[Top page] [日刊 研究最前線 知尋] [Discovery Saga総合案内] [大学別アーカイブス] [Discovery Saga会員のご案内] [産学連携のご案内] [会社概要] [お問い合わせ]

広島大学 研究シーズDiscovery Saga
研究キーワード:広島大学における「アンサンブル学習」 に関係する研究一覧:2
2次検索
情報学 情報学複合領域 複合領域環境学 環境学数物系科学 数物系科学化学 化学生物学 生物学総合理工 総合理工工学 工学総合生物 総合生物農学 農学医歯薬学 医歯薬学
概要表示
折りたたむ
発表日:2026年8月16日
この記事は2026年8月30日号以降に掲載されます。
1
8種類の色素性皮膚病変※1を高精度で判別
-診断根拠を可視化するAIを開発、医療現場への導入に期待-
この記事は2026年8月30日号以降に掲載されます。
概要表示
折りたたむ
発表日:2026年2月3日
2
進行肺がん患者の放射線肺炎予測精度を大幅に向上
~SurvBETAモデルが多領域解析と複数のAI学習をつなぎ革新的な予測を実現~
 広島大学病院放射線部の河原大輔准教授を中心とする研究チームは、肺がんの患者に対する放射線治療の後に発症する(放射性肺炎)のリスクを高精度で予測する新しいモデル「SurvBETA」を開発しました。放射性肺炎は、放射線治療中に患者が経験する可能性がある重大な副作用で、発症すると治療方針の変更を余儀なくされることがあります。従来の予測方法では、臨床データや単一の画像から得られる情報に頼っており、リスク予測の精度には限界がありました。本研究では、患者のCT画像と放射線量情報から得られるさまざまな情報を抽出し、複数の機械学習アルゴリズムを用いて信頼性の高い予測を行うモデルを開発し、従来よりも...
キーワード:ランダムフォレスト/アンサンブル学習/学習アルゴリズム/アルゴリズム/機械学習/最適化/人工知能(AI)/リスク評価/個別化治療/放射線治療/パフォーマンス/予測モデル/CT画像/解剖学/がん細胞/がん治療/副作用/がん患者/生活の質/肺がん/放射線
他の関係分野:情報学工学