Stake.comレビュー→ Stake.com 評判・オッズ・登録ガイド

立命館大学　研究者学術情報データベース English>> TOPページ TOPページ > 李　印豪 （最終更新日 : 2022-09-23 19:33:47） リ インゴウ 李　印豪 LI YINHAO 所属 情報理工学部 情報理工学科 職名 助教 業績 その他所属 プロフィール 学歴 職歴 委員会・協会等 所属学会 資格・免許 研究テーマ 研究概要 研究概要（関連画像） 現在の専門分野 研究 著書 論文 その他 学会発表 その他研究活動 講師・講演 受賞学術賞 科学研究費助成事業 競争的資金等(科研費を除く) 共同・受託研究実績 取得特許 研究高度化推進制度 教育 授業科目 教育活動 社会活動 社会における活動 研究交流希望テーマ その他 研究者からのメッセージ ホームページ メールアドレス 科研費研究者番号 researchmap研究者コード 外部研究者ID 学歴 1. 2018/04～2021/03 立命館大学 情報理工学研究科 情報理工学専攻 博士後期課程 修了 博士（工学） 2. 2016/04～2018/03 立命館大学 情報理工学研究科 情報理工学専攻 博士前期課程 修了 修士（工学） 職歴 1. 2022/04/01 ～ 立命館大学 情報理工学部 助教 2. 2021/05 ～ 2022/03 Zhejiang Lab (Hangzhou, China) ポスドク 3. 2019/04 ～ 2021/03 立命館大学 日本学術振興会特別研究員（DC2） 研究テーマ 1. 肝臓画像報告およびデータシステム（LI-RADS）は、肝臓画像の用語、技術、解釈、報告、およびデータ収集を標準化するための包括的なシステムです。このシステムは、肝腫瘍の悪性度を判断するための標準化されたプロセスを開発し、画像所見の医師による解釈のばらつきを減らします。しかし、医師はLI-RADSに基づいて判断する際の手続きが複雑であるため、長い時間を費やす必要があります。最近、いくつかの研究では、ディープラーニングを使用してLI-RADSベースの肝病変分類を実行し、インテリジェントな肝病変の評価の可能性を確認しています。ただし、精度が低いため、既存の方法では臨床使用には不十分です。また、既存の手法では分類結果しか得られず、分類基準が不足しているため、医師に信頼されにくくて、実用化の妨げとなっています。この研究では、マルチタスク畳み込みニューラルネットワークに基づく信頼性の高いインテリジェントなLI-RADSを提案します。手動LI-RADS分類は、主に4つの病理学的特徴に従って判断されるため、この研究では、マルチタスクモデルを使用して、4つの分岐構造を確立し、それぞれ異なる病理学的特徴を抽出および分析して、メインタスクにさらに豊かで効果的な深い特徴を提供します（つまり、モデルのパフォーマンスを向上させるLI-RADS分類モデル）。一方、各支部は主要な特徴の分析結果を提供することができ、実際の使用では、信頼性の参考となるように、主要な特徴の結果をLI-RADS分類結果とともに医師に提供することができます。この研究は、信頼性が高く高精度な肝臓癌のLI-RADS分類を実現するマルチタスクディープラーニングフレームワークを提案した最初の研究です。 現在の専門分野 知覚情報処理, 知能情報学 (キーワード：画像処理、人工知能) 著書 1. 2020 Medical Image Enhancement Using Deep Learning │ Deep Learning in Healthcare │ ,53-76頁 (共著)   論文 1. 2021 VolumeNet: A Lightweight Parallel Network for Super-Resolution of Medical Volumetric Data │ 30,4840-4854頁 (共著)   2. 2019 Novel image restoration method based on multi-frame super-resolution for atmospherically distorted images │ 14 (1),168-175頁 (共著)   3. 2018 Computer Simulation of Image Distortion by Atmospheric Turbulence Using Time-Series Image Data with 250-Million-Pixels │ 10 (1),53-61頁 (共著)   学会発表 1. 2022/06/20 A Unified Framework for Preoperative Early Recurrence Prediction of Hepatocellular Carcinoma with Multi-phase CT Images (Innovation in Medicine and Healthcare) 2. 2021/09/27 Patch-Free 3D Medical Image Segmentation Driven by Super-Resolution Technique and Self-Supervised Guidance (International Conference on Medical Image Computing and Computer-Assisted Intervention) 3. 2020/11/30 Parallel-Connected Residual Channel Attention Network for Remote Sensing Image Super-Resolution (ACCV Workshop on Machine Learning and Computing for Visual Semantic Analysis) 4. 2020/10/13 A Lightweight Deep Network for 3D Medical Image Segmentation (2020 IEEE 9th Global Conference on Consumer Electronics (GCCE)) 5. 2020/06/20 A 3D Shrinking-and-Expanding Module with Channel Attention for Efficient Deep Learning-Based Super-Resolution (10th International Conference on Innovation in Medicine and Healthcare) 全件表示（10件） 受賞学術賞 1. 2018/01 ICCE2018 Best Poster Video Award 2. 2018/01 IEEE CE East Japan Chapter ICCE Young Scientist Paper Award 科学研究費助成事業 1. 2021/04/01 ～ 2024/03/31 フェーズアテンションネットを用いた弱教師学習による肝臓腫瘍性病変の診断支援 │ 基盤研究(B)   2. 2020/04/01 ～ 2025/03/31 弱教師深層学習と計算解剖モデルの統合による肝臓がんの診断支援 │ 国際共同研究加速基金（国際共同研究強化）(B)   3. 2019/04/01 ～ 2021/03/31 大気歪み画像モデルを組み込んだ深層学習によるリモートセンシング画像の画質改善 │ 特別研究員奨励費   メールアドレス 科研費研究者番号 90962465 researchmap研究者コード R000037218 外部研究者ID ORCID ID 0000-0002-8924-5279 © Ritsumeikan Univ. All rights reserved.