学習済みディープニューラルネットワークモデルの権利保護に関する研究
学習済みディープニューラルネットワーク(DNN)モデルの権利保護のために、電子透かしをモデル内へ埋め込む技術が注目されている。本研究では、画像分類型DNNモデルを対象とし、その内部パラメータは観測できず、入力画像と出力ラベル値のみが観測できる場合でも、そのDNNモデルを学習させた著作権者の情報を視覚的に取り出すことを実現する。
X線CTやMRIなどで撮影したトモグラフィー像（断層画像）の中から，注目領域だけを検出したり，立体構造を想像することは容易ではありません．画像処理技術や手法の応用により，注目領域のセグメンテーションとラベリング，立体構造の再構成を行い，三次元可視化するためのソフトウェアの開発に取り組んでいます．
トモグラフィー像からの3次元化の流れ
・検討，導入しているセグメンテーション法
動的輪郭法Snakeの応用として提案したR-Centipede法を用いた輪郭抽出例．エッジの検出には極小領域の平均や分散といった統計情報を利用しています．
画像領域分割法として広く用いられているWatershed法やその拡張法であるRandom Walker法の拡張に取り組んでいます．具体的にはシードの自動配置，枝状領域への最適な適用方法の検討，深度方向情報の利用などです．
・3次元可視化例
- 超高圧電子顕微鏡による緑藻のトモグラフィ像からの3次元再構成例（左）
- ヒトの下半身のMRI画像からの3次元再構成例（右）
・3Dプリント例
- マウスの頭部CT画像から骨領域だけを抽出し3次元化したもの（上）
- ゴム製の球体の電子顕微鏡像を3次元化したもの（中）
- 緑藻の電子顕微鏡像から外郭と内部構造の一部を3次元化したもの（下）
論文
「A Novel Approach for Investigating Upper Airway Hyperresponsiveness Using Micro-CT in Eosinophilic Upper Airway Inflammation such as Allergic Rhinitis Model」(2019)『Biomolecules』9(7)p.252.
「HawkC: computer-aided 3D visualization and analysis software for electron tomography(IMC2014発表論文一覧) -- (Type of presentation : Oral)」(2014)『大阪大学超高圧電子顕微鏡センター年報』43p.33-35.
「R-centipede モデルを用いたトモグラフィー電子顕微鏡像からの輪郭抽出の高速化手法」(2013)『医用画像情報学会雑誌』30(4)p.95-100.
研究シーズ・教員に対しての問合せや相談事項はこちら
技術相談申込フォーム