1～2 件を表示 ／ 全 2 件
圧縮性流体解析手法は、様々な現象の解析に適用可能！
圧縮性流体解析手法は、様々な現象の解析に適用できる。実際、通常の空力解析のほかに燃焼流、プラズマ流また状態方程式を工夫することによりスーパーキャビテーションなどの解析にも適用されている。さらに、これを擬似圧縮法などにより非圧縮性流体の解析にも適用できるように拡張していくことも可能である。このような点から、カーネルとなる圧縮性流体解析を頑健、高精度かつ高効率で計算できるようにし、様々な物理モデルを容易に組み込めるようにした汎用プログラムを開発しておく必要がある。そこで、一般状態方程式を用いて空力解析とスーパーキャビテーションの両方の解析が可能な圧縮性流体解析コードの開発した。
医用画像のデノイズと軽量化ができる新しいU-net処理
Unetは医用画像のセグメンテーション用に開発されたネットワークでありデノイズ処理に活用されてきたが容量が大きく、近年のスマート医療で想定されるような画像転送による遠隔診断への活用の障壁となっていた。 本発明の「LWBNA-unet」は効率と計算リソースの削減に焦点を当てて設計され、従来のUnetモデルと比べ約10倍の軽量化に成功した。LWBNA-Unetは、チャネル幅を変えることによってチャネルを通る情報の流れを制御するのと同様に、チャネルの数が徐々に減少するチャネル制御を行うことで、画像内の不要な特徴の識別能が向上し、複雑でノイズの多い画像を含む医用画像の特徴を正確に捉えることを可能とした。また本手法は、画像内の解剖学的または病理学的な特徴を識別しセグメント化するだけでなく、異なる疾患カテゴリに分類することができることから、疾患の検出と分類のための学習が可能である。したがって、従来のUnetやDeepLabv3+などと比較して、同一条件下で繰り返しトレーニングを行うことで、その再現性と精度が強化されることが示され、医療画像の解析において非常に有用である。
