テラヘルツ電磁波の超高感度検出に成功

情報通信においては、情報を送る電磁波の周波数帯域をどれだけ利用できるかで通信速度が決まります。テラヘルツ電磁波は非常に高い周波数を持ち、帯域も広く利用する事が可能なため、次世代の超高速・大容量通信への応用が期待されています。また、X線や光、電波などには無いユニークな特徴を持つことから、イメージングやセンシング、分光などへの応用も期待され、世界中で研究開発が進められています。しかし、テラヘルツ電磁波技術は、現時点では社会にはほとんど普及しておらず、実用化にはいくつかの課題があります。その障壁の一つは、テラヘルツ電磁波を効率良く検出する事が難しい点にあります。

テラヘルツ電磁波は、量子エネルギーが低いため人体などには安全とされていますが、通常の半導体や焦電素子では高感度に検出する事が難しくなります。そこで野竹教授は「非線形光学効果」と呼ばれる現象を活用してテラヘルツ電磁波を光へ変換し、光検出用のセンサで効率良く検出する事に成功しました。この手法では、レーザー光やテラヘルツ電磁波を誘電体に照射することで、結晶内の電子分極が非線形に応答し、テラヘルツ電磁波の情報が転写された新しい別の光が生成されます。これを光センサで検出することで、現在テラヘルツ電磁波の検出に一般的に使われている焦電検出器に比べて、100万倍もの高感度な検出が可能となりました。光のセンサは既に研究開発が進んでおり、市場規模も大きいため、高性能なものが安価に入手可能です。この点も、実用化に向けた大きな利点になっています。

超高速情報通信からイメージングまで
テラヘルツ電磁波の応用研究

開発した超高感度な検出手法を応用して、テラヘルツ電磁波でしか実現できない特殊なイメージング・センシング技術の開発にも取り組んでいます。観測対象から、これまで人類が得ることのできなかった未知の情報を抽出し、認識・理解しようとする研究は新たな情報通信技術の開拓とも言えます。また野竹教授の研究では非線形光学現象を応用していますが、この現象を用いることで、量子もつれ状態にある光子対を生成することも可能です。量子もつれ光子対を利用することで、絶対に盗聴不可能な究極のセキュリティを有する「量子通信」と呼ばれる最先端情報通信技術の開発にも繋がります。

これらさまざまな情報通信技術の研究に、通信工学科の学生とともに取り組んでいます。

The post 次世代の電磁波で、<br>超高速情報通信やイメージング技術の実現を目指す appeared first on WHO’S LAB ｜大阪電気通信大学研究室紹介サイト.

誰でも簡単に
プロジェクションマッピングができる!?

映像を立体物に投影するプロジェクションマッピングは、アートやエンターテインメントだけでなく、近年では製造業や教育などさまざまな分野へと用途が広がっています。単に視覚的な演出というだけでなく、空間をメディア化する技術へと進化を遂げています。

プロジェクションマッピングでは、立体物の形に合わせて映像を正確に変形する必要があります。立体物の外に映像がはみ出ないよう外形に合わせて映像を切り出し、さらに、2Dの映像を表面が凸凹した立体に投影してもゆがんだりしないような変形処理が不可欠です。投影する対象が人体や動物、車など自由曲面で構成された立体だと、その変形を画素単位の非常にきめ細かなレベルで行う必要があります。

永野教授はこうした手間のかかる処理を自動化し、誰でも簡単にプロジェクションマッピングができる技術を研究しています。マネキンの胸像に顔の画像を投影する装置・アプリの開発では、10分程度で簡単にプロジェクションマッピングができる自動化システムを実現しました。

また、プロジェクター4台を使って4方向から映像を立体物に投影し、360度から鑑賞できるシステムの開発にも挑戦中です。さらに研究を進め、博物館などで展示物に映像を投影して、ARのように文字や映像の情報をスマートフォンやヘッドマウントディスプレイなしで楽しめるようなシステムの開発をめざしています。

遠隔地から脳血管カテーテル治療ができる　
ロボットシステムの開発

永野教授は、医療現場の問題解決にもチャレンジしています。脳動脈瘤やくも膜下出血など脳血管の病気の治療法として、カテーテルと呼ばれる細い管を血管内に通して治療する脳血管内治療があります。開頭手術に比べて患者の負担が少ないため、近年、急速に発展しています。一方で、これは脳血管をX線で造影しながら行う長時間にわたることも多い治療で、医師など医療従事者の放射線被ばくリスクが問題になっています。

そこで永野教授は、血管内治療支援ロボットを使ってリモートで治療する、遠隔手術システムの開発に研究を進めています。血管内治療支援ロボットは、術者が操作するジョイスティックの傾きデータをロボットに転送し、そのデータに合わせてガイドワイヤーやカテーテルなどのデバイスを駆動するという仕組みです。デバイスに強い力がかかると血管壁を傷つける可能性があるため、ロボットの力加減のコントロールが不可欠。センサーで測定した力加減を音程の高低に変換して術者にフィードバックし、血管壁にかかる圧力の具合をリアルタイムに把握できるようにしています。

2024年には80キロ離れた地点間で模擬手術を実施し、臨床応用につながるさまざまな成果を上げました。今後は、力加減のフィードバック機能をさらに高め、安全なロボット技術の開発を進めるとともに、Wi-Fi回線、WAN回線による実証を重ね実用化をめざします。

The post 実世界の情報収集・分析と<br>デジタル画像処理で社会課題に挑戦 appeared first on WHO’S LAB ｜大阪電気通信大学研究室紹介サイト.

合成画像による学習で
より高精度な3Dモデルをデータ生成

デジタルツインが注目されているのは、実世界では実験できないようなことをサイバー空間のモデルを使ってシミュレーションできるからです。たとえば、都市を丸ごとモデル化したデジタルツインがあれば、災害による被害のシミュレーションをいろいろな要件（条件）で試行・データ収集でき、その結果、より実効性のある災害対策を立てることができます。

このデジタルツインの生成には、対象となる物や領域の形状をレーザーやカメラ画像によって複数のポイントや角度から3次元計測し、そのデータを1つの３Dモデルに結合（統合）していくことが必要です。このデータ結合のカギとなるのが「位置合わせ」と呼ばれる技術です。位置合わせでは、複数の計測データから目印となるポイントを見つけ、それぞれのデータに対応する部分から、距離感や角度など位置関係を推定して連結していきます。AIを使った技術も開発されていますが、一番の問題は「光の当たり方によって、ものの見え方が変化する」ことでした。AIは、見え方の異なるものを同一物と認識できないため、位置合わせが困難になってしまうのです。

そこで間下教授は、コンピュータによる合成画像で光の当たり方の変化を細かくシミュレーションし、そのデータをAIに学習させることで、効率よく位置合わせを行うという手法を開発。さらに「合成画像では現実の世界の複雑さを完全に再現できない」という根本的な問題に対し、ドメイン適応という技術を駆使。合成画像と実際の画像の違いをうまく調和させることに成功しました。この開発により、AIによる位置合わせは飛躍的に性能がアップ。この技術は拡張現実（AR）にも応用できることから、実画像とCG画像をより自然に統合させることが可能になりました。

見えない部分を想像し、
再現できる技術をめざす

実世界を立体的に写し取る3次元計測では、レーザー光を照射するLiDARと呼ばれる技術や距離が測れるデプスカメラによる撮影画像によって、対象までの距離や位置、形状を点群と呼ばれる点の集合として表現します。

このようなレーザーや撮影画像によるスキャンは比較的大きな領域のデータを自動的に計測できるのがメリット。一方で、対象の表面しかスキャンできず、その表面も何かで隠されて見えなかったり対象の裏側はとらえられなかったりして、データに欠損が生じてしまうことは避けられません。

間下教授は、データの欠損部分についてAIを使って補完し、全体の形状を再現させる技術の開発に挑戦しています。使われているのは、AIの深層学習においてある画像の画風やテクスチャなどスタイルを抽出し、別の画像に適用するスタイル変換の技術です。

レーザーやカメラの目が届かないところはたくさんあります。見えない部分を想像して再現できる能力を高めることで、より精度の高いデジタルツインの開発を可能にすることが期待されています。

The post デジタルツインや拡張現実が超進化！<br>実世界を丸ごと3Dモデル化技術 appeared first on WHO’S LAB ｜大阪電気通信大学研究室紹介サイト.

全ての頂点を一度だけ訪れるツアーを
最小の移動コストで実現するには

TSPとは、セールスマンがグラフ上の頂点（全ての都市）を一度ずつ巡りながら出発地に戻る際の総移動コストが最小の経路を求める「組み合わせ最適化問題」です。この問題は頂点の数が増えるとスーパーコンピュータを使っても百億年以上かかるほどの計算量を必要とする問題で、数学の世界では「NP困難」と呼ばれるクラスの超難問です。

これは物流やITなどでの効率的なモノや情報の伝達にも活用できます。これまでは変化しない静的グラフを想定して計算していました。しかし、近年では状況が変わりつつあります。例えばSNS上で「バズる」トピックが提供されることがあります。これを更新イベントといいますが、これをきっかけに一気に投稿や閲覧が増加しても、ユーザーSNSを使える状態を維持するには、どのサーバからどのサーバに情報を経由させればいいかを計算しなおす必要があります。時間帯によって経路の混み具合（＝辺の重み）が変わると、ツアー（巡回路）も変える必要があります。

阿部研究室では、グラフが表すものが更新イベントによって時間と共に変化するTEGでのTSPを解き、その計算時間を最小化する試みに取り組んでいます。

４つのアルゴリズムでTSPを検討し
TEGへの実装・適用が可能であると保証

阿部研究室では、TEG上のTSPを解くためのアルゴリズムを提案。計算時間の短縮のためグラフを並列にたどる分散型アルゴリズムのＤ-TSP、計算総量の削減のためにグラフの更新イベントの影響を受けるサブグラフの結果のみを再計算するインクリメンタルアルゴリズムのI-TSP、この２つに、それぞれ途中から最短隣接頂点のみを走査する貪欲法と呼ばれるアルゴリズムを組み合わせたＤg-TSPとIg-TSPの４つでそれぞれ計算を行いました。

その結果、最も良い解（結果）を出すが、最も遅いのがD-TSPで、逆に最速だが最適な解（結果）とは限らないのがDg-TSPとなり、その間に位置するインクリメンタルアルゴリズムのI-TSPとIg-TSPは、TEGに実装・適用が可能だと保証されました。今後はさらに改良を加えて計算時間の短縮をめざします。

The post <strong>高速で変化するグラフ上での<br>巡回セールスマン問題に挑む</strong> appeared first on WHO’S LAB ｜大阪電気通信大学研究室紹介サイト.

ディープラーニングによる画像セグメンテーションにより、
小児水頭症の脳室の体積を正確に測定　
疾患の定量化や患者に分かりやすく伝えることができるゴールを目指す 　

医療機関との共同研究のテーマは、医用画像から小児水頭症の脳室をセグメンテーションし、より高精度な解析と的確な診断へ導くソフトウェアの開発。特に小児は脳形状が多様であることから難易度の高さも課題となります。

現在、ディープラーニングを活用しながら高い精度で領域をセグメンテーションすることで、対象となる脳室の体積を測り、定量化する技術を開発しています。この技術が確立できれば、 正確に測定された体積から、疾患の定量化や、患者に術前・術後の変化を分かりやすく伝えたりすることが可能になります。

今後ますますニーズが高まる、医用画像の自動セグメンテーションと
画像処理技術に着目！　
既存の技術もブラッシュアップすることで医療分野にAIの技術で貢献

医用画像の対象となる領域を自動でセグメーテーションし、現場の医師が直感的に利用できるシステムの開発は、今後ますます医療分野で必要とされる技術の一つです。

上の画像のように脾臓や肝臓を抽出する技術はすでに広く活用されていますが、その精度をできるだけ上げるために最新のアルゴリズムを使ってその開発に取り組んだり、小児水頭症のように、これまでセグメンテーションの研究例が少ない領域に着目し、ソフトウェアの開発を目指したりしています。

このほか、CTスキャンやMRI画像のノイズ除去や、解像度を上げるなどの医用画像処理に関する研究にも取り組み、医療分野で広く活用されるAI技術の発展に力を注いでいます。

参考文献

1. Medical Segmentation Decathlon, [Online]. Available: http://medicaldecathlon.com/
2. Amber L. Simpson et al. “A large annotated medical image dataset for the development and evaluation of segmentation algorithms”,
   arXiv:1902.09063
3. Paul A. Yushkevich, Joseph Piven, Heather Cody Hazlett, Rachel Gimpel Smith, Sean Ho, James C. Gee, and Guido Gerig. User-guided 3D active contour segmentation of anatomical structures: Significantly improved efficiency and reliability. Neuroimage 2006 Jul 1;31(3):1116-28. [Online]. Available: www.itksnap.org

The post <strong>AI技術を駆使した医用画像処理研究で</strong><br><strong>小児水頭症の脳室領域抽出をより高精度に</strong> appeared first on WHO’S LAB ｜大阪電気通信大学研究室紹介サイト.

問題が難しいかどうかを証明することが
世の中の問題解決の第一歩になる!?

「組合せ最適化問題」の中には、コンピュータの計算速度が飛躍的に向上しても現実的な時間では解けない問題も存在します。解けない問題ならば、正解でなくても近い答えを得る方法を考えるなど、現実的な対応が取れます。効率の良いアルゴリズムでスパッと解ける問題なら、それを追い求めることになります。

このように、問題が本質的に持っている難しさを明らかにすることは効率の良いアルゴリズム設計の第一歩。問題の本質的難しさを計算困難性と言いますが、上嶋研究室ではその証明とともに、それを活用した暗号技術の基礎研究を行っています。現実的な時間では解けないような難しい問題は、安全性の高い暗号の設計に活用可能なのです。

情報の中身を隠したまま
「情報を知っている」ことだけを相手に納得させる暗号理論

主要な研究テーマの一つは、暗号理論の重要な概念である「ゼロ知識証明」の実現です。

「ゼロ知識証明」とは、パスワードなど秘密情報自体は明かさずに、その情報を知っているという事実を証明するという手法。公開鍵暗号やデジタル署名、ユーザー認証などに応用されている技術です。

上嶋研究室では、計算困難な問題の中から身近なパズルの問題に着目。「ゼロ知識証明」を実現するプロトコルを、コンピュータではなく、トランプカードのような身近なアイテムを使って設計し、アルゴリズムの最適化を探っています。

暗号機能を手軽に目に見える形で表すこのような設計は、暗号プロトコルについてのデモンストレーションや導入教育に活用できることから最近研究が進んでいる分野です。

The post 身近にもたくさん存在する最適化問題を解く　<br>アルゴリズム理論の基礎研究 appeared first on WHO’S LAB ｜大阪電気通信大学研究室紹介サイト.

2012年、画像認識に革命を起こした
CNN（畳み込みニューラルネットワーク）とは？

「この写真、犬か猫かどっち？」と聞かれれば、子どもでも正確に答えることができます。ところが高性能なAIでも、ひと昔前までこの判断が苦手でした。「○○であり、○○でなければ猫」という風に、猫という結果に導く計算手順＝アルゴリズムを、人間がコンピュータに教えていたため、逸脱した例の識別でミスが起きたのです。

ところが2012年にCNNモデルを使った深層学習が登場します。犬と猫の大量データをAIが読み込み、その特徴を重み付けし、足し合わせた結果をフィードバックして識別する方法です。これにより画像認識の精度は劇的に向上しました。さらに最近話題になっているChatGPTで使われているTransformerを画像にも適用したVision Transformer(ViT) の認識精度が向上し、CNNの認識精度に迫っています。画像は物体を見る方向が異なると大きく変形することが多く、深層学習が登場する以前は、見る方向を離散的なグラフで表現したアルゴリズムが主流でした。

越後研究室では画像・映像認識に関する深層学習とグラフ構造アルゴリズムを組み合わせて、さまざまな技術を研究しています。

基板設計の自動化からリアルタイム障害物回避まで　
ワイドなAIの画像認識技術の応用範囲

既に実用化しているのが、本学卒業生が創業者の(株)オンテックのプリント基板の設計システム開発です。越後教授は技術顧問として、この基板設計のプロセスをアルゴリズムでルール化。CADで数日かかった作業を数時間に短縮することができました。今後は深層学習も取り入れた、より複雑な基板設計への対応をめざします。

また、サーモカメラと距離センサーのデータを統合した「3Dサーモ」によって、普通は見ることのできない空間内温度分布の可視化を実現。ほかにも、映像中の人物を背景や他の人物と区別して追跡したり、撮影した映像を3DCGとして復元するなど、深層学習を使ったさまざまな技術を開発しています。

さらに現在、新たに取り組んでいるのが、移動しながらリアルタイムに障害物を検知し、自律的に回避行動を行うロボットの研究開発です。

The post 映像や画像から新たな情報を読み取って活用！　<br>深層学習とアルゴリズムで空間の見え方が変わる！ appeared first on WHO’S LAB ｜大阪電気通信大学研究室紹介サイト.

一目でわかる心理カウンセリングの流れ　
多様なアプローチによるデータの可視化

テーマの一つは、心理カウンセリングの会話を記録したテキストデータを使った視覚的分析です。心理カウンセラーの世界では、スキルアップのためベテランがカウンセリング記録を基に分析や、経験の浅いカウンセラーの指導をするのが一般的。しかし膨大なテキストデータの内容をチェックするのは手間がかかります。

そこで、テキストマイニングを使ったデータ分析と可視化の方法を探っています。カウンセラーとクライエントの発話内容を、設定したキーワードの出現頻度などによってカテゴリーに分類し、それぞれが出現するタイミングや発話量をグラフで可視化。さらに、カウンセリングを通してクライエントの認知の修正の進行などを可視化する試みも進めています。

SNSを視覚的に分析して感情の動きや揺らぎを把握　
ピアサポートの充実に役立つ基礎研究

また、SNSのデータを使った感情分析についても研究しています。女性特有のがんを抱える人たちのSNSに投稿されたテキストデータを分析。記事ごとに内容がポジティブかネガティブか、投稿者の感情がプラス傾向かマイナス傾向かなどを判定し、時系列によるグラフ化を行っています。

手術や診断結果の告知など治療上のイベントとリンクさせるなど、さまざまな観点から感情の動きや揺らぎの傾向を把握するアプローチを模索しています。多くのデータを分析することで、今まで知られていなかった共通の傾向が浮かび上がる可能性も。医療・教育分野などで注目されているピアサポートの仕組みづくりや充実につながる基礎研究としても期待されています。

The post <strong>どんな単語がどのくらい出てくるかで<br>会話の中に込められた感情が読み取れる!?</strong> appeared first on WHO’S LAB ｜大阪電気通信大学研究室紹介サイト.

画像で見るその色は、実際の色と異なるかも知れない!？　
分光スペクトルを手がかりに情報を抽出する、実時間画像センシング手法

たとえばスマートフォンで撮影した赤い服。赤いものは赤く「見える」のですが、実際の色とは異なる場合があります。日常の記録ならそれでいいですが、農産物を見分けたり生体組織の異常を見極めたりするには、より精密な情報が必要です。その場合、色の元になる光の波長（分光スペクトル）まで立ち入り調べなければ区別することはできません。ですが、精密な計測をしようとすればするほど膨大な画像の枚数、それを用意する時間と労力がかかります。

現在、高速カメラは1秒間に1,000枚撮影できますが、対応できるハードウェアも必要です。また、それだけの枚数を撮影しているうちに調べるものが変化したり動いてしまうと計測できないという問題も。

これらの課題を解決するために開発を進めているのが「実時間画像センシング手法」。一般的なビデオカメラのスピードで、たった1枚撮影するだけで、計測に必要な情報を得られるという技術です。

識別困難な物体も分光スペクトルを手がかりに識別　
人の眼では区別できない類似色や三次元形状の計測もリアルタイムでとらえる

この研究で実時間＝リアルタイムで撮影するのは、時間相関カメラという特殊なカメラ。数ある撮影手法のうちの１つがLEDを使った類似色物体の識別です。

たとえば少し古いタイプの蛍光灯の光は１秒間に120回点滅していますが、その時間変化のスピードに、ほとんどの人は気が付きません。ですが、時間相関カメラは１秒間に1,000回振動しているものと2,000回振動しているものを、カメラに指示信号を与えることで撮り分けることが可能です。

この機能を応用し、点滅スピードが異なる12種類のLEDを多数並べて物体を照明し、反射光から点滅スピードごとの感度調整を時間相関カメラが行い、分光スペクトルを区別することで、類似色の識別をすることもできます。さらに、形状と質感を同時に計測するシステム、運動物体の三次元形状を計測するシステムも開発中。今後はさらに画像センシングの手法の幅を広げ、時間や作業の効率化、精密さの向上へと繋げます。

The post 特殊カメラで撮影する一枚の画像が<br>画像センシングの精度と効率を向上させる appeared first on WHO’S LAB ｜大阪電気通信大学研究室紹介サイト.

開発を目指す製品の機能を始点に、
工学者が生物学の知識へとたどりつくことが可能に　
バイオミメティクスのデータベースとなる知識グラフで、企業の製品開発に貢献

元々「存在論」という哲学用語であるオントロジー。AI分野では、人間とAIが対象世界を共有できる形で明確化・体系化し、共通認識とするために整理する手法を研究する分野を指します。その基礎理論に基づいて古崎教授が1996年に開発したフリーソフトウェアが「法造」です。

また現在研究を進めているのが、知識の構造を繋いだ知識グラフ（ナレッジグラフ）。知識グラフは世界中で作成され、さまざまな分野に応用できますが、古崎研究室で開発した知識グラフの１つが、生物の知識のない工学者が、新製品開発の際に「模倣できそうな生物をみつけたい」というニーズに応えるバイオミメティクス・データベースです。

たとえば作りたいものが「防汚・抗菌塗料」であれば、そのゴールを始点にさまざまな知識が提示され、カタツムリの粘液にそうした効果がある、というところへたどり着くことができる仕組みです。

LODで誰もが自由に利用できるデータを用いて
ナレッジグラフ推論チャレンジなどのイベントを開催　
推論できるAIシステムの開発を目指します

2007年頃から世界中で広まっているのが、情報をオープンな知識グラフであるLOD（Linked Open Data）として公開しようという動き。プログラムからアクセスでき、Webで公開されかつ自由に利用できるというもので、1つの情報をたどるとあらゆる知識にたどり着けるというのが究極的に目指されているところです。

それがどのくらい活用できるかを示すために古崎教授たちが2018年から毎年開催しているのがナレッジグラフ推論チャレンジというコンテストです。挑戦者はシャーロック・ホームズの小説を知識グラフ化したものを使って推理を進めます。

また2022年からは日常生活が対象の推論チャレンジも開始。日常生活の中での危険なポイントを知識グラフから探る試みで、知識を駆使して的確に考え答えを出すという人間の知的活動の最たるものを、AIで可能にする。その実現を目指して研究しています。

The post <strong>世界中の誰もがデータと知識を共有し<br>人間の知見を超えて新たな発見へと導く</strong> appeared first on WHO’S LAB ｜大阪電気通信大学研究室紹介サイト.