研究者学術情報データベース

（最終更新日 : 2022-09-23 19:33:47）　

リインゴウ
李　印豪
LI YINHAO

所属情報理工学部情報理工学科

職名助教

学歴
1.	2018/04～2021/03	立命館大学情報理工学研究科情報理工学専攻博士後期課程修了博士（工学）
2.	2016/04～2018/03	立命館大学情報理工学研究科情報理工学専攻博士前期課程修了修士（工学）

職歴
1.	2022/04/01 ～	立命館大学情報理工学部助教
2.	2021/05 ～ 2022/03	Zhejiang Lab (Hangzhou, China) ポスドク
3.	2019/04 ～ 2021/03	立命館大学日本学術振興会特別研究員（DC2）

研究テーマ
1.	肝臓画像報告およびデータシステム（LI-RADS）は、肝臓画像の用語、技術、解釈、報告、およびデータ収集を標準化するための包括的なシステムです。このシステムは、肝腫瘍の悪性度を判断するための標準化されたプロセスを開発し、画像所見の医師による解釈のばらつきを減らします。しかし、医師はLI-RADSに基づいて判断する際の手続きが複雑であるため、長い時間を費やす必要があります。最近、いくつかの研究では、ディープラーニングを使用してLI-RADSベースの肝病変分類を実行し、インテリジェントな肝病変の評価の可能性を確認しています。ただし、精度が低いため、既存の方法では臨床使用には不十分です。また、既存の手法では分類結果しか得られず、分類基準が不足しているため、医師に信頼されにくくて、実用化の妨げとなっています。この研究では、マルチタスク畳み込みニューラルネットワークに基づく信頼性の高いインテリジェントなLI-RADSを提案します。手動LI-RADS分類は、主に4つの病理学的特徴に従って判断されるため、この研究では、マルチタスクモデルを使用して、4つの分岐構造を確立し、それぞれ異なる病理学的特徴を抽出および分析して、メインタスクにさらに豊かで効果的な深い特徴を提供します（つまり、モデルのパフォーマンスを向上させるLI-RADS分類モデル）。一方、各支部は主要な特徴の分析結果を提供することができ、実際の使用では、信頼性の参考となるように、主要な特徴の結果をLI-RADS分類結果とともに医師に提供することができます。この研究は、信頼性が高く高精度な肝臓癌のLI-RADS分類を実現するマルチタスクディープラーニングフレームワークを提案した最初の研究です。

現在の専門分野
知覚情報処理, 知能情報学 (キーワード：画像処理、人工知能)

著書
1.	2020	Medical Image Enhancement Using Deep Learning │ ,53-76頁

論文
1.	2021	VolumeNet: A Lightweight Parallel Network for Super-Resolution of Medical Volumetric Data │ 30,4840-4854頁
2.	2019	Novel image restoration method based on multi-frame super-resolution for atmospherically distorted images │ 14 (1),168-175頁
3.	2018	Computer Simulation of Image Distortion by Atmospheric Turbulence Using Time-Series Image Data with 250-Million-Pixels │ 10 (1),53-61頁

学会発表
1.	2022/06/20	A Unified Framework for Preoperative Early Recurrence Prediction of Hepatocellular Carcinoma with Multi-phase CT Images （口頭発表，一般）
2.	2021/09/27	Patch-Free 3D Medical Image Segmentation Driven by Super-Resolution Technique and Self-Supervised Guidance （ポスター）
3.	2020/11/30	Parallel-Connected Residual Channel Attention Network for Remote Sensing Image Super-Resolution （口頭発表，一般）
4.	2020/10/13	A Lightweight Deep Network for 3D Medical Image Segmentation （ポスター）
5.	2020/06/20	A 3D Shrinking-and-Expanding Module with Channel Attention for Efficient Deep Learning-Based Super-Resolution （口頭発表，一般）
全件表示（10件）

受賞学術賞
1.	2018/01	ICCE2018 Best Poster Video Award
2.	2018/01	IEEE CE East Japan Chapter ICCE Young Scientist Paper Award

科学研究費助成事業
1.	2021/04/01 ～ 2024/03/31	フェーズアテンションネットを用いた弱教師学習による肝臓腫瘍性病変の診断支援 │ 基盤研究(B)
2.	2020/04/01 ～ 2025/03/31	弱教師深層学習と計算解剖モデルの統合による肝臓がんの診断支援 │ 国際共同研究加速基金（国際共同研究強化）(B)
3.	2019/04/01 ～ 2021/03/31	大気歪み画像モデルを組み込んだ深層学習によるリモートセンシング画像の画質改善 │ 特別研究員奨励費

メールアドレス

科研費研究者番号
90962465

researchmap研究者コード
R000037218

外部研究者ID
ORCID ID
0000-0002-8924-5279