2021年12月24日、韓越興准教授のチームは、上海の錦觀楼で2021年の年末の集まりを開催しました。その間、先生は自分の学生時代の経験を語り、今後の発展についてアドバイスをしました。また、卒業して帰ってきた李小龍先輩は、仕事の経験を共有しました。最後に、互いに祝福しあいながら、食事会を終えました。

2021年12月14-16日，「第五届材料基因工程高层论坛」が河南省の郑州で開催されました。韓越興先生は16日の午後、「コンピュータビジョンに基づく材料画像処理方法」について報告し、材料画像データの抽出方法について説明しました。材料データは材料ゲノムプログラムの物質的基盤であり、様々な材料研究に関連するデータベースの構築を支援することができます。また、人工知能が「微視的構造」「製造工程」「マクロ性能」との関係を理解するのに重要な役割を果たします。材料データには、計算データ、実験データ、生産データ、文献データが含まれますが、これらのデータにはしばしば大量の画像が含まれており、これらの画像から重要な情報を抽出することが、材料画像処理の主な目的です。

報告の内容は、機械学習や深層学習などのコンピュータビジョン手法を用いて、複雑な材料画像中の各要素を抽出・掘り起こす方法について説明しました。報告で挙げられた3つの例は、分子マシンのDNA高分子材料画像の認識、キクチ柄の分割と認識、およびスーパーピクセルと改良されたDenseNet手法に基づく材料画像のセグメンテーションです。

さらに、韓越興先生は16日の午後に、分科会の学術会議を主宰しました。

李小龙さんは福建工程学院を卒業し、2018年に上海大学のコンピュータ学院に入学しました。入学後、韓越興先生の画像研究グループに参加し、コンピュータビジョンに関連する研究を行いました。その後、韓先生の指導のもと、医療画像セグメンテーションのテーマを選択しました。3年間の努力の結果、李さんは深層学習などのさまざまな技術を活用して、肝臓と腫瘍のCT画像の自動セグメンテーションを実現し、スマート医療の発展に貢献しました。卒業後、李さんは連影医療有限公司で医療関連の仕事を続けています。また、李さんは課外活動で広く経史文学を読み、スポーツを愛好し、多くの良師益友と出会いました。上海大学での3年間の研究生活で、李さんは大きく成長し、将来の道のりで継続的に前進し、どんどん突破していくことを望んでいます。

大学院生の間に働く

肝臓と腫瘍のCT画像の自動セグメンテーションにより、医師が患者の状態をより包括的に評価し、治療計画を立てるのに役立ちます。多くの深層学習技術を組み合わせて、定量的かつ定性的な診断データを提供し、临床治療に貢献します。

1. 報告では、FCN、U-Netなどの深層学習手法がネットワーク次元の制限により、三次元のCT画像の空間特徴情報を探索することが困難であるという問題に対処するために、境界損失関数を基にした2.5D全畳み込みネットワークを提案しました。この手法により、ネットワークのパラメータ数と計算リソースの消費を削減しながら、CT画像の空間特徴情報を効果的に探索し、肝臓と肝腫瘍のセグメンテーションの精度を向上させることができます。

2. 報告では、医療画像の特徴と、一般的な損失関数がネットワーク探索における境界特徴の能力を最適化することに欠けているという問題に対処するため、新しい境界損失関数を設計しました。この関数は、画像の輪郭の距離、面積、および境界情報を統合し、深層学習ネットワークを効果的に最適化し、より多くの画像境界と輪郭特徴を探索することができます。

3. 報告では、エンコーダ・デコーダネットワークが局所的な特徴の相関性と依存関係を無視する問題に対処するために、2D、2.5D、3Dネットワークとアテンションメカニズムを統合し、双方向アテンションを基にしたエンコーダ・デコーダネットワーク分割フレームワークを提案しました。このフレームワークには、双方向自己アテンションメカニズム、DenseNetブロック、ResNetブロック、および双方向ネットワークブロックを統合し、9つの異なるネットワーク構造を含み、肝臓と肝腫瘍のCT画像の自動セグメンテーションタスクを効果的に実行することができます。

論文へのリンク：Research on liver and tumor segmentation using multi-dimensional encoding-decoding networks

弊チームは国際学術誌「Neural Computing and Application」(IF:5.606, 中科院2区)に論文「重なり合うナノオブジェクトの認識のための新しい転移学習」をオンラインで発表しました。この論文では、上海大学コンピュータ工学科学学院が第一の機関であり、韓越興准教授が第一著者および通信著者を務め、修士課程の学生である劉宇虹、宋磊磊、童麟が多大な貢献をしました。

刘宇虹

宋磊磊

童麟

多くの分野で急速に発展しているナノ構造科学と技術ですが、高いコストのために、十分なナノオブジェクトサンプルを得ることはまだ困難であり、そのため材料分野における深層学習方法の発展を妨げています。この問題を解決するため、私たちは原子間力顕微鏡（AFM）の画像からナノオブジェクトを識別するための新しい方法を設計しました。まず、LOGに基づく画像ノイズ除去法を使用して画像を前処理します。次に、分水嶺アルゴリズムに基づいて、重なり合うオブジェクトを分割するための2つの改良された方法を提案しました。最後に、転移学習に基づくCNN認識モデルを構築し、大規模手書き数字と文字形状の事前学習を通じて優れたパフォーマンスを発揮するモデルを取得し、AFM画像中のナノオブジェクトを識別しました。本研究で提案された手法は、AFM画像中の小規模なサンプルのナノオブジェクト識別問題を効果的に解決することができます。

論文へのリンク：https://doi.org/10.1007/s00521-021-06731-y

私たちのチームと上海大学機械自学院の李竜副教授のチームにより、国際学術雑誌『Biomedical Signal Processing and Control』(IF:2.954,中国科学院2区)にオンラインで発表された論文「A classification method for EEG motor imagery signals based on parallel convolutional neural network.」 この学術誌のJCRおよび中国科学院のSCI区分は2区に分類されています。この論文において上海大学計算機学院が第一著者単位となっており、韓越興副教授が第一著者および連絡著者となっています。

深層学習は現在の研究において様々な種類の画像分類に広く成功裏に応用されてきました。しかしながら、EEG(脳電波)モーター・イメージング分類に深層学習手法が極めて限られてきました。本研究では、EEGシグナルの事前処理アルゴリズムとしてパラレルコンボリューショナルニューラルネットワーク(PCNN)構造を提案しEEGシグナルの分類に使います。原始EEGシグナルの表現の為に、空間フィルタリングと周波数帯域情報を組み合わせて新しい形式の画像を作成しました。PCNNに作成した画像を入力すると、分類能力を最適化する3つの異なるサブモデルをスタックで統合します。本方法はBCI competition IVデータセット2b上で平均83.0±3.4%の正確度を達成し、比較手法より少なくとも5.2%優秀です。同データセット2b上で本方法の平均Kappa値は0.659±0.067でしたが、比較アルゴリズムより少なくとも20.5%改善しました。結果から本方法はEEGモーターイメージングシグナル分類において優れていることが示唆されました。

論文へのリンク：https://doi.org/10.1016/j.bspc.2021.103190

プロジェクトリンク：https://github.com/han-yuexing/eegmotor

私たちのチームと上海大学材料基因工学研究院の楊炯教授の研究グループは、国際学術誌『Chemistry of Materials』(IF:9.872、中国科学院1区トップ)にオンラインで論文「Accelerating the Discovery of Cu−Sn−S Thermoelectric Compounds via High-Throughput Synthesis, Characterization, and Machine Learning-Assisted Image Analysis.」を発表しました。この学術誌は工学技術・材料科学を含む総合的な研究分野のトップレベルの学術誌の1つであり、JCRおよび中国科学院のSCI区分は1区トップに分類されています。この論文では上海大学が第一単位となっており、材料基因工学研究院の博士研究生の盛耀が第一著者、材料基因工学研究院の楊炯教授、奚晋揚教授、および計算機工学科の韓越興副教授が共同連絡著者となっています。

HTP(ハイスループット)手法は材料研究開発を促進する強力な手法となってきています。この研究では、HTP 合成と評価を組み合わせることにより、ML(機械学習)画像セグメンテーション手法の新たな熱電材料発見能力を示しています。まず、改善された拡散合成HTP手法により9種類の異なる原料比のシリンダー試料を調製しました。それぞれの原料比固定片に対してスキャニング電子顕微鏡で計測を行い、背散乱電子像を合計99枚撮影しました。99枚の背散乱電子像から異なる相を高速にセグメンテーションするために、2つのML画像セグメンテーション戦略を提案しました。分類精度0.9となり、大量の画像の自動分類に使用しました。第一の戦略より分離された2つの主要相のEDS評価結果から新しい化合物Cu7Sn3S10を発見し、zT値は0.6を超えました。監督戦略に対し、監督されていない戦略によりさらに未発見化合物Cu1.6Sを同定しました。この結果から、我々の研究はHTP合成から自動分析までを網羅した一例を示し、HTP評価と新規化合物同定の自動化分析を実現しました。

論文へのリンク：https://doi.org/10.1021/acs.chemmater.1c01856

我々のチームと上海大学材料基因工学研究院の巫金波教授の研究グループは、国際学術誌『Small』(IF:11.459,中国科学院1区トップ)にオンラインで論文「Unclonable Micro-Texture with Clonable Micro-Shape towards Rapid, Convenient, and Low-Cost Fluorescent Anti-Counterfeiting Labels」を投稿しました。この学術誌は工学技術・材料科学を含む総合的な研究分野のトップレベルの学術誌の1つであり、JCRおよび中国科学院のSCI区分は1区トップに分類されています。この論文では上海大学が第一単位となっており、上海大学コンピュータ工学科の張宏坤修士課程生と材料基因工学研究院の林宇宏・馮静芸修士課程生が共同第一著者となっており、巫金波教授と韓越興副教授が共同連絡著者となっています。この研究は張統一院士、温維佳教授、および沖縄科学技術研究所(OIST)の戚亜冰教授から強力なサポートを得ています。

高級ブランドから医療製品に至るまで、模造偽造品は巨大な経済損失と人々の健康リスクをもたらしています。現在広く使用されている防偽ラベルは決定論的生産プロセスに根ざしており、簡単に製造できる一方で容易にコピーできてしまいます。物理的な非複製性機能(PUF)を持つ防偽ラベルを生産することは実現可能な解決策ですが、従来のPUF認識技術ではデータベースにある全ての画像と一様にマッチングする必要があって、製造コストが高く認識速度も遅いという課題がありました。 我々の研究では、マイクロテクスチャが非複製的でありながらマイクロシェイプが複製可能な新しい概念を提案し、速く簡単に低コストな蛍光防偪ラベルの開発を可能にしました。

上述の問題を解決するため、この研究チームはパラレルディスコンテニュアスウェッティング技術を用いて4層の防偽機能を持つ高精度にラベルを製造しました。カルサイト鉱線ムーン光は第一の防偽機能であり、 マクロ構成単位からなるマクロパターンはバーコードなどの情報を携え第二の防偽機能である、形態の異なるマイクロ単位は第三の防偽機能である。自己組織化したランダムプロセスから生じた複製不可能なテクスチャーは第四の防偽機能です。 このラベルはコストが低く、製造が簡単かつ速く、高い防偽性能を実現しました。我々のモデルはマイクロテクスチャが非複製的でありながらマイクロシェイプが複製可能であるため、学習の必要なく高速に検知可能です。

我々の主な研究は実際の薄膜パターンを含むデータベースの設計と構築を行いました。形状データベースとテクスチャデータベースが含まれています。CNL(ランドマークの数をコントロール)方法、改善されたホフ変換方法、形状空間理論を用いて形状の識別を行い、続けてGMS(グリッドベースのモーション統計)方法を用いてラベルのテクスチャーの同定を行いました。 形状データベースから微細単位の形状特徴量を抽出し、テクスチャデータベースからテクスチャ特徴量を抽出しました。学習段階なしで微細単位の形状の一致率は99.5%、テクスチャの一致率は100%に達しました。 このように、私たちの提案したラベルはマイクロテクスチャが非複製的でありながらマイクロシェイプが複製可能なため、高速かつ正確に検知できるという利点があります。

実際の応用例では、スマートフォンや携帯型顕微鏡を用いて防偽マイクロパターンを取得し認識ソフトウェアで照合して同定を行いました。ナノ結晶薄膜の様々な輪郭形状を細分して「分類記号」として画像データの同定に用いました。この「分けて治す」戦略に基づく認証技術では、時間を20倍以上削減できることが示されました。高速合成技術とデータ主導型マテリアル応用が組み合わされて、Agent costが2.1 × 10^-4USD、認証が速く簡単(総時間12.17s)、エンコード容量が2.1 × 10^623に達しました。 結論として、我々の提案したラベルはマイクロテクスチャが非複製的でありながらマイクロシェイプが複製可能性という利点を活用し、高速かつ正確に認証することができました。

この関連研究は国家重点研究開発プログラム(2020YFB0704503, 2018YFB0704400,2018YFB0704402)、国家自然科学財団(21775101)、111プロジェクト(D16002)、上海科学技術委員会プロジェクト(20ZR1419000)から資金提供を受けています。 研究を後押しするための多額の財政支援があることは、この重要な研究の価値を示しています。開発された技術は偽造防止分野に大きな影響を与える可能性があります。

論文へのリンク：https://onlinelibrary.wiley.com/doi/10.1002/smll.202100244

何济元、包胜旗、宋絡雅、池洳婷、施恬安、徐莹さんたち、卒業おめでとうございます!何さんたちは皆上海大学計算機科学技術専攻を専攻しており、2年次から韓越興先生の指導の下計算機ビジョンの研究を行ってきました。卒業研究も韓先生の指導の下行われました。 4年の学部課程はすぐさま過ぎ去りましたが、皆様それぞれの理想を持ちながら前向きに新天地へと羽ばたいていきます。卒業おめでとうございます。新天地での challenge にチャレンジしてください。

包胜旗さんはOptimisticで自分にチャレンジし、困難に勇敢に向き合って克服してきました。上海大学での4年間、包さんは多くの知識を得るとともに多くの良き友人や先生と出会ってきました。未来に向かって包さんが積極的にチャレンジして成長していくことを願っています。

宋絡雅さんは明るい性格で、幅広い興味を持っています。学習に努力する一方で、しばしば図書館で本を読んだり音楽を聴いたりしています。余暇時間には泳いだりバドミントンをしたりしてリラックスしています。上海大学での4年間は宋さんに多くの思い出を残しました。宋さんがいつも前向きに成長していくことを願っています。

池洳婷さんは積極的でOptimisticで考える事が好きでチャレンジ精神に満ちています。余暇には本を読んだりジョギングをしたり料理をしたりします。卒業後、洳婷さんは上海大学コンピュータ学部の修士課程で韓越興先生の下で研究を続けていきます。新しい人生でいっそうの自己実現を願っています。洳婷さん、頑張ってください。

徐莹さんは真面目に取組み事に対処し冷静に対応できます。友達を作るのが好きで、旅行が趣味で健康管理に勤め生き生きとしています。修士課程では浙江大学のソフトウェア工学専攻でデータベース研究を行います。コンピューターの世界で徐さんが未来の研究と仕事のキャリアで自分に必要不可欠な事柄を見つけて成長していくことを願っています。徐さん頑張ってください!

何济元さんは人と真剣に接し、コミュニケーションをとる事が上手で、率直で熱心に人に接しています。責任感もあります。未来の学習の中で何さんが自分自身を完全にしていき自分を超えていくことを願っています!何さんの学業及びキャリアに順調を祈っています。

施恬安さんは明るい性格で真面目に取り組みます。音楽と読書が趣味です。卒業後、復旦大学の計算機学部で人工知能方向の修士課程を専攻します。上海大学での4年間、施さんは多くの良き先生や友人に出会いました。未来、彼は人生の道のりでがむしゃらにがんばり、自己実現できますよう願っています。施さん、頑張ってください。

再度、卒業おめでとうございます。皆さんが将来の人生を前進していく中で、波の中を泳いでいくことができますよう願っています。皆さんが自分自身の迫大な人生目標を実現するためにがんばってください。現在を大切にし人生を大切にして、その努力の中から自分自身と祖国に美しい未来を生み出してください。決心、自信、粘り強さ、忍耐力。この4つの「心」が常に皆さんとともにあることを願っています。 皆さんの智恵の中から輝く人生を創り出してください。

学生の評価により、2019年に第1回の学部優秀クラスアドバイザーを、2020年に第2回の学部優秀クラスアドバイザーを受賞しました。2021年5月14日の授賞式に参加しました。今後もさらに精進していかなければなりません。先生の責任は教育と研究の2つがあると思います。それ以外の仕事はそれらを補助するためのものだということを覚えておきます。