このたび、Weiwei Ma, Xiaobing Yu, Peijie Qiu, Jin Yang, Pan Xiao, Xiaoqi Zhao, Xiaofeng Liu, Tomo Miyazaki, Shinichiro Omachi, Yongsong Huang (総合知インフォマティクス研究センター の助教) による以下の論文が、IEEE International Symposium on Biomedical Imaging（ISBI 2026） の論文集に掲載されました。ISBIは、生体医用画像処理および画像解析分野における最先端研究の発信を目的とした、国際的に権威ある主要会議の一つです。

掲載論文

Weiwei Ma, Xiaobing Yu, Peijie Qiu, Jin Yang, Pan Xiao, Xiaoqi Zhao, Xiaofeng Liu, Tomo Miyazaki, Shinichiro Omachi, Yongsong Huang, “U-Harmony: Enhancing Joint Training for Segmentation Models with Universal Harmonization,”
Proceedings of the IEEE International Symposium on Biomedical Imaging (ISBI), 2026.

本研究は、医療機関ごとに異なる撮像モダリティ、撮像プロトコル、アノテーション基準を有する、限られたかつ異質な医用画像データセットを用いて、高い汎化性能を持つセグメンテーションモデルを学習することの難しさに取り組んでいます。従来の共同学習（Joint Training）では、こうしたドメイン間の差異に起因する性能低下が課題となっていました。

そこで本研究では、Universal Harmonization（U-Harmony）モジュールを提案しています。本フレームワークは、まずインスタンス固有の特徴分布を正規化し、その後にドメイン固有の情報を選択的に復元するという二段階の特徴調和・復元機構を導入しています。これにより、単一のモデルで複数の異質なデータソースから効果的に学習しつつ、各データセット特有の情報を保持することが可能となります。

さらに、データセット非依存の推論を実現するドメインゲート付きヘッドと統合することで、提案手法は複数の施設横断型脳病変セグメンテーションデータセットにおける大規模実験において優れた性能を示しました。本成果は、汎用性と適応性を備えた3次元医用画像セグメンテーションにおける新たなベンチマークを確立するものです。

著者の皆様のご活躍を心よりお祝い申し上げます。