method; our method achieved the best performance compared with a method, which simply uses the standard self-attention method.

DOI： 10.1109/CVPRW56347.2022.00202

Web of Science

Scopus

出版者・発行元：Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics)  

Automatic image-based disease severity estimation generally uses discrete (i.e., quantized) severity labels. Annotating discrete labels is often difficult due to the images with ambiguous severity. An easier alternative is to use relative annotation, which compares the severity level between image pairs. By using a learning-to-rank framework with relative annotation, we can train a neural network that estimates rank scores that are relative to severity levels. However, the relative annotation for all possible pairs is prohibitive, and therefore, appropriate sample pair selection is mandatory. This paper proposes a deep Bayesian active-learning-to-rank, which trains a Bayesian convolutional neural network while automatically selecting appropriate pairs for relative annotation. We confirmed the efficiency of the proposed method through experiments on endoscopic images of ulcerative colitis. In addition, we confirmed that our method is useful even with the severe class imbalance because of its ability to select samples from minor classes automatically.

DOI： 10.1007/978-3-031-12053-4_45

Web of Science

Scopus

記述言語：英語   掲載種別：研究論文（国際会議プロシーディングス）  

DOI： 10.1109/EMBC46164.2021.9630809

記述言語：英語   掲載種別：研究論文（国際会議プロシーディングス）  

DOI： 10.1109/EMBC46164.2021.9630720

記述言語：英語   掲載種別：研究論文（国際会議プロシーディングス）  

記述言語：英語   掲載種別：研究論文（国際会議プロシーディングス）  

DOI： https://doi.org/10.1007/978-3-030-87196-3_44

記述言語：英語   掲載種別：研究論文（国際会議プロシーディングス）  

DOI： 10.1007/978-3-030-87237-3_36

記述言語：英語   掲載種別：研究論文（国際会議プロシーディングス）  

DOI： 10.1007/978-3-030-87237-3_41

記述言語：英語   掲載種別：研究論文（国際会議プロシーディングス）  

記述言語：英語   掲載種別：研究論文（学術雑誌）  

記述言語：英語   掲載種別：研究論文（国際会議プロシーディングス）  

記述言語：英語   掲載種別：研究論文（学術雑誌）  

DOI： 10.1038/s41598-019-47213-5

記述言語：英語   掲載種別：研究論文（国際会議プロシーディングス）  

DOI： 10.1007/978-3-030-32239-7_44

記述言語：英語   掲載種別：研究論文（国際会議プロシーディングス）  

DOI： 10.1007/978-3-030-32254-0_47

記述言語：英語   掲載種別：研究論文（国際会議プロシーディングス）  

DOI： 10.1007/978-3-030-32239-7_72

記述言語：英語   掲載種別：研究論文（国際会議プロシーディングス）  

DOI： 10.1109/EMBC.2019.8857011

記述言語：英語   掲載種別：研究論文（国際会議プロシーディングス）  

DOI： 10.1109/EMBC.2019.8856465

記述言語：英語   掲載種別：研究論文（国際会議プロシーディングス）  

DOI： 10.1109/ISBI.2019.8759249

記述言語：英語   掲載種別：研究論文（学術雑誌）  

DOI： 10.1177/1753193418807833

記述言語：英語   掲載種別：研究論文（学術雑誌）   出版者・発行元：IEEE Transactions on Pattern Analysis and Machine Intelligence  

Recognizing wet surfaces and their degrees of wetness is essential for many computer vision applications. Surface wetness can inform us slippery spots on a road to autonomous vehicles, muddy areas of a trail to humanoid robots, and the freshness of groceries to us. The fact that surfaces darken when wet, i.e., monochromatic appearance change, has been modeled to recognize wet surfaces in the past. In this paper, we show that color change, particularly in its spectral behavior, carries rich information about surface wetness. We first derive an analytical spectral appearance model of wet surfaces that expresses the characteristic spectral sharpening due to multiple scattering and absorption in the surface. We present a novel method for estimating key parameters of this spectral appearance model, which enables the recovery of the original surface color and the degree of wetness from a single multispectral image. Applied to a multispectral image, the method estimates the spatial map of wetness together with the dry spectral distribution of the surface. To our knowledge, this is the first work to model and leverage the spectral characteristics of wet surfaces to decipher its appearance. We conduct comprehensive experimental validation with a number of wet real surfaces. The results demonstrate the accuracy of our model and the effectiveness of our method for surface wetness and color estimation.

DOI： 10.1109/TPAMI.2019.2903496

Scopus

その他リンク： https://ieeexplore.ieee.org/document/8661549

記述言語：英語   掲載種別：研究論文（学術雑誌）  

DOI： 10.1038/sdata.2018.237

記述言語：英語   掲載種別：研究論文（学術雑誌）  

DOI： 10.1016/j.jdermsci.2018.07.006

記述言語：英語   掲載種別：研究論文（国際会議プロシーディングス）  

DOI： 10.1007/978-3-319-66185-8_2

記述言語：英語   掲載種別：研究論文（国際会議プロシーディングス）  

DOI： 10.1109/ICCVW.2017.20

記述言語：英語   掲載種別：研究論文（国際会議プロシーディングス）  

DOI： 10.1007/978-3-319-66182-7_80

記述言語：英語   掲載種別：研究論文（国際会議プロシーディングス）  

DOI： 10.1007/978-3-319-46726-9_38

記述言語：英語   掲載種別：研究論文（国際会議プロシーディングス）  

DOI： 10.1109/CVPRW.2016.168

記述言語：英語   掲載種別：研究論文（学術雑誌）  

DOI： 10.1016/j.mvr.2015.12.005

記述言語：英語   掲載種別：研究論文（国際会議プロシーディングス）  

DOI： 10.2316/P.2013.791-057

記述言語：英語   掲載種別：研究論文（学術雑誌）  

DOI： 10.1016/j.jbiomech.2012.01.032

記述言語：英語   掲載種別：研究論文（学術雑誌）  

記述言語：英語   掲載種別：研究論文（学術雑誌）  

DOI： 10.1371/journal.pone.0027672

記述言語：英語   掲載種別：研究論文（国際会議プロシーディングス）  

DOI： 10.1109/ISBI.2011.5872571

記述言語：英語   掲載種別：研究論文（国際会議プロシーディングス）  

DOI： 10.1109/ISBI.2011.5872832

記述言語：英語   掲載種別：研究論文（学術雑誌）  

DOI： 10.1109/TMI.2010.2089384

記述言語：英語   掲載種別：研究論文（国際会議プロシーディングス）  

DOI： 10.1109/WACV.2011.5711528

記述言語：英語   掲載種別：研究論文（学術雑誌）  

DOI： 10.1109/TMI.2010.2089384

記述言語：英語   掲載種別：研究論文（国際会議プロシーディングス）  

DOI： 10.1109/ISBI.2010.5490394

記述言語：英語   掲載種別：研究論文（国際会議プロシーディングス）  

DOI： 10.1109/ISBI.2010.5490399

記述言語：英語   掲載種別：研究論文（国際会議プロシーディングス）  

記述言語：英語   掲載種別：研究論文（学術雑誌）  

DOI： 10.1109/TCSI.2003.819827

記述言語：英語   掲載種別：研究論文（学術雑誌）  

DOI： 10.1109/TCSI.2003.819827

記述言語：英語   掲載種別：研究論文（国際会議プロシーディングス）  

開催年月日： 2024年3月

記述言語：日本語   会議種別：口頭発表（一般）  

開催地：沖縄青年会館，那覇市   国名：日本国  

開催年月日： 2024年3月

記述言語：日本語   会議種別：口頭発表（一般）  

開催地：広島大学，東広島市   国名：日本国  

開催年月日： 2024年3月

記述言語：日本語   会議種別：口頭発表（一般）  

開催地：沖縄青年会館，那覇市   国名：日本国  

開催年月日： 2024年3月

記述言語：日本語   会議種別：口頭発表（一般）  

開催地：沖縄青年会館，那覇市   国名：日本国  

開催年月日： 2023年12月

記述言語：日本語   会議種別：口頭発表（一般）  

開催地：富山国際会議場，富山市   国名：日本国  

開催年月日： 2023年12月

記述言語：日本語   会議種別：口頭発表（一般）  

開催地：富山国際会議場，富山市   国名：日本国  

開催年月日： 2023年12月 - 2022年12月

記述言語：日本語   会議種別：口頭発表（一般）  

開催地：富山国際会議場，富山市   国名：日本国  

開催年月日： 2023年11月

記述言語：日本語   会議種別：口頭発表（一般）  

開催地：鳥取県立生涯学習センター, 鳥取市   国名：日本国  

開催年月日： 2023年11月

記述言語：日本語   会議種別：口頭発表（一般）  

開催地：鳥取県立生涯学習センター, 鳥取市   国名：日本国  

開催年月日： 2023年11月

記述言語：日本語   会議種別：口頭発表（一般）  

開催地：久留米シティプラザ，久留米市   国名：日本国  

開催年月日： 2023年10月

記述言語：英語   会議種別：口頭発表（一般）  

開催年月日： 2023年9月

記述言語：日本語   会議種別：口頭発表（一般）  

国名：日本国  

開催年月日： 2023年9月

記述言語：日本語   会議種別：口頭発表（一般）  

国名：日本国  

開催年月日： 2023年9月

記述言語：日本語   会議種別：口頭発表（一般）  

国名：日本国  

開催年月日： 2023年9月

記述言語：日本語   会議種別：口頭発表（一般）  

国名：日本国  

開催年月日： 2023年7月

記述言語：日本語  

開催地：浜松   国名：日本国  

開催年月日： 2023年7月

記述言語：日本語  

開催地：浜松   国名：日本国  

開催年月日： 2023年7月

記述言語：日本語  

開催地：浜松   国名：日本国  

開催年月日： 2023年3月

記述言語：日本語   会議種別：口頭発表（一般）  

開催地：沖縄青年会館，那覇市   国名：日本国  

開催年月日： 2023年3月

記述言語：日本語   会議種別：口頭発表（一般）  

開催地：沖縄青年会館，那覇市   国名：日本国  

開催年月日： 2023年3月

記述言語：日本語   会議種別：口頭発表（一般）  

開催地：はこだて未来大学，函館市   国名：日本国  

開催年月日： 2023年3月

記述言語：日本語   会議種別：口頭発表（一般）  

開催地：はこだて未来大学，函館市   国名：日本国  

開催年月日： 2023年1月

記述言語：日本語   会議種別：口頭発表（一般）  

国名：日本国  

開催年月日： 2022年7月

記述言語：日本語  

国名：日本国  

開催年月日： 2022年7月

記述言語：日本語  

国名：日本国  

開催年月日： 2022年7月

記述言語：日本語  

開催地：姫路   国名：日本国  

開催年月日： 2022年7月

記述言語：日本語  

開催地：姫路   国名：日本国  

開催年月日： 2022年7月

記述言語：日本語  

開催地：姫路   国名：日本国  

開催年月日： 2022年5月

記述言語：日本語   会議種別：口頭発表（一般）  

開催地：豊田工業大学   国名：日本国  

開催年月日： 2022年2月

記述言語：日本語   会議種別：口頭発表（招待・特別）  

開催地：online   国名：日本国  

開催年月日： 2022年1月

記述言語：日本語   会議種別：口頭発表（招待・特別）  

開催地：online   国名：日本国  

開催年月日： 2021年12月

記述言語：日本語   会議種別：口頭発表（一般）  

開催地：online   国名：日本国  

開催年月日： 2021年12月

記述言語：日本語   会議種別：口頭発表（一般）  

開催地：online   国名：日本国  

開催年月日： 2021年9月

記述言語：日本語   会議種別：口頭発表（一般）  

開催地：online   国名：日本国  

開催年月日： 2021年9月

記述言語：日本語   会議種別：口頭発表（一般）  

開催地：online   国名：日本国  

開催年月日： 2021年8月

記述言語：日本語   会議種別：口頭発表（一般）  

国名：日本国  

開催年月日： 2021年7月

記述言語：日本語  

国名：日本国  

開催年月日： 2021年7月

記述言語：日本語  

国名：日本国  

開催年月日： 2021年7月

記述言語：日本語  

国名：日本国  

開催年月日： 2021年7月

記述言語：日本語  

国名：日本国  

開催年月日： 2020年10月

記述言語：英語   会議種別：口頭発表（一般）  

国名：日本国  

開催年月日： 2020年10月

記述言語：日本語   会議種別：口頭発表（一般）  

国名：日本国  

開催年月日： 2020年10月

記述言語：日本語  

国名：日本国  

開催年月日： 2020年10月

記述言語：日本語   会議種別：口頭発表（一般）  

開催地：online   国名：日本国  

開催年月日： 2020年10月

記述言語：日本語   会議種別：口頭発表（一般）  

国名：日本国  

開催年月日： 2020年9月

記述言語：日本語   会議種別：口頭発表（一般）  

開催地：online   国名：日本国  

開催年月日： 2020年9月

記述言語：英語   会議種別：口頭発表（一般）  

国名：日本国  

開催年月日： 2020年9月

記述言語：日本語   会議種別：口頭発表（一般）  

開催地：online   国名：日本国  

開催年月日： 2020年8月

記述言語：日本語  

開催地：online   国名：日本国  

開催年月日： 2020年8月

記述言語：日本語   会議種別：口頭発表（一般）  

開催地：online   国名：日本国  

開催年月日： 2020年8月

記述言語：日本語   会議種別：口頭発表（一般）  

国名：日本国  

開催年月日： 2020年8月

記述言語：日本語   会議種別：口頭発表（一般）  

国名：日本国  

開催年月日： 2020年7月

記述言語：日本語  

国名：日本国  

開催年月日： 2020年7月

記述言語：日本語   会議種別：口頭発表（招待・特別）  

開催地：online   国名：日本国  

開催年月日： 2020年5月

記述言語：日本語   会議種別：口頭発表（一般）  

開催地：online   国名：日本国  

開催年月日： 2020年5月

記述言語：日本語   会議種別：口頭発表（一般）  

開催地：online   国名：日本国  

開催年月日： 2020年3月

記述言語：英語   会議種別：口頭発表（一般）  

国名：日本国  

開催年月日： 2020年3月

記述言語：日本語   会議種別：口頭発表（一般）  

国名：日本国  

開催年月日： 2020年2月

記述言語：日本語   会議種別：口頭発表（一般）  

開催地：静岡   国名：日本国  

開催年月日： 2020年1月

記述言語：日本語  

開催地：東京   国名：日本国  

開催年月日： 2020年1月

記述言語：日本語  

開催地：東京   国名：日本国  

開催年月日： 2019年12月

記述言語：日本語   会議種別：口頭発表（一般）  

開催地：大分大学、大分   国名：日本国  

開催年月日： 2019年11月

記述言語：英語  

国名：日本国  

開催年月日： 2019年11月

記述言語：英語  

国名：日本国  

開催年月日： 2019年11月

記述言語：英語  

国名：日本国  

開催年月日： 2019年11月

記述言語：英語  

国名：日本国  

開催年月日： 2019年10月

記述言語：英語  

国名：中華人民共和国  

開催年月日： 2019年10月

記述言語：日本語   会議種別：口頭発表（一般）  

開催地：東京大学、東京   国名：日本国  

開催年月日： 2019年9月

記述言語：日本語   会議種別：口頭発表（一般）  

開催地：岡山大学、岡山   国名：日本国  

開催年月日： 2019年9月

記述言語：日本語   会議種別：口頭発表（一般）  

開催地：九州工業大学、福岡   国名：日本国  

開催年月日： 2019年9月

記述言語：日本語   会議種別：口頭発表（一般）  

開催地：九州工業大学、福岡   国名：日本国  

開催年月日： 2019年9月

記述言語：日本語   会議種別：口頭発表（一般）  

開催地：九州工業大学、福岡   国名：日本国  

開催年月日： 2019年9月

記述言語：日本語   会議種別：口頭発表（一般）  

開催地：岡山大学、岡山   国名：日本国  

開催年月日： 2019年9月

記述言語：日本語   会議種別：口頭発表（一般）  

開催地：岡山大学、岡山   国名：日本国  

開催年月日： 2019年9月

記述言語：日本語   会議種別：口頭発表（一般）  

開催地：岡山大学、岡山   国名：日本国  

開催年月日： 2019年7月

記述言語：英語   会議種別：口頭発表（一般）  

国名：ドイツ連邦共和国  

開催年月日： 2019年7月

記述言語：英語  

国名：ドイツ連邦共和国  

開催年月日： 2019年7月 - 2019年8月

記述言語：日本語   会議種別：口頭発表（一般）  

開催地：大阪府立国際会議場、大阪   国名：日本国  

開催年月日： 2019年7月 - 2019年8月

記述言語：日本語   会議種別：口頭発表（一般）  

国名：日本国  

開催年月日： 2019年7月 - 2019年8月

記述言語：日本語   会議種別：口頭発表（一般）  

開催地：大阪府立国際会議場、大阪   国名：日本国  

開催年月日： 2019年6月

記述言語：日本語  

開催地：神戸   国名：日本国  

開催年月日： 2019年6月

記述言語：日本語  

開催地：神戸   国名：日本国  

開催年月日： 2019年5月

記述言語：日本語   会議種別：口頭発表（一般）  

開催地：国立オリンピック記念青少年総合センター   国名：日本国  

開催年月日： 2019年5月

記述言語：日本語   会議種別：口頭発表（一般）  

開催地：国立オリンピック記念青少年総合センター   国名：日本国  

開催年月日： 2019年4月

記述言語：英語  

国名：イタリア共和国  

開催年月日： 2019年4月

記述言語：日本語  

国名：日本国  

開催年月日： 2019年4月

記述言語：日本語  

国名：日本国  

開催年月日： 2019年4月

記述言語：日本語   会議種別：口頭発表（一般）  

国名：日本国  

開催年月日： 2019年4月

記述言語：日本語   会議種別：口頭発表（一般）  

国名：日本国  

開催年月日： 2019年4月

記述言語：日本語   会議種別：口頭発表（一般）  

国名：日本国  

開催年月日： 2019年4月

記述言語：英語   会議種別：口頭発表（一般）  

国名：日本国  

開催年月日： 2019年4月

記述言語：日本語  

国名：日本国  

開催年月日： 2019年4月

記述言語：英語  

国名：アメリカ合衆国  

開催年月日： 2019年4月

記述言語：日本語   会議種別：口頭発表（一般）  

国名：日本国  

開催年月日： 2019年4月

記述言語：日本語   会議種別：口頭発表（一般）  

国名：日本国  

開催年月日： 2019年4月

記述言語：日本語  

国名：日本国  

開催年月日： 2019年4月

記述言語：日本語  

国名：日本国  

開催年月日： 2019年4月

記述言語：日本語  

国名：日本国  

開催年月日： 2019年4月

記述言語：日本語  

国名：日本国  

開催年月日： 2019年4月

記述言語：日本語  

国名：日本国  

開催年月日： 2019年3月

記述言語：英語  

国名：アメリカ合衆国  

その他リンク： https://www.xcdsystem.com/uscap/program/2019/

開催年月日： 2019年2月

記述言語：日本語  

開催地：仙台   国名：日本国  

開催年月日： 2019年2月

記述言語：日本語  

開催地：仙台   国名：日本国  

開催年月日： 2017年10月

記述言語：英語  

国名：イタリア共和国  

開催年月日： 2017年10月

記述言語：英語   会議種別：口頭発表（一般）  

国名：日本国  

開催年月日： 2017年9月

記述言語：日本語   会議種別：口頭発表（一般）  

開催地：琉球大学   国名：日本国  

開催年月日： 2017年9月

記述言語：日本語   会議種別：口頭発表（一般）  

開催地：琉球大学   国名：日本国  

開催年月日： 2017年8月

記述言語：日本語   会議種別：口頭発表（一般）  

開催地：広島国際会議場   国名：日本国  

開催年月日： 2017年7月

記述言語：英語   会議種別：口頭発表（一般）  

国名：アメリカ合衆国  

開催年月日： 2017年6月

記述言語：日本語   会議種別：口頭発表（一般）  

国名：日本国  

開催年月日： 2017年5月

記述言語：日本語   会議種別：口頭発表（一般）  

国名：日本国  

開催年月日： 2017年4月

記述言語：英語  

国名：日本国  

開催年月日： 2017年4月 - 2018年4月

記述言語：英語   会議種別：口頭発表（一般）  

国名：日本国  

開催年月日： 2016年9月

記述言語：日本語  

国名：日本国  

開催年月日： 2016年6月 - 2016年7月

記述言語：英語  

国名：アメリカ合衆国  

開催年月日： 2013年2月

記述言語：英語  

国名：オーストリア共和国  

開催年月日： 2011年8月 - 2011年9月

記述言語：英語  

国名：アメリカ合衆国  

開催年月日： 2011年3月 - 2011年4月

記述言語：英語  

国名：アメリカ合衆国  

開催年月日： 2011年3月 - 2011年4月

記述言語：英語  

国名：アメリカ合衆国  

開催年月日： 2011年1月

記述言語：英語  

国名：アメリカ合衆国  

開催年月日： 2010年4月

記述言語：英語  

国名：オランダ王国  

開催年月日： 2010年4月

記述言語：英語  

国名：オランダ王国  

開催年月日： 2002年7月

記述言語：英語  

国名：ドイツ連邦共和国  

記述言語：英語  

国名：日本国  

記述言語：英語  

国名：日本国  

記述言語：英語  

国名：その他  

記述言語：日本語  

記述言語：日本語  

記述言語：日本語  

記述言語：英語  

記述言語：日本語  

記述言語：日本語  

記述言語：日本語  

記述言語：日本語  

記述言語：日本語   掲載種別：記事・総説・解説・論説等（学術雑誌）  

記述言語：日本語   掲載種別：記事・総説・解説・論説等（学術雑誌）  

種別：大会・シンポジウム等 

種別：大会・シンポジウム等 

種別：大会・シンポジウム等 

種別：大会・シンポジウム等 

種別：大会・シンポジウム等 

種別：大会・シンポジウム等 

種別：査読等 

外国語雑誌　査読論文数：3

国際会議録　査読論文数：18

種別：大会・シンポジウム等 

種別：大会・シンポジウム等 

種別：大会・シンポジウム等 

種別：大会・シンポジウム等 

種別：査読等 

外国語雑誌　査読論文数：4

国際会議録　査読論文数：20

種別：大会・シンポジウム等 

種別：大会・シンポジウム等 

参加者数：7,500

種別：大会・シンポジウム等 

種別：査読等 

外国語雑誌　査読論文数：2

国際会議録　査読論文数：14

種別：大会・シンポジウム等 

種別：査読等 

外国語雑誌　査読論文数：3

日本語雑誌　査読論文数：3

国際会議録　査読論文数：16

国内会議録　査読論文数：2

種別：大会・シンポジウム等 

種別：大会・シンポジウム等 

種別：査読等 

外国語雑誌　査読論文数：2

日本語雑誌　査読論文数：1

国際会議録　査読論文数：9

国内会議録　査読論文数：1

種別：査読等 

外国語雑誌　査読論文数：1

日本語雑誌　査読論文数：3

国際会議録　査読論文数：13

国内会議録　査読論文数：0