| 玉木 太耀 | M, 2回目発表 | 光メディアインタフェース（マルチモーダル環境認識） | 向川 康博☆, | 川西 康友, | 薗頭 元春, | 舩冨 卓哉, | 藤村 友貴, | 北野 和哉 |
|
title: Head Orientation Estimation from a Low-Resolution Far-Infrared Image Sequence
abstract: In this study, we propose a method for estimating head orientation from a low-resolution far-infrared (LFIR) image sequence captured by a 32 ×32 FIR sensor array. Estimating head orientation from LFIR images is challenging due to their inherent noise and limited resolution. Manually annotating head orientation is also difficult, and no suitable dataset currently exists. Our method leverages multimodal and temporal information through a dedicated framework for robust estimation. We also introduce the dataset, which was created using a proposed automatic annotation system. To validate the proposed method, we conducted experiments on the constructed dataset and assessed its head orientation estimation performance. language of the presentation: Japanese 発表題目: 低解像度遠赤外線画像を用いた人物の頭部向き推定 発表概要: 本研究では32 ×32 画素の遠赤外線センサアレイで撮影された低解像度遠赤外線(LFIR) 画像から，人物の頭部の向きを推定する手法を提案する．LFIR 画像は，プライバシの保護や暗所での撮影に優れる一方，ノイズの混入と限られた解像度のために単純な手法で頭部の向きを推定することは困難である．また，手動でアノテーションすることも困難であり，現在適切なデータセットが存在しないという課題がある．これらの課題に対処するため，本研究では自動アノテーションシステムを用いて構築したデータセットを提案する．加えて，ノイズや情報欠損に対して正確かつ頑健な推定を実現するため，マルチモーダル情報および時系列変化を活用する推定手法を提案する．提案手法の有効性を確認するため，構築したデータセットを用いて実験を行い，頭部向き推定性能を評価した． | ||||||||
| 各務 元紀 | M, 2回目発表 | サイバネティクス・リアリティ工学 | 清川 清, | 向川 康博, | 内山 英昭, | Perusquia Hernandez Monica, | 平尾 悠太朗 | |
|
title: Tag-Along Virtual Windows Increase Perceived Resistance and
Task Load in Augmented Reality
abstract: This study investigates the mechanism underlying the perception of pseudo-resistance—a visually induced sense of resistance—when users interact with virtual displays that move in response to head rotation. Specifically, we experimentally evaluate how three factors—follow-up delay (0.0–1.0 s), anchoring method (Head-Locked vs. Tag-Along), and window size (Small vs. Large)—affect (1) subjective pseudo-resistance ratings, (2) task workload measured by NASA-TLX, and (3) objective gaze-based metrics during head-driven interaction. 発表題目: Tag-Along型の仮想ウィンドウは、ARにおける抵抗感の知覚とタスク負荷を増加させる 発表概要: 本研究では、頭部の回旋に応じて移動する仮想ディスプレイに対して、ユーザが知覚する擬似的な抵抗感（pseudo-resistance）の発生メカニズムを探究する。特に、仮想ウィンドウの追従遅延(0.0-1.0s)、追従方式（Head-Locked vs. Tag-Along）、ウィンドウサイズ(Small vs. Large)の3要因が主観的な抵抗感および作業負荷（NASA-TLX）、客観的な指標として視線の動きに与える影響を実験的に評価する。 | ||||||||
| 松﨑 優陽 | M, 2回目発表 | サイバネティクス・リアリティ工学 | 清川 清, | 向川 康博, | 内山 英昭, | Perusquia Hernandez Monica, | 平尾 悠太朗 | |
|
title: Evaluating LLMs' performance on rule-based reasoning in baseball
abstract: In order to evaluate the accuracy of LLMs' understanding of the rules of baseball, a game with a complex rule system, we designed a QA-type task specialized for baseball rules and tested the accuracy of the responses of multiple LLMs. Specifically, we analyzed whether LLMs were able to make appropriate judgments based on the rules by choosing the correct decision from given options in response to questions describing play situations that may occur during a game. In this presentation, we clarify the actual state of the reasoning ability of LLM for questions that include complex baseball rules, and show the possibility of future application and the direction of improvement. language of the presentation: japanese 発表題目:LLMは野球を理解できるか？野球ルールを対象とした推論能力の検証 発表概要: 本研究では，野球という複雑なルール体系を持つ競技において，LLMがどの程度正確にルールを理解しているかを評価するため，野球ルールに特化したQA形式のタスクを設計し，複数のLLMを対象に回答精度の検証を行った．具体的には，試合中に発生しうるプレー状況を記述した設問に対し，与えられた選択肢から正しい判定を選ばせる形式を採用し，ルールに基づいた適切な判断を下せるかを分析した．本発表では，LLMが野球の複雑なルールを含む設問に対して示す推論能力の実態を明らかにし，今後の応用可能性と改良の方向性を示す． | ||||||||
| 榎本 佐知子 | M, 2回目発表 | ユビキタスコンピューティングシステム | 安本 慶一, | 金谷 重彦, | 諏訪 博彦, | 松井 智一 |
|
発表題目: 高齢者の健康管理のための 生活行動変容システム実現に向けた 最適化問題定義と遺伝的アルゴリズムによる解法 発表概要: 高齢者の増加に伴い，健康寿命の延伸とQoL（生活の質）の向上が重要課題となっている．高齢者のQoL向上のためには，適度な運動や休息などバランスの取れたスケジュールが重要である．本研究では，高齢者が健康的な生活を送るための生活行動変容支援システムを提案する．提案システムは，前日に行った行動をもとに翌日の健康状態を予測するモデルと，ユーザの予定や気分を基に健康状態がよくなるような行動スケジュールを提案するナビゲーターから構成する．ナビゲーターを実現するために，健康状態予測モデルを基に健康状態，自由時間，タスクの進捗，疲労度のバランスを考慮した行動スケジュールの多目的最適化問題の定式化を行い，スケジュールを算出するアルゴリズムを提案する.さらに，提案アルゴリズムで算出されたスケジュールの有用性をアンケートによって評価した． | ||||||
| 糸井 暉起 | M, 2回目発表 | 生体画像知能 | 大竹 義人, | 金谷 重彦, | Soufi Mazen, | GU YI |
|
title: Survival prediction of patients with fulminant myocarditis from pathlogical images using large-scale pathological image foundation model
abstract: Using artificial intelligence (AI) to predict the survival rate of patients with fulminant myocarditis from pathological images has the potential to improve understanding of disease progression and patient care workflows. If AI models can accurately predict short-term (i.e., 90-day) mortality, individualized treatment strategies can be adopted accordingly. In this study, we examine the Clinical Histopathology Imaging Evaluation Foundation (CHIEF) model, a foundational model for pathological image analysis, for this task. language of the presentation:Japanese | ||||||
| 上井 渚月 | M, 2回目発表 | 生体画像知能 | 大竹 義人, | 金谷 重彦, | Soufi Mazen, | GU YI |
|
abstract: Measurement of cortical and trabecular bone density in the femur and lumbar spine is important for assessing fracture risk and monitoring treatment efficacy. Currently, the DXA method, which is widely used for bone density measurement, uses two-dimensional X-ray images, making it difficult to separate cortical and trabecular bone and measure bone density. In this study, we measured the cortical bone width of the proximal femur and lumbar spine (L1–L4) using 3D CT images to identify the ranges of cortical and trabecular bone, and analyzed the data by gender and age group. language of the presentation: Japanese 発表題目: 大規模CTデータベースを用いた大腿骨および腰椎における皮質骨・海綿骨密度の性別・年代別解析 発表概要: 大腿骨および腰椎の皮質骨・海綿骨密度測定は骨折リスクの評価や治療効果のモニタリングにおいて重要である. 現在骨密度測定に広く用いられているDXA法では2次元のX線画像を用いるため, 皮質骨と海綿骨を分離して骨密度を測定することが難しい. そこで本研究では, 3次元データであるCT画像の大腿骨近位部および腰椎(第１～４腰椎)の皮質骨幅の測定を行うことで皮質骨・海綿骨の範囲を特定し, 性別・年代別に解析を行った. | ||||||
| 伊藤 健 | D, 中間発表 | ソーシャル・コンピューティング | 荒牧 英治, | 渡辺 太郎, | 若宮 翔子, | PENG SHAOWEN |
|
title: Classification of Treatment Discontinuation Reasons in Japanese Electronic Health Records Using Large Language Models
abstract: A large volume of free-text data in electronic health records (EHRs) describes treatment discontinuations, including those caused by adverse events. However, because this information is insufficiently structured in existing databases and thus difficult to extract, it remains underutilized despite its significant value. In this study, I combined automated labeling using Large Language Models (LLMs) with a small amount of manual annotation to efficiently classify treatment discontinuations due to adverse events. language of the presentation: Japanese 発表題目: 大規模言語モデルによる日本語電子カルテの治療中止理由分類 発表概要: 電子カルテには，副作用・有害事象を含む治療中止の経緯が自由記述として蓄積されているが，既存のデータベースにはこうした情報が十分に構造化されておらず，抽出が難しいため，これらの情報はその価値は非常に大きいものの十分に活用しきれていない．本研究では，大規模言語モデル（LLM）を用いた自動ラベリングと少数の手動アノテーションを組み合わせ，副作用・有害事象由来の治療中止を効率的に分類することを目的とした． | ||||||
| 橋本 清斗 | M, 2回目発表 | ソーシャル・コンピューティング | 荒牧 英治, | 渡辺 太郎, | 若宮 翔子, | Peng Shaowen |
|
title: Automated Qualitative Analysis of Free-Text Data Using Large Language Models abstract: We propose a method for efficiently analyzing free-text data in medical incident reports and patient/family questionnaires using large language models (LLMs). Our approach combines LLM-based abstractive tag generation with semantic integration of similar tags, aiming to automate and streamline qualitative analysis. The system is currently being piloted on actual incident reports in clinical settings, with its usefulness and demand evaluated through on-site feedback. Additionally, comparison with manual analysis on other questionnaire data has confirmed a certain level of concordance. This method is expected to contribute to more efficient and objective qualitative data analysis. language of the presentation: Japanese 発表題目: 大規模言語モデルを用いた質的分析の自動化手法の提案 発表概要: 大規模言語モデル（LLM）を活用し、医療インシデントレポートや患者・家族アンケートの自由記述テキストを自動的かつ効率的に解析する手法を開発した。本研究では、LLMによる要約的なタグ生成と、意味的な近さに基づくタグの統合を組み合わせることで、質的分析の自動化と省力化を目指している。現在、医療現場における実際のインシデントレポートを対象に応用試験を進めており、現場での有用性や需要性の評価を行っている。一方、別のアンケートデータでは、人手による分析との比較で一定程度の一致度も確認した。本手法は、質的データ分析の効率化と客観性の向上に貢献することが期待される。 | ||||||
| 佐藤 拓真 | M, 2回目発表 | 自然言語処理学（ロボット対話知能） | 渡辺 太郎☆, | 吉野 幸一郎, | Angel Garcia Contreras | |
|
title: *** Pragmatic Inference of Language Models ***
abstract: *** In human language use, the ability to understand the "implied meanings" of words is often crucial. The field of linguistics that explores implied meanings is called pragmatics, and language models are also required to possess high pragmatic meaning comprehension abilities. In the presenter's previous research, it was demonstrated that instructing language models to perform inference in accordance with the theoretical research findings in linguistic pragmatics improved the performance of language models on pragmatic inference benchmarks. This method can be used without task-dependent prompts or post-hoc fine-tuning and other parameter adjustments, and can be said to overcome the weaknesses of existing research. As a future research direction, it is important to create datasets and benchmark tasks for measuring the ability to perform more advanced pragmatic inference—particularly pragmatic inference that requires consideration of longer and more complex contexts. *** language of the presentation: *** Japanese *** 発表題目: *** 言語モデルの語用論的推論 *** 発表概要: *** 人間の言語使用においては、しばしば言葉の「言外の意味」を理解する能力が重要となる。言外の意味について探求する言語学の領域は語用論と呼ばれ、言語モデルも高い語用論的な意味理解能力をもつことが要請される。発表者のこれまでの研究においては、言語学における語用論の理論研究の成果に沿った推論の仕方を言語モデルに指示することが、語用論的推論ベンチマークにおける言語モデルの性能を向上させることを示した。この手法は、タスク依存なプロンプトや事後的なfine-tuning等のパラメータ調整なしに使用でき、既存研究の弱点を克服するものであると言える。今後の研究の方針として、より高度な語用論的推論──とりわけ、より長く複雑な文脈の考慮が必要な語用論的推論──を実行する能力を測るためのデータセット、およびベンチマークタスクを作成することが重要である。 *** | ||||||