Sakanashi's Homepage

産総研
last updated: 2023.10.19
Photo
Profile
坂無英徳（SAKANASHI Hidenori）

国立研究開発法人産業技術総合研究所
人工知能研究センター（Web）
総括研究主幹

(兼務) 国立大学法人筑波大学 システム情報系 教授（連携大学院）
(兼務) 学校法人東邦大学 大学院理学研究科 客員教授

〒305-8568　茨城県つくば市梅園1-1-1 中央事業所 つくば本部・情報技術共同研究棟
Email: h.sakanashi[at]aist.go.jp
Education
  • 1992/03   北海道大学 工学部 精密工学科 卒業
  • 1994/03   北海道大学 大学院工学研究科 精密工学専攻 博士前期課程 修了
  • 1996/12   北海道大学 大学院工学研究科 情報工学専攻 博士後期課程 修了、博士（工学）
Work Experience
  • 1998/04   日本学術振興会 特別研究員（DC2)

  • 1998/04   経済産業省 工業技術院 電子技術総合研究所 情報アーキテクチャ部
  • 2001/01   経済産業省 産業技術総合研究所 次世代半導体研究センター
  • 2001/04   独立行政法人 産業技術総合研究所 次世代半導体研究センター
  • 2007/04   独立行政法人 産業技術総合研究所 情報技術研究部門
  • 2007/07   独立行政法人 産業技術総合研究所 企画本部（研修出向 : 経済産業省 商務情報政策局 医療・福祉機器産業室）
  • 2008/07   独立行政法人 産業技術総合研究所 情報技術研究部門
  • 2015/04   国立研究開発法人 産業技術総合研究所 情報・人間工学領域 情報技術研究部門
  • 2015/05   国立研究開発法人 産業技術総合研究所 情報・人間工学領域 人工知能研究センター (2021/07から現職)
外部貢献
  • 2000/04〜2011/03   日本規格協会 高精細画像データ交換技術標準化調査研究委員会
  • 2000/10〜(現在)   情報処理学会 情報規格調査会 SC29/JPEG小委員会
  • 2003/08〜2006/03   日本印刷産業機械工業会 ISO/TC130国内委員会 分科会WG2（プリプレスデータ交換）

連携大学院
筑波大学
  大学院理工情報生命学術院
    システム情報工学研究群
      知能機能システム学位プログラム (Web)

スマートシステム研究室

進学希望者を募集しています。興味のある方は是非ご連絡ください。研究室見学は常時受け付けています。

オープンキャンパスのお知らせ（Web 研究室訪問をご希望の方は個別にご連絡ください）

科学技術の進歩によって、小型・低消費電力のデバイス製造、精密・正確な計測、高速・大容量の通信が可能となり、様々な場所を適切な方法でいつでも観測できるようになりました。さらにクラウド技術により、時間や空間に捕らわれずデータを集積し、高度な解析を行える環境も整いつつあります。これにより、実世界から詳細な情報を大量に集め、目的に応じて正しく分析し、その結果を実社会へフィードバックしながら最適な状態を維持し、状況の改善を図ることが可能になりました。さらに、この大きなループを回すことで新たな価値の創造が期待されます。 当研究室では、これを実現するための要素技術に関する研究開発や、応用分野の開拓を行っています。要素技術では、(a) データ解析のための画像認識技術、音響解析技術、時系列信号解析技術 (b) 機械学習技術 等を研究しています。また応用分野では、主に社会インフラ診断支援や医療診断支援を中心に活動しています。

研究テーマ：医療や生命科学研究の診断支援

近年、がん患者の急増や医師不足・偏在などの原因により、患者が高度な医療を迅速に受ける機会の喪失や、検査や診察における医師の著しい負担増大が社会問題となっています。そのため、X線CT、MRI、マンモグラフィなどに代表される医用画像をコンピュータにより分析及び定量化し、その結果を提示して医師を支援するコンピュータ支援診断システムの開発や実用化が国内外で進められています。しかし、画像を用いるその他の検査、たとえば内視鏡検査や病理診断では研究開発が充分には進んでおらず、実用的な診断支援技術を早期に確立することが求められています。 この課題を解決すべく、当研究室では、深層ニューラルネットワークに代表される人工知能技術（機械学習技術）を駆使して、高度な診断支援システムなどの医療や生命科学研究を支援する技術について研究開発を行っています。現在取り組んでいるテーマは下記の通りです。
  • 病理診断支援
      pathology
  • 内視鏡検査支援
      pathology
  • 患者見守りのための臨床情報および生体信号の解析
  • オルガノイドの顕微鏡画像解析

研究テーマ：インフラ診断支援

社会インフラや産業インフラの点検や調査では、打音試験や近接目視、触診などが一次検査として広く行われ、異常が発見された場合には、その後の経過観察や精密な機器による二次検査に進みます。ここで重要なのは一次検査で異常を見落とさないことなのですが、検査員の経験や感覚に依存していることや、熟練検査員の数は高齢化に伴い減少していくことなどの問題点があります。そこで私たちは、コンクリート構造物の打音検査における異常状態の自動検出技術などに関する研究開発に取り組んでいます。検査員の五感に頼らず、機械学習に基づく解析技術により検査結果を定量化することで、異常の見落としにつながる検査品質のバラツキやミスを防止します。
研究実績

学術誌論文

  • Kris Lami, et al., "Standardized Classification of Lung Adenocarcinoma Subtypes and Improvement of Grading Assessment Through Deep Learning," The American Journal of Pathology, 2023, ISSN 0002-9440, https://doi.org/10.1016/j.ajpath.2023.07.002.
  • Takuya Iwaki, et al., "Deep Learning Models for Cystoscopic Recognition of Hunner Lesion in Interstitial Cystitis," European Urology Open Science, Volume 49, 2023, Pages 44-50, ISSN 2666-1683, https://doi.org/10.1016/j.euros.2022.12.012. (https://www.sciencedirect.com/science/article/pii/S266616832300006X)
  • Kaiwen Yang, et al. (2022) CTG-Net: Cross-task guided network for breast ultrasound diagnosis. PLoS ONE 17(8): e0271106. https://doi.org/10.1371/journal.pone.0271106
  • Takuya Okamoto, et al. Integration of human inspection and artificial intelligence-based morphological typing of patient-derived organoids reveals interpatient heterogeneity of colorectal cancer. Cancer Sci. 2022; 113: 2693-2703. doi: 10.1111/cas.15396
  • Wataru Uegami, et al., "MIXTURE of human expertise and deep learning—developing an explainable model for predicting pathological diagnosis and survival in patients with interstitial lung disease," Modern Pathology, Volume 35, Issue 8, 2022, Pages 1083-1091, ISSN 0893-3952, https://doi.org/10.1038/s41379-022-01025-7. (https://www.sciencedirect.com/science/article/pii/S0893395222001016)

国際会議論文

  • Kazuki Uehara, et al., "Evidence Dictionary Network Using Multiple Instance Contrastive Learning for Explainable Pathological Image Analysis," 2023 IEEE 20th International Symposium on Biomedical Imaging (ISBI), Cartagena, Colombia, 2023, pp. 1-5, doi: 10.1109/ISBI53787.2023.10230463.
  • Takeshi Yoshida, et al. (2023). Multi-Scale Feature Aggregation Based Multiple Instance Learning for Pathological Image Classification. In Proceedings of the 12th International Conference on Pattern Recognition Applications and Methods - ICPRAM; ISBN 978-989-758-626-2; ISSN 2184-4313, SciTePress, pages 619-628. DOI: 10.5220/0011615200003411
  • Kaiwen Yang, et al., "Multi-task Learning with Consistent Prediction for Efficient Breast Ultrasound Tumor Detection," 2022 IEEE International Conference on Bioinformatics and Biomedicine (BIBM), Las Vegas, NV, USA, 2022, pp. 3201-3208, doi: 10.1109/BIBM55620.2022.9995444.

国際会議発表

  • Atsushi Ikeda, et al., "Cystoscopy Artificial Intelligence System That Can Be Used With Cystoscopes Produced By Different Manufacturers", Americal Urological Association (AUA) Annual Meeting, Apr. 2023, Chicago, DOI: 10.1097/JU.0000000000003260.03
  • A. Ikeda, et al., "Can cystoscopy artificial intelligence overcome differences between cystoscope products?," European Association of Urology (EAU) Annual Congress, Mar 2023, Milan, https://doi.org/10.1016/S0302-2838(23)00639-5. (https://www.sciencedirect.com/science/article/pii/S0302283823006395)
  • Wataru Uegami, et al., "Developing An Explainable Ai Model For Diagnosis And Prognosis In Interstitial Lung Disease," Pathology Visions 2021, Las Vegas, https://doi.org/10.1016/j.jpi.2022.100070. (https://www.sciencedirect.com/science/article/pii/S2153353922000700)
  • Atsushi Ikeda, et al., "Real-Time Bladder Tumor Detection At Clinics In Flexible Cystoscopy With White Light And Narrow Band Imaging Using Deep Learning", Americal Urological Association (AUA) Annual Meeting, Apr. 2022, Chicago, DOI: 10.1097/JU.0000000000002574.02.