知能情報講究Ⅱ

Advanced Study on ArtificialIntelligence andInformatics Ⅱ

ー

電気物性工学専攻／電子情報工学専攻 共通科目

工学研究科

1年

HETDA7MCA1

2単位

講義 (Lecture)

2026年度後期

(Fall semester)

小橋 昌司、和田 孝之、新居 学、長宗 高樹

工学研究科

日本語

日本語（学生の希望に応じて英語で実施する場合があります）

目標3／目標9

姫路工学キャンパス6号館6313（小橋居室）
毎週木曜日 12:10〜13:00
※事前にユニバーサルパスポート（UNIPA）のQ&A機能で予約することが望ましい。

ユニバーサルパスポート（UNIPA）のQ&A機能を通じて、教員に連絡してください。

ー

1◎／2◎／3〇

ー

ー

【講義目的】
本講義は、医用画像工学および医療AI分野における先端的研究を題材として、研究論文の精読、討議、発表を通じて、研究者として必要な高度な専門知識と研究遂行能力を涵養することを目的とします。特に、医用画像解析、深層学習、臨床データ活用、医工連携および社会実装の視点を重視し、学生が自身の研究テーマを学術的および社会的に位置づけられるようになることを目指します。

【到達目標】
本講義を履修することで、学生は以下のことができるようになります。

1. 医用画像工学および医療AI分野における主要な研究動向を整理し、説明できます。
2. 研究論文を批判的に読解し、その新規性、有効性および課題を論理的に整理できます。
3. 臨床データを用いた研究の設計方針および評価方法を説明できます。
4. 自身の研究テーマについて、背景、目的、方法および意義を明確にし、口頭で発表できます。

サブタイトル
医用画像工学と医療AIに関する先端研究特別講究

キーワード
医用画像工学、医療AI、深層学習、CT・MRI画像解析、説明可能AI、臨床データ解析、医工連携、医療機器プログラム（SaMD）

本講義では、医用画像工学および医療AI分野に関する先端的研究を題材として、論文講読、学生発表、討議を中心に進めます。特定の臓器や疾患に限定せず、医用画像解析全般を対象として、研究設計から社会実装までを段階的に扱います。

第1回 ガイダンス
本講義の目的、進め方、評価方法を説明します。医用画像工学・医療AI研究の全体像を概説します。

第2回 医用画像工学の基礎と研究動向
CT、MRI、X線画像などを対象に、医用画像工学の基礎と近年の研究動向を整理します。

第3回 医療AIと深層学習の基礎
医用画像解析における深層学習（CNN、3D CNN等）の基本構造と課題について学びます。

第4回 医用画像AI研究の設計方法
データ収集、前処理、学習、評価指標の設計について、代表的な研究事例を基に議論します。

第5回 説明可能AIと医療応用
Grad-CAM等の可視化手法を例に、医療AIにおける説明可能性の重要性を考察します。

第6回 多様な医用画像解析の研究事例
臓器・モダリティを限定しない医用画像解析研究を取り上げ、手法と意義を検討します。

第7回 放射線画像を用いた定量解析と臨床応用
X線・CT・MRI画像を用いた定量評価と診断・意思決定支援への応用について議論します。

第8回 医療データと倫理・制度
臨床データ利用における倫理審査、個人情報保護、研究者の責任について整理します。

第9回 医工連携研究の実際
大学・病院・企業が連携する研究体制と、その利点や課題について事例を基に学びます。

第10回 医療AIの社会実装とSaMD
医療機器プログラム（SaMD）として医療AIを展開する際の考え方や評価設計を解説します。

第11回 研究論文の批判的読解（学生発表）
学生が選択した医用画像・医療AI関連論文について発表し、新規性や課題を討議します。

第12回 研究テーマの構築とブラッシュアップ
各自の研究テーマについて、研究目的・方法・意義を整理し、相互に助言します。

第13回 研究成果の発信方法
国際論文、学会発表、特許など、研究成果の発信戦略について議論します。

第14回 学生研究発表
各自の研究計画または研究進捗を発表し、総合的な討議を行います。

第15回 まとめと振り返り
本講義全体を振り返り、医用画像・医療AI研究において研究者に求められる視点を整理します。

遠隔＜完全オンライン＞

本授業は、遠隔＜完全オンライン＞で実施します。

利用する場面を限定し許可

本授業では、調査や検討の過程において、生成AIを効果的に活用することを認めます。ただし、生成AIが出力した内容については、その正確性や妥当性を一次資料（原著論文、公的資料等）により必ず確認してください。

レポートや発表資料の作成において生成AIを使用する場合は、生成AIの出力結果をそのままコピーして提出することは認めません。内容を自ら理解したうえで整理し、自分の言葉として責任を持てる形で記述してください。なお、ハルシネーション等により事実と異なる記述や根拠不明な内容が含まれている場合は、評価を大幅に低くします。

生成ＡＩの利用にあたっては『本学の教育における生成ＡＩの取扱いについて（学生向け）』の記載内容について留意すること。

教科書は指定せず、必要に応じて講義資料を配布します。

Handbook of Medical Image Computing and Computer Assisted Intervention
Nicholas Ayache, Bennett A. Landman, et al.（編）
Handbook of Medical Image Computing and Computer Assisted Intervention
Academic Press（Elsevier）, 2020.
ISBN: 978-0-12-816176-0

事前学習
各回の講義に関連する参考文献や配布資料について、内容の概要を事前に確認してください。また、必要に応じて関連論文を読み、講義内容の理解に向けた準備を行ってください。
目安時間：各回1〜2時間（合計15〜30時間）

事後学習
講義内容を振り返り、配布資料や参考文献を用いて理解を深めてください。あわせて、レポート作成や発表準備、研究テーマの整理を行ってください。
目安時間：各回1〜2時間（合計15〜30時間）

本授業では、学生主体のアクティブ・ラーニングを取り入れます。具体的には、医用画像工学および医療AI分野に関する研究論文の講読を行い、学生による要約発表および質疑応答を実施します。また、研究テーマに関するディスカッションや相互フィードバックを通じて、研究内容の理解深化と研究計画のブラッシュアップを行います。これらの活動を通して、批判的思考力、発信力、討議力の向上を図ります。

成績評価は、以下の項目を総合的に評価して行います。

1. 発表・ディスカッションへの貢献度（40％）
研究論文の要約発表およびディスカッションにおいて、内容の理解度、論理的な説明や発言の妥当性、議論への建設的な貢献度を評価します。

2. レポート・課題（40％）
提出されたレポートや課題について、調査内容の正確性、論理構成の明確さ、考察の深さを評価します。生成AIを使用する場合は、一次資料に基づく内容確認が行われているか、自身の理解に基づいた記述となっているかを重視します。ハルシネーション等により事実と異なる記述が含まれている場合は、評価を大幅に低くします。

3. 学修への取り組み状況（20％）
授業準備の状況、質問や意見の質、相互フィードバックへの関与など、主体的かつ継続的な学修への取り組みを評価します。

レポートや課題の評価結果については、UNIPA等を通じて開示します。必要に応じて、授業内または個別にフィードバックを行います。

本授業は研究科の特別講究科目であり、主体的な学修姿勢が求められます。受講にあたっては、英語による学術論文の読解および発表が可能であることが望まれます。授業では、論文講読、発表、ディスカッションを中心に進めるため、事前準備を行ったうえで積極的に参加してください。
なお、生成AIを利用する場合は、本シラバスに示した利用方針および注意事項を遵守してください。

本授業は、実践的教育には該当しません。

本授業は、シラバスに示した到達目標および評価方針に基づき、学生の研究テーマや理解度に応じて、講義内容や進行を範囲内で柔軟に調整します。