| 講演抄録／キーワード |
| 講演名 |
2026-07-03 11:25
Noise-Aware Deep Learning for Drosophila 3D Image Classification
○Md. Humaun Kabir（Grad. School of CSE, Hokkaido University）・Md. Al Mehedi Hasan（RIES, Hokkaido Univ.）・Walker Peterson（Dept. of Chemistry, The Univ. of Tokyo）・Koji Tabata（RIES, Hokkaido Univ.）・Masahiro Sonoshita（Institute for Genetic Medicine, Hokkaido Univ.）・Keisuke Goda（Dept. of Chemistry, The Univ. of Tokyo）・Tamiki Komatsuzaki（RIES, Hokkaido Univ.）  NC2026-10 IBISML2026-10 |
| 抄録 |
（和） |
Deep neural networks often assume clean labels and confident predictions. However, real-world datasets frequently contain label noise, ambiguity, and low-quality samples, leading to overconfident errors. This issue is particularly critical in safety-sensitive applications such as medical diagnosis, drug screening, autonomous driving, and financial forecasting, where misclassification can have serious consequences. This study addresses robust learning from noisy and ambiguous data and reliable decision-making under uncertainty. A pretrained ResNet-18 is integrated with several noise- and uncertainty-aware selective prediction methods, including SelectiveNet, RISAN, and Learning-to-Defer. Experimental results show that RISAN outperforms the other methods, improving robustness and decision reliability in safety-critical and high-stakes applications. |
| （英） |
Deep neural networks often assume clean labels and confident predictions. However, real-world datasets frequently contain label noise, ambiguity, and low-quality samples, leading to overconfident errors. This issue is particularly critical in safety-sensitive applications such as medical diagnosis, drug screening, autonomous driving, and financial forecasting, where misclassification can have serious consequences. This study addresses robust learning from noisy and ambiguous data and reliable decision-making under uncertainty. A pretrained ResNet-18 is integrated with several noise- and uncertainty-aware selective prediction methods, including SelectiveNet, RISAN, and Learning-to-Defer. Experimental results show that RISAN outperforms the other methods, improving robustness and decision reliability in safety-critical and high-stakes applications. |
| キーワード |
（和） |
Reliable AI / Abstention / Learning-to-Abstain / Learning-to-Defer / Noisy Labels / Selective Prediction / / |
| （英） |
Reliable AI / Abstention / Learning-to-Abstain / Learning-to-Defer / Noisy Labels / Selective Prediction / / |
| 文献情報 |
信学技報, vol. 126, no. 91, IBISML2026-10, pp. 38-45, 2026年7月. |
| 資料番号 |
IBISML2026-10 |
| 発行日 |
2026-06-25 (NC, IBISML) |
| 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 |
NC2026-10 IBISML2026-10 |
| 研究会情報 |
| 研究会 |
NC IBISML IPSJ-BIO IPSJ-MPS |
| 開催期間 |
2026-07-01 - 2026-07-03 |
| 開催地（和） |
沖縄科学技術大学院大学 |
| 開催地（英） |
OIST |
| テーマ（和） |
機械学習、一般 |
| テーマ（英） |
|
| 講演論文情報の詳細 |
| 申込み研究会 |
IBISML |
| 会議コード |
2026-07-NC-IBISML-BIO-MPS |
| 本文の言語 |
英語 |
| タイトル（和） |
|
| サブタイトル（和） |
|
| タイトル（英） |
Noise-Aware Deep Learning for Drosophila 3D Image Classification |
| サブタイトル（英） |
|
| キーワード(1)（和/英） |
Reliable AI / Reliable AI |
| キーワード(2)（和/英） |
Abstention / Abstention |
| キーワード(3)（和/英） |
Learning-to-Abstain / Learning-to-Abstain |
| キーワード(4)（和/英） |
Learning-to-Defer / Learning-to-Defer |
| キーワード(5)（和/英） |
Noisy Labels / Noisy Labels |
| キーワード(6)（和/英） |
Selective Prediction / Selective Prediction |
| 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） |
Md. Humaun Kabir / Md. Humaun Kabir / |
| 第1著者 所属（和/英） |
Graduate School of Chemical Sciences and Eng., Hokkaido Univ. (略称： Grad. School of CSE, Hokkaido University)
Graduate School of Chemical Sciences and Eng., Hokkaido Univ. (略称： Grad. School of CSE, Hokkaido University) |
| 第2著者 氏名（和/英/ヨミ） |
Md. Al Mehedi Hasan / Md. Al Mehedi Hasan / |
| 第2著者 所属（和/英） |
Research Institute for Electronic Science, Hokkaido University (略称： RIES, Hokkaido Univ.)
Research Institute for Electronic Science, Hokkaido University (略称： RIES, Hokkaido Univ.) |
| 第3著者 氏名（和/英/ヨミ） |
Walker Peterson / Walker Peterson / |
| 第3著者 所属（和/英） |
Department of Chemistry, The University of Tokyo (略称： Dept. of Chemistry, The Univ. of Tokyo)
Department of Chemistry, The University of Tokyo (略称： Dept. of Chemistry, The Univ. of Tokyo) |
| 第4著者 氏名（和/英/ヨミ） |
Koji Tabata / Koji Tabata / |
| 第4著者 所属（和/英） |
Research Institute for Electronic Science, Hokkaido University (略称： RIES, Hokkaido Univ.)
Research Institute for Electronic Science, Hokkaido University (略称： RIES, Hokkaido Univ.) |
| 第5著者 氏名（和/英/ヨミ） |
Masahiro Sonoshita / Masahiro Sonoshita / |
| 第5著者 所属（和/英） |
Institute for Genetic Medicine, Hokkaido University (略称： Institute for Genetic Medicine, Hokkaido Univ.)
Institute for Genetic Medicine, Hokkaido University (略称： Institute for Genetic Medicine, Hokkaido Univ.) |
| 第6著者 氏名（和/英/ヨミ） |
Keisuke Goda / Keisuke Goda / |
| 第6著者 所属（和/英） |
Department of Chemistry, The University of Tokyo (略称： Dept. of Chemistry, The Univ. of Tokyo)
Department of Chemistry, The University of Tokyo (略称： Dept. of Chemistry, The Univ. of Tokyo) |
| 第7著者 氏名（和/英/ヨミ） |
Tamiki Komatsuzaki / Tamiki Komatsuzaki / |
| 第7著者 所属（和/英） |
Research Institute for Electronic Science, Hokkaido University (略称： RIES, Hokkaido Univ.)
Research Institute for Electronic Science, Hokkaido University (略称： RIES, Hokkaido Univ.) |
| 第8著者 氏名（和/英/ヨミ） |
/ / |
| 第8著者 所属（和/英） |
(略称： )
(略称： ) |
| 第9著者 氏名（和/英/ヨミ） |
/ / |
| 第9著者 所属（和/英） |
(略称： )
(略称： ) |
| 第10著者 氏名（和/英/ヨミ） |
/ / |
| 第10著者 所属（和/英） |
(略称： )
(略称： ) |
| 第11著者 氏名（和/英/ヨミ） |
/ / |
| 第11著者 所属（和/英） |
(略称： )
(略称： ) |
| 第12著者 氏名（和/英/ヨミ） |
/ / |
| 第12著者 所属（和/英） |
(略称： )
(略称： ) |
| 第13著者 氏名（和/英/ヨミ） |
/ / |
| 第13著者 所属（和/英） |
(略称： )
(略称： ) |
| 第14著者 氏名（和/英/ヨミ） |
/ / |
| 第14著者 所属（和/英） |
(略称： )
(略称： ) |
| 第15著者 氏名（和/英/ヨミ） |
/ / |
| 第15著者 所属（和/英） |
(略称： )
(略称： ) |
| 第16著者 氏名（和/英/ヨミ） |
/ / |
| 第16著者 所属（和/英） |
(略称： )
(略称： ) |
| 第17著者 氏名（和/英/ヨミ） |
/ / |
| 第17著者 所属（和/英） |
(略称： )
(略称： ) |
| 第18著者 氏名（和/英/ヨミ） |
/ / |
| 第18著者 所属（和/英） |
(略称： )
(略称： ) |
| 第19著者 氏名（和/英/ヨミ） |
/ / |
| 第19著者 所属（和/英） |
(略称： )
(略称： ) |
| 第20著者 氏名（和/英/ヨミ） |
/ / |
| 第20著者 所属（和/英） |
(略称： )
(略称： ) |
| 第21著者 氏名（和/英/ヨミ） |
/ / |
| 第21著者 所属（和/英） |
(略称： )
(略称： ) |
| 第22著者 氏名（和/英/ヨミ） |
/ / |
| 第22著者 所属（和/英） |
(略称： )
(略称： ) |
| 第23著者 氏名（和/英/ヨミ） |
/ / |
| 第23著者 所属（和/英） |
(略称： )
(略称： ) |
| 第24著者 氏名（和/英/ヨミ） |
/ / |
| 第24著者 所属（和/英） |
(略称： )
(略称： ) |
| 第25著者 氏名（和/英/ヨミ） |
/ / |
| 第25著者 所属（和/英） |
(略称： )
(略称： ) |
| 第26著者 氏名（和/英/ヨミ） |
/ / |
| 第26著者 所属（和/英） |
(略称： )
(略称： ) |
| 第27著者 氏名（和/英/ヨミ） |
/ / |
| 第27著者 所属（和/英） |
(略称： )
(略称： ) |
| 第28著者 氏名（和/英/ヨミ） |
/ / |
| 第28著者 所属（和/英） |
(略称： )
(略称： ) |
| 第29著者 氏名（和/英/ヨミ） |
/ / |
| 第29著者 所属（和/英） |
(略称： )
(略称： ) |
| 第30著者 氏名（和/英/ヨミ） |
/ / |
| 第30著者 所属（和/英） |
(略称： )
(略称： ) |
| 第31著者 氏名（和/英/ヨミ） |
/ / |
| 第31著者 所属（和/英） |
(略称： )
(略称： ) |
| 第32著者 氏名（和/英/ヨミ） |
/ / |
| 第32著者 所属（和/英） |
(略称： )
(略称： ) |
| 第33著者 氏名（和/英/ヨミ） |
/ / |
| 第33著者 所属（和/英） |
(略称： )
(略称： ) |
| 第34著者 氏名（和/英/ヨミ） |
/ / |
| 第34著者 所属（和/英） |
(略称： )
(略称： ) |
| 第35著者 氏名（和/英/ヨミ） |
/ / |
| 第35著者 所属（和/英） |
(略称： )
(略称： ) |
| 第36著者 氏名（和/英/ヨミ） |
/ / |
| 第36著者 所属（和/英） |
(略称： )
(略称： ) |
| 講演者 |
第1著者 |
| 発表日時 |
2026-07-03 11:25:00 |
| 発表時間 |
25分 |
| 申込先研究会 |
IBISML |
| 資料番号 |
NC2026-10, IBISML2026-10 |
| 巻番号（vol） |
vol.126 |
| 号番号（no） |
no.90(NC), no.91(IBISML) |
| ページ範囲 |
pp.38-45 |
| ページ数 |
8 |
| 発行日 |
2026-06-25 (NC, IBISML) |
|