2024年度ベンチャー体験工房5
Undergraduate School and Graduate School
学部?大学院
- ベンチャー体験工房5
- 医療画像のコンピュータ診断支援システム
- 腫瘍、心疾患診断、治療における、医療画像のイメージング、医療画像解析が不可欠な技術である。臨床現場では、より早くイメージングでき、より正確な読影技術が求めている。本研究は、臨床応用に向け、深層学習を用いた医療画像イメージング、医療画像解析を開発する。シラバス詳細
2024年5月
5月7日
授業内容：1. Introduce details of our project.
2. Introduce the software used in this workshop.
3. Demonstrate how to label data.
5月13日
授業内容：Practial operation by each student.
1. Use anaconda build environment.
2. Use labeimg to label data.
3. Check the quality of labeled data.
5月20日
授業内容：Practial operation by each student.
1. Use anaconda build environment.
2. Use labeimg to label data.
3. Check the quality of labeled data.
5月27日
授業内容：Practial operation by each student.
1. Use anaconda build environment.
2. Use labeimg to label data.
3. Check the quality of labeled data.
2024年6月
6月3日
授業内容：1. Introduce details of our project.
2. Introduce the software used in this workshop.
3. Demonstrate how to label data.
6月10日
授業内容：Practial operation by each student.
1. Use anaconda build environment.
2. Use labeimg to label data.
3. Check the quality of labeled data.
6月17日
授業内容：Practial operation by each student.
1. Use anaconda build environment.
2. Use labeimg to label data.
3. Check the quality of labeled data.
6月24日
授業内容：Practial operation by each student.
1. Use anaconda build environment.
2. Use labeimg to label data.
3. Check the quality of labeled data.
2024年7月
7月1日
授業内容：Practial operation by each student.
1. Use anaconda build environment.
2. Use labeimg to label data.
3. Check the quality of labeled data.
7月8日
授業内容：Practial operation by each student.
1. Use anaconda build environment.
2. Use labeimg to label data.
3. Check the quality of labeled data.
7月22日
授業内容：Practial operation by each student.
1. Use anaconda build environment.
2. Use labeimg to label data.
3. Check the quality of labeled data.
7月29日
授業内容：
1. Train YOLO model using images labeled this semester.
2. Check the results.
2024年10月
10月7日
活動内容：1. 人工知能の基本概念と応用シーンを紹介する。
2. 人工知能分野における探索問題の基本概念を紹介する。
3. 深さ優先探索と幅優先探索の原理を紹介し、探索過程を例で示す。
みんなの声：今回の活動を通じて、学生たちは人工知能分野について初歩的な理解を得て、探索技術を自分の学習や生活の問題に活用したいと希望しています。
10月9日
活動内容：1. 情報に基づいた探索の基本原理を紹介する。
2. 探索技術を使用して三目並べゲームで対戦する。
3. 探索技術の将来的な改良の方向性。
みんなの声：今回の活動を通じて、学生たちはゲームにおける探索技術の応用を習得しました。今後、他のゲームにも探索技術を応用してみる予定です。
2024年11月
11月5日
活動内容：1. 人工知能におけるニューラルネットワークの概要の紹介。
2. 一般的な活性化関数の原理の説明。
3. ニューラルネットワークにおける勾配降下法の原理、具体例、および手順の解説。
みんなの声：今回の活動を通じて、学生たちはニューラルネットワークの動作メカニズムと原理について基本的な理解を深め、次に進むための基礎を築くことができました。
11月18日
活動内容：1. 多層ニューラルネットワークの概要を紹介しました。
2. 逆伝播法（バックプロパゲーション）の説明。
3. オーバーフィット現象の発生原因とその解決方法の解説。
みんなの声：今回のコースを通じて、学生たちは多層ニューラルネットワークの構築方法を学ぶとともに、ニューラルネットワークに潜在する問題点やその解決策について深く理解することができました。
2024年12月
12月9日
活動内容：1. 自然言語処理の原理とその応用の紹介。
2. テキストのエンDingコード形式の紹介。
3. アテンションメカニズムの原理とステップの紹介。
みんなの声：この活動を通じて、生徒は自然言語処理の具体的な応用、テキストの符号化形式、およびアテンションアプローチについて学ぶことができました。
12月23日
活動内容：1. 不確実性に関連する確率論の基本概念を紹介する。
2. 確率モデルやベイズの定理を活用して問題を解決する。
3. マルコフモデルや隠れマルコフモデルを用いた将来的な応用例について議論する。
みんなの声：今回の活動を通じて、学生たちは不確実性を扱う基本的な手法と理論を理解しました。今後は、より複雑な確率モデルやマルコフモデルを用いた実世界の問題にも挑戦する予定です。