SEARCH

Search Details

Togo Ren

Faculty of Information Science and Technology　Media and Network Technologies　Information Media Science and TechnologyAssociate Professor

2015年3月 北海道大学医学部保健学科放射線技術科学専攻 卒業．
2017年3月 北海道大学大学院情報科学研究科 修士課程 修了．
2019年3月 北海道大学大学院 情報科学研究科 博士後期課程 修了 (在学期間短縮)．
2019年4月 日本学術振興会 特別研究員 (PD)．
2020年2月 北海道大学 数理・データサイエンス教育研究センター 特任助教.
2022年2月 北海道大学 大学院情報科学研究院 特任助教.
2025年4月 北海道大学 大学院情報科学研究院 准教授.

 

 


医用画像を中心とした異分野連携に関する研究に従事．
診療放射線技師国家資格．
IEEE, ACM会員．

Researcher basic information

■ Degree
  • 博士（情報科学）
■ URL
researchmap URLホームページURL■ Various IDs
Researcher number
  • 60840395
J-Global ID■ Research Keywords and Fields
Research Keyword
  • computer vision
  • Retrieval
  • Signal processing
  • Image processing
  • Pylori
  • Gastric cancer
  • MRI
  • Medical image
  • PET
  • X-ray
  • Machine learning
  • GAN
  • Deep learning
Research Field
  • Informatics, Perceptual information processing
  • Informatics, Intelligent informatics
■ Educational Organization

Research activity information

■ Awards
  • Aug. 2024, 構造工学委員会 AI・データサイエンス論文集編集小委員会, デジタルツイン・DX奨励賞
  • Jul. 2024, IEEE International Conference on Consumer Electronics – Taiwan (ICCE-TW), The 2024 IEEE ICCE-TW Best Paper Award
    Discriminator-enhanced music generation based on multitrack music transformer
  • 2024, The 2023 IEEE Sapporo Section Encouragement Award, The 2023 IEEE Sapporo Section Encouragement Award
    Guang Li et al., ICASSP, 2022
  • 2023, International Workshop on Advanced Image Technology Best Paper Award, Best Paper Award
    Teruhisa Yamashiro
  • 2023, 電気・情報関係学会北海道支部連合大会, The 2022 IEEE Sapporo Section Student Paper Contest Encouraging Prize
    河合 他
  • 2023, IEEE Sapporo Section, The 2022 IEEE Sapporo Section Encouragement Award
    Nao Nakagawa et al.
  • 2023, IEEE Sapporo Section, The 2023 IEEE Sapporo Young Professionals Best Researcher Award
  • 2023, IEEE GCCE, Excellent Paper Award Silver Prize
    Haruka Matsuda
  • 2023, 電気・情報関係学会北海道支部連合大会, 若手優秀論文発表賞
    松田 他
  • 2023, 電気・情報関係学会北海道支部連合大会, 若手優秀論文発表賞
    佐藤 他
  • 2023, 電気・情報関係学会北海道支部連合大会, 若手優秀論文発表賞
    藤後太郎
  • 2023, 映像情報メディア学会, 映像情報メディア学会 優秀研究発表賞
    朱赫 他
  • 2023, 構造工学委員会 AI・データサイエンス論文集編集小委員会, AI・データサイエンス奨励賞
    櫻井 他
  • 2023, 構造工学委員会 AI・データサイエンス論文集編集小委員会, AI・データサイエンス奨励賞
    諸戸 他
  • 2023, 電気・情報関係学会北海道支部連合大会, The 2023 IEEE Sapporo Section Student Paper Contest Encouraging Prize
    Masaki Kashiwagi et al.
  • Nov. 2022, IEEE GCCE2021 Excellent Student Poster Award Silver Prize
  • Oct. 2022, Silver Prize IEEE GCCE 2021 Excellent Poster Award
  • Sep. 2022, 土木情報学システム開発賞
  • Aug. 2022, The 2021 IEEE Sapporo Section Encouragement Award
  • Mar. 2022, IEEE LifeTech 2022 WIE Excellent Poster Award
  • 2022, Best Paper Award, International Workshop on Advanced Image Technology (K. Sakurai et al., IWAIT)
  • 2021, 令和3年度電気・情報関係学会北海道支部連合大会若手優秀論文発表賞 (櫻井他, 電気・情報関係学会北海道支部連合大会)
  • 2021, 令和3年度電気・情報関係学会北海道支部連合大会若手優秀論文発表賞 (吉田他, 電気・情報関係学会北海道支部連合大会)
  • 2021, 2nd Prize, IEEE LifeTech 2021 Excellent Student Paper Award for Oral Presentation (S. Takada et al., IEEE Lifetech)
  • 2020, ACM Multimedia Asia 2020 Best Paper Runner-up Award (R. Yanagi et al., ACMM Asia)
  • 2020, Gold Prize GCCE2020 Excellent Poster Award (S. Takada et al., GCCE2020)
  • 2020, Gold Prize GCCE2020 Excellent Student Paper Award (G. Li et al., GCCE2020)
  • 2020, Gold Prize GCCE2020 Excellent Demo! Award (N. Nakagawa et al., GCCE2020)
  • 2020, 映像情報メディア学会丹羽高柳賞 論文賞 (T. Ogawa et al., MTA)
  • 2019, Silver Prize IEEE GCCE 2019 Excellent Poster Award
    Megumi Kotera
  • 2019, Outstanding Prize IEEE GCCE2019 Excellent Demo! Award
    Rintaro Yanagi
  • 2017, 電子情報通信学会北海道支部学生奨励賞
    藤後 廉
  • 2015, 平成27年度電気・情報関係学会北海道支部連合大会 優秀論文発表賞
    藤後 廉
■ Papers
■ Other Activities and Achievements
■ Lectures, oral presentations, etc.
  • データサイエンス人財育成の新しいカタチ
    NoMaps 2021, Sep. 2021, Public discourse
  • AIを中心とした医療デジタル技術基盤の構築へ向けた取り組み
    第60回日本消化器がん検診学会総会 附置研究会3, Jun. 2021
  • ゴム材料開発のためのConditional StyleGANに基づく配合量からの電子顕微鏡画像の生成に関する一検討
    映像情報メディア学会技術報告, Feb. 2021
  • 実店舗の防犯カメラ映像データを用いた顧客の関心推定に関する検討 ～ 姿勢推定モデルから得られる特徴量を用いた異常検知モデルの精度検証 ～
    映像情報メディア学会技術報告, Feb. 2021
  • ユーザの嗜好を反映可能なインテリアコーディネート検索技術の構築 ～ コーディネートを表現可能な特徴の抽出と実データへの適用 ～
    映像情報メディア学会技術報告, Feb. 2021
■ Affiliated academic society
  • ACM
  • IEEE
■ Research Themes
  • 生成AIとの融合により潜在的嗜好を把握可能とするユーザ中心推薦技術の構築
    科学研究費助成事業
    01 Apr. 2024 - 31 Mar. 2028
    長谷山 美紀; 斉藤 直輝; 小川 貴弘; 藤後 廉
    日本学術振興会, 基盤研究(B), 北海道大学, 24K02942
  • Construction of ultra-low-volume anonymous learning technology and universal learning technology to improve the versatility of medical AI
    Grants-in-Aid for Scientific Research
    Apr. 2023 - Mar. 2028
    藤後 廉
    本研究では，医療AIの汎用性向上を目指す超少量匿名学習技術および汎用学習技術の構築を目指す．一般画像を対象とするAI技術の指数関数的発展と比較して，医用画像を対象とするAI技術の応用範囲は依然として限定的である．そこで本研究では，一般画像と医用画像のそれぞれが有する性質の差異に着目することで，医療AIの汎用性向上を実現する技術を構築する．具体的には，まず，データ蒸留技術に基づき，匿名性の高い汎用蒸留画像を生成する．そして，モデルベースドメイン適応技術と組み合わせることで，汎用的用途で利用可能なデータおよびモデルの構築を実現する．本研究では，複数種類の医用画像および複数施設から得られる医用画像を対象として，構築技術の有効性検証を実施する．
    本年度では，まず，医用画像と対象とする前に，一般画像におけるデータ蒸留技術の構築を行った．より基礎的なデータを対象とした理論構築を出発点とすることで，構築理論の有効性を検証しつつ，医用画像データへの応用可能性について検討可能となる．本年度は，一般データを対象としたデータ蒸留における基礎理論を構築し，ニューラルネットワーク分野のトップ論文誌Neural Networksへの採択に至った．また，これらの技術の改良版を画像処理分野における世界最大の国際会議International Conference on Image Processing (ICIP) およびコンピュータビジョン分野における世界最高峰の国際会議International Conference on Computer Vision and Pattern Recognition (CVPR)のデータ蒸留ワークショップへ投稿中である．
    Japan Society for the Promotion of Science, Grant-in-Aid for Scientific Research (C), Hokkaido University, 23K11141
  • General-purpose deep learning theory for ultra-low computational complexity and low capacity in the age of edge AI
    Grants-in-Aid for Scientific Research
    01 Apr. 2021 - 31 Mar. 2026
    小川 貴弘; 藤後 廉; 前田 圭介
    本研究課題では、エッジAI時代の超低演算量・低容量化を実現する汎用深層学習理論の構築を目指している。研究代表者が進めてきた低演算量・低容量バイナリスパース表現技術とクロスモーダル埋め込み技術の研究を融合させ、AIの演算量と学習データ量を大幅に削減可能な新たな理論を構築する。具体的に、最先端の深層学習モデルをバイナリスパース表現により模倣し、さらに、他のモダリティからの知識転移を行うことで、深層学習の利点である高い精度を保持しつつ、演算量削減と学習データ量の小規模化を同時に実現する。本研究課題では、構築理論の汎用性を示すとともに、エッジデバイス上での評価検証を行う。尚、本研究課題は研究分担者とともに遂行し、実施項目である「① モデルクローニング技術の実現による演算量の削減」および「② クロスモーダル知識転移技術の実現による学習データ量の小規模化」については、①の研究を小川・藤後が、②の研究を小川・前田が実施する。
    令和4年度は、「バイナリスパース深層学習モデルの実現」を目指し、研究を遂行した。具体的に、演算量削減と学習データ量の小規模化のそれぞれを以下のように実現した。まず、構築済みの「深層学習モデルの中間層出力」と「バイナリスパース深層学習モデルの中間出力」との相関を最大化する理論に、データの近似誤差最小化を可能にする損失関数を新たに組み込むことで、各中間層出力を低演算量のバイナリスパース表現で模倣するモデルクローニングを実現した。次に、異なる種類のモダリティの相関を最大化する理論を構築することで、学習データ量の不足をモダリティ相関に基づき補間するクロスモーダル知識転移を実現した。研究成果の対外発表についても積極的に行い、コンピュータビジョン分野のトップ国際会議ECCVへの採択や、信号処理分野のトップ国際会議ICASSPへの採択に至った。
    Japan Society for the Promotion of Science, Grant-in-Aid for Scientific Research (B), Hokkaido University, 23K21676
  • General-purpose deep learning theory for ultra-low computational complexity and low capacity in the age of edge AI
    Grants-in-Aid for Scientific Research Grant-in-Aid for Scientific Research (B)
    01 Apr. 2021 - 31 Mar. 2026
    小川 貴弘; 前田 圭介; 藤後 廉
    本研究課題では、エッジAI時代の超低演算量・低容量化を実現する汎用深層学習理論の構築を目指す。研究代表者が進めてきた低演算量・低容量バイナリスパース表現技術とクロスモーダル埋め込み技術の研究を融合させ、AIの演算量と学習データ量を大幅に削減可能な新たな理論を構築する。具体的に、最先端の深層学習モデルをバイナリスパース表現により模倣し、さらに、他のモダリティからの知識転移を行うことで、深層学習の利点である高い精度を保持しつつ、演算量削減と学習データ量の小規模化を同時に実現する。本研究課題では、構築した理論が汎用性を有することを示すとともに、エッジデバイス上での評価検証を行う。尚、本研究課題は研究分担者とともに遂行し、実施項目である「① モデルクローニング技術の実現による演算量の削減」および「② クロスモーダル知識転移技術の実現による学習データ量の小規模化」については、①の研究を小川・藤後が、②の研究を小川・前田が実施する。
    令和3年度は、「深層学習モデルにおける中間層出力」と「バイナリスパース表現係数」との間で相関を最大化するクロスモーダル埋め込み理論を構築した。具体的に、ソースドメインに対応する実数データとバイナリスパース表現係数との間でクロスモーダル埋め込みを行い、それらの相関が最大化されるよう、バイナリスパース表現における辞書学習を可能とした。この際、バイナリスパース表現係数は0または1の疎なデータであることに注目し、観測データがバイナリスパース値である制約を設けた新たなクロスモーダル埋め込み理論を実現した。さらに、構築した理論やその応用に関する研究成果の対外発表についても積極的に行い、クロスモーダル埋め込み理論を応用した研究成果が画像処理分野における世界最高峰の国際会議ICIP等に採択されている。
    Japan Society for the Promotion of Science, Grant-in-Aid for Scientific Research (B), Hokkaido University, 21H03456
  • Development of a Sequential Data Cleansing Technique Based on Machine Learning for Medical Imaging
    Grants-in-Aid for Scientific Research
    01 Apr. 2020 - 31 Mar. 2024
    Togo Ren
    This study aims to develop a machine learning-based data cleansing technology for stomach X-ray images. In the field of medical image analysis, supervised learning based on large-scale data is increasingly recognized for its effectiveness. However, many of the currently proposed methods focus only on model construction and evaluation, without considering the effort involved in building datasets. To apply diagnostic support technology using machine learning in real-world settings, it is necessary to consider the total performance, including the cost of labeling data. Therefore, this research focuses on the aspect of dataset construction, which is essential for the societal implementation of machine learning, and aims to develop a technology that can efficiently perform data cleansing.
    Japan Society for the Promotion of Science, Grant-in-Aid for Early-Career Scientists, Hokkaido University, 20K19857
  • 機械学習に基づくマルチモーダル画像生成手法の構築
    科学研究費助成事業 特別研究員奨励費
    25 Apr. 2019 - 31 Mar. 2021
    藤後 廉
    本研究では，医用画像におけるマルチモーダル画像生成手法の構築を目的として，研究を遂行してきた．具体的に本研究では，胃X線画像および血液検査抗体値を用い，胃炎初期状態の患者の胃X線画像から，胃炎が進行した場合の未知情報を画像生成により推定することを目的とする．本研究は，【研究１：胃炎の進行予測画像の生成】および【研究2：画像生成手法のマルチモーダル化】の2つのテーマから構築されている．研究計画策定時点においては，研究１では，任意の胃がんリスクに応じた予測画像の生成を行い，研究２では，血液検査結果と照らし合わせた学習を行う推定器を加えた画像生成手法のマルチモーダル化を行う予定であった．
    研究実施者はまず，高解像度である胃X線画像に対する画像生成を実現するため，徐々に解像度を向上させる画像生成手法であるProgressive Growing of GANs (PGGAN) に基づき画像生成手法を構築した．さらに生成画像の胃炎分類問題への応用可能性を示した．尚，本成果は学際論文誌IEEE Accessへの採録に至っている．
    次に研究実施者は，血液検査値と胃X線画像の対応付けによる画像生成の研究に着手した．血液検査による結果をドメインラベルベクトルとして扱うことで血液検査結果の入力に対応した画像生成が可能となる手法を構築した．また，本成果に関して，画像認識分野における国内最大規模の学会である「画像の認識・理解シンポジウム(MIRU) 」においてポスター発表を行った．
    以上より，研究実施者は，本研究に関する成果をほぼ研究計画通りに実施しており，研究成果を対外発表や論文として社会に還元している．
    日本学術振興会, 特別研究員奨励費, 北海道大学, 19J10821
■ Industrial Property Rights
  • 画像生成装置、ゴム組成物の配合推定装置及び学習装置
    Patent right, 福地 将志; 山田 宏明; 伊藤 和加奈; 長谷山 美紀; 小川 貴弘; 藤後 廉, 住友ゴム工業株式会社, 国立大学法人北海道大学
    特願2021-019382, 09 Feb. 2021
    特開2021-136024, 13 Sep. 2021
    特許第7603275号
    202503020259470936
  • 情報処理システム
    Patent right, 本間 勇紀; 山城 輝久; 長谷山 美紀; 小川 貴弘; 藤後 廉, 株式会社ニトリホールディングス, 国立大学法人北海道大学
    特願2022-206332, 23 Dec. 2022
    特開2024-090422, 04 Jul. 2024
    202403013564367068
  • 情報処理システム
    Patent right, 本間 勇紀; 藤後 廉; 阿部 真育; 長谷山 美紀; 小川 貴弘, 株式会社ニトリホールディングス, 国立大学法人北海道大学
    特願2021-202578, 14 Dec. 2021
    特開2023-087988, 26 Jun. 2023
    202303018862076828
  • 画像生成装置、ゴム組成物の配合推定装置及び学習装置
    Patent right, 福地 将志; 山田 宏明; 伊藤 和加奈; 長谷山 美紀; 小川 貴弘; 藤後 廉, 住友ゴム工業株式会社, 国立大学法人北海道大学
    特願2021-019382, 09 Feb. 2021
    特開2021-136024, 13 Sep. 2021
    202103009110722611
■ Academic and Social Contribution Activities/Other
Media Coverage