| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2026-03-06 14:39 ［ショートペーパー］コンフォーマル予測による悪性リンパ腫病理画像多クラス分類の不確実性定量化 ○橋本典明（理研）・三好寛明（久留米大）・竹内一郎（名大/理研）  MI2025-108 |
|
| 抄録 | （和） | 機械学習モデルの臨床応用において，予測の信頼性保証は重要な課題である．本研究では，不確実性定量化手法の一つであるコンフォーマル予測に着目し，悪性リンパ腫のwhole slide imageを用いた多クラス分類へ適用しその有効性を実証した．計算機実験では，アテンションベースのマルチインスタンス学習モデルを用い，クラス不均衡を有する実データに対して評価を行った．その結果，クラス条件付きコンフォーマル予測により，各病型において所定の被覆率を安定して達成できることを示した．本手法は，鑑別診断候補を集合として提示する枠組みとして，安全性を考慮したAI診断支援への応用が期待される． |
| （英） | Ensuring the reliability of predictions is a critical challenge in the clinical application of machine learning models. In this study, we focus on conformal prediction as a method for uncertainty quantification and apply it to multi-class classification of malignant lymphoma using whole slide images. Through computational experiments, we evaluated an attention-based multiple instance learning model on real-world data with class imbalance. The results demonstrate that class-conditional conformal prediction can stably achieve the desired coverage rate for each disease subtype. The proposed approach is expected to contribute to safe AI-assisted diagnosis by presenting differential diagnosis candidates as a prediction set. | |
| キーワード | （和） | デジタル病理 / コンフォーマル予測 / 不確実性定量化 / マルチインスタンス学習 / / / / |
| （英） | Digital pathology / Conformal prediction / Uncertainty quantification / Multiple instance learning / / / / | |
| 文献情報 | 信学技報, vol. 125, no. 395, MI2025-108, pp. 177-180, 2026年3月. | |
| 資料番号 | MI2025-108 | |
| 発行日 | 2026-02-26 (MI) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | MI2025-108 |
|
| 研究会情報 | |
| 研究会 | MI |
| 開催期間 | 2026-03-05 - 2026-03-06 |
| 開催地（和） | 沖縄県青年会館 |
| 開催地（英） | OKINAWAKEN SEINENKAIKAN |
| テーマ（和） | 医用画像処理一般・メディカルイメージング連合フォーラム |
| テーマ（英） | Medical Imaging, etc. |
| 講演論文情報の詳細 | |
| 申込み研究会 | MI |
| 会議コード | 2026-03-MI |
| 本文の言語 | 日本語 |
| タイトル（和） | コンフォーマル予測による悪性リンパ腫病理画像多クラス分類の不確実性定量化 |
| サブタイトル（和） | |
| タイトル（英） | Uncertainty Quantification for Multi-Class Classification of Malignant Lymphoma Pathology Images Using Conformal Prediction |
| サブタイトル（英） | |
| キーワード(1)（和/英） | デジタル病理 / Digital pathology |
| キーワード(2)（和/英） | コンフォーマル予測 / Conformal prediction |
| キーワード(3)（和/英） | 不確実性定量化 / Uncertainty quantification |
| キーワード(4)（和/英） | マルチインスタンス学習 / Multiple instance learning |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 橋本 典明 / Noriaki Hashimoto / ハシモト ノリアキ |
| 第1著者 所属（和/英） | 理化学研究所 (略称： 理研) RIKEN (略称： RIKEN) |
| 第2著者 氏名（和/英/ヨミ） | 三好 寛明 / Hiroaki Miyoshi / ミヨシ ヒロアキ |
| 第2著者 所属（和/英） | 久留米大学 (略称： 久留米大) Kurume University (略称： Kurume Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 竹内 一郎 / Ichiro Takeuchi / タケウチ イチロウ |
| 第3著者 所属（和/英） | 名古屋大学/理化学研究所 (略称： 名大/理研) Nagoya University/RIKEN (略称： Nagoya Univ./RIKEN) |
| 講演者 | 第1著者 |
| 発表日時 | 2026-03-06 14:39:00 |
| 発表時間 | 13分 |
| 申込先研究会 | MI |
| 資料番号 | MI2025-108 |
| 巻番号（vol） | vol.125 |
| 号番号（no） | no.395 |
| ページ範囲 | pp.177-180 |
| ページ数 | 4 |
| 発行日 | 2026-02-26 (MI) |
[研究会発表申込システムのトップページに戻る]