高度画像処理・AI（機械学習）の技術開発・コンサルティング

AI(人工知能)・機械学習の技術コンサルティング、既存手法の評価や新規手法の研究開発、ソフトウェア開発などの支援を行うことで、お客さまのシステム自動化・高度化に伴う課題解決、および研究開発の加速を支援いたします。

サービス内容

当社は、画像処理技術の基盤となる古典的なアルゴリズムから最新のAI技術まで、様々な技術を融合して、お客さま多岐にわたる課題解決を支援いたします。

当社は、長年にわたり画像処理技術の研究開発に取り組み、画像処理技術に関する知見と実績を蓄積してまいりました。同時に、ディープラーニングをはじめとする最新の画像処理AIの動向を常に追い続け、積極的に技術ポートフォリオに取り入れています。これにより、従来の手法だけでは捉えきれなかった高度なパターン認識や、より精密な分析が可能となりました。また単に新しい技術を導入するだけでなく、画像の前処理や特徴抽出など、古典的な画像処理技術を適切に取り入れることで、AI技術の性能をさらに引き出すことができる場面も少なくありません。こうした古典的な処理と最新技術を柔軟に組み合わせることで、より高精度かつ効率的な課題解決が可能となります。それぞれの技術の特性を生かし、ときには双方を組み合わせ、あるいは全く新しいアプローチを検討することで、解決策をご提案いたします。

「既存の手法では限界を感じている」「AIで何ができるのか具体的に知りたい」「これまで解決できなかった画像処理の課題がある」といったお困りごとがございましたら、ぜひ一度当社にご相談ください。

サービスメニュー

技術コンサルティング技術調査・技術評価システム構築	受託研究開発受託ソフトウェア開発

適用事例

当社では、さまざまな分野におけるお客さまの広範な技術課題の解決をサポートしております。
気になる事例名をクリックいただき、詳細ページをご参照ください。

医療・ヘルスケア分野への適用事例

医療現場では、X線、CT、MRI、PETといった多様なモダリティから得られる医療画像が、診断や治療計画において極めて重要な役割を果たします。当社は高度画像処理やAIによりこれらの医療画像の解析を支援いたします。

胸部X線画像からの肺がん検出
3次元顔画像の加齢シミュレーション
3次元CT画像への腫瘍画像合成
PETの画像再構成

バイオイメージングへの適用事例

生命科学の研究や創薬開発の現場では、顕微鏡などを通じて得られる細胞や組織の画像（バイオイメージング）から、生命現象のメカニズム解明や薬剤効果の評価などが行われます。当社は、AIを活用した画像解析により、膨大な画像データから、人手では困難な「細胞の精密な検出」「形態変化の認識」「特定物質の定量化」といった解析作業を支援いたします。

生細胞スライス画像からの細胞検出
細胞核の認識
細胞数のカウント
細胞サイズ分布の解析
細胞の追跡

製造分野への適用事例

製造業において、製品の品質維持と向上は企業の競争力を左右する重要な課題です。従来の人間の目視検査では見逃しがちな微細な欠陥の検出、検査工程の自動化による効率向上、検査基準の均一化、そして熟練技術者のノウハウ継承といった多岐にわたる課題解決に、これまで培った画像処理・AI技術で支援します。X線CT画像のような非破壊検査画像や、顕微鏡画像など、様々な種類の画像に対応が可能です。

鋳造部品の欠陥検出
X線CT画像からの鋳巣（空洞欠陥）の検出
X線CT画像からの部品カウント・欠陥検出
電子顕微鏡画像中で撮影した電池の粒子認識
良品学習の外観検査への適用

インフラ分野への適用事例

道路、橋梁、トンネル、エネルギー施設といった社会インフラの老朽化対策や効率的な維持管理は、安全で持続可能な社会を支える上で不可欠です。当社は監視カメラ映像や航空写真、衛星画像などをAIで解析することにより、広範囲にわたる設備の異常検知、劣化状況の評価、災害発生時の迅速な被害把握、点検作業の効率化・省人化を支援いたします。

航空写真を用いた建物被災度判別
航空写真を用いた河川・湖沼領域の自動判別
加速器超伝導空洞内部の欠陥検出

上記のほかにも、以下のような多岐にわたる分野での技術開発やソフトウェア開発の実績があります。

人物検出粒子解析顔認証バイオメトリクス認証微小生物検出カメラ位置推定三次元画像レジストレーション三次元物体認識医療画像セグメンテーション自動コンツーリングリコメンデーション金融シミュレーション電流波形識別 SNSテキストマイニングプローブデータマイニング

関連項目

技術要素

AI(人工知能)と機械学習

AI（人工知能）とは、「知的な（=目標達成のための計算的な能力をもつ）機械、特に、コンピュータプログラムを作る科学と技術」のことを指します（初期の人工知能研究の第一人者マッカーシー教授による定義）。この人工知能において近年、注目を集めている手法が機械学習です。

機械学習は、画像上の物体認識や株価の予測など、判断基準が不明瞭な事象を推定・予測する際に大きな効力を発揮します。これまで、コンピュータによって推定・予測を行う際には、人がルールを明示的に与えるルールベースと呼ばれる手法が用いられていました。しかしこの方法は、人がルールを把握していない、すなわち判断基準が不明瞭な事象を予測・推定することができません。一方、機械学習では、過去のデータからコンピュータがルールを学習するために、判断基準が不明瞭な事象の推定・予測に対しても適用することができます。このため、より複雑なシステムを自動化することが可能となり、多くの分野で応用が進んでいます。

左右スクロールで表全体を閲覧できます

キーワード	AI(人工知能), 機械学習, パターン認識, 教師あり学習, 教師なし学習, 半教師あり学習, 回帰, 識別, クラス分類, クラスタリング, 強化学習, データマイニング, アソシエーション分析, 次元削減, 特徴量抽出, 統計解析, 物体認識, 物体検出, 高画質化, 高音質化, 画像解析, テキスト分析, 二値分類, 多クラス分類, 動き検出・追跡, 輪郭抽出, リコメンデーション, 形状検出, セマンティクセグメンテーション, 異常検知, ディープラーニング(深層学習), カップリング学習, サポートベクターマシン(SVM), ランダムフォレスト, 単純ベイズ分類器, 単純パーセプトロン, ブースティング, 最近傍法, Mean-Shiftクラスタリング, k-means法, FFT, ウェーブレット解析, 位相限定相関法, 主成分分析, Bag-of-Words, Bag-of-Visual-Words, 敵対的生成ネットワーク(Generative Adversarial Network, GAN), 良品学習(1-class分類, 半教師あり異常検知), 説明可能なAI (XAI), C/C++, Python, MATLAB^®, OpenCV, Keras, TensorFlow^®, PyTorch^®

キーワード

AI(人工知能), 機械学習, パターン認識, 教師あり学習, 教師なし学習, 半教師あり学習, 回帰, 識別, クラス分類, クラスタリング, 強化学習, データマイニング, アソシエーション分析, 次元削減, 特徴量抽出, 統計解析, 物体認識, 物体検出, 高画質化, 高音質化, 画像解析, テキスト分析, 二値分類, 多クラス分類, 動き検出・追跡, 輪郭抽出, リコメンデーション, 形状検出, セマンティクセグメンテーション, 異常検知, ディープラーニング(深層学習), カップリング学習, サポートベクターマシン(SVM), ランダムフォレスト, 単純ベイズ分類器, 単純パーセプトロン, ブースティング, 最近傍法, Mean-Shiftクラスタリング, k-means法, FFT, ウェーブレット解析, 位相限定相関法, 主成分分析, Bag-of-Words, Bag-of-Visual-Words, 敵対的生成ネットワーク(Generative Adversarial Network, GAN), 良品学習(1-class分類, 半教師あり異常検知), 説明可能なAI (XAI), C/C++, Python, MATLAB^®, OpenCV, Keras, TensorFlow^®, PyTorch^®

セグメンテーション（領域分割）

画像におけるセグメンテーション（領域分割）とは、画像内で似た特徴量（色、テクスチャ、被写体など）を持つグループごとに領域をまとめ、複数の領域に分割することです。古くは色やテクスチャで領域を分割していましたが、ディープラーニングを用いたセマンティックセグメンテーションを用いることで、各ピクセルが「何であるか」を識別・分類することで「意味」の単位で画像を領域分割することも可能になっています。

領域自体の抽出、カウント、面積・体積の比較といった分析に対してセグメンテーションの技術が適用可能です。

二次元画像のセグメンテーション適用例

以下の例では、染色した細胞画像から細胞質を認識しています。試薬に対する領域毎の染色された細胞の比率の取得などにご活用いただけます。

画像提供：神奈川県立がんセンター病理診断科部長（当時）　横瀬智之氏

三次元画像のセグメンテーション適用例

以下の例では、CTの三次元画像から腎臓を抽出し、骨・皮膚部分と合わせてボリュームレンダリングを行い表示しています。

画像提供：JAMIT医用画像データベース

画像超解像技術

画像超解像技術とは、低解像度画像から高解像度画像を生成する技術です。一般の画像編集ソフトなどで拡大すると不鮮明なぼやけた画像になってしまう場合でも、画像超解像技術を用いることでより高精細な画像を得ることが可能な場合があります。

身近な画像超解像技術の適用例として、テレビが挙げられます。近年では4Kテレビと呼ばれる高解像度テレビが販売されていますが、4KテレビではSD映像（DVDなど）やHD映像（地上デジタルハイビジョン放送など）など、4Kよりも低い解像度の映像を表示することも可能です。多くの4Kテレビには、低い解像度の映像に画像超解像技術を適用することによって、高精細な映像を表示する機能が組み込まれています。

画像超解像技術は以下の二つに大別できます。

1.単画像超解像

単画像超解像とは、1枚の入力画像から超解像画像を生成する技術です。学習を用いる方法や、画像の自己相関を利用する方法などがあります。

学習を用いる超解像では、あらかじめ用意した低解像度画像と高解像度画像のペアを含んだデータベースを用意し、低解像度画像と高解像度画像間の関係を学習します。そして、入力画像と類似した低解像度画像をデータベースより探索し、学習により関係付けられた高解像度画像を用いることにより、超解像画像を生成します。

2.複数画像超解像

複数画像超解像とは、複数の入力画像から超解像画像を生成する技術です。
複数画像超解像では、複数の画像間の微小な位置ずれを推定し、その情報を利用して画素間の補間を行うことにより、超解像画像を生成します。

適用範囲

左右スクロールで表全体を閲覧できます

SD映像のHD映像への変換 OCR検出精度の向上監視カメラなどの低画質映像の鮮明化	人物認識（顔認識）医療用画像の高画質化など

SD映像のHD映像への変換
OCR検出精度の向上
監視カメラなどの低画質映像の鮮明化

人物認識（顔認識）
医療用画像の高画質化

など

当社独自手法

当社は、独自の機械学習手法である「カップリング学習^®」の特許を保有しております。

カップリング学習は、多次元情報から多次元情報を推定するための手法で、全体として調和がとれた予測を行うことを得意としています。

カップリング学習の応用イメージ

画像の超解像化・ノイズ削減
CT・MRI画像のセグメンテーション・コンツーリング
アンケート解析によるヒューマンアクション分析・性格分析

カップリング学習については、ライセンス供与などのサービス提供も行っております。多次元情報の予測に興味をお持ちの方は以下のページをご参照ください。

独自の機械学習手法「カップリング学習」を利用した技術開発・コンサルティング概要

*カップリング学習は、みずほリサーチ&テクノロジーズ株式会社の登録商標です。
*MATLABは米国The MathWorks, Inc. の登録商標です。
*TensorFlow, the TensorFlow logo and any related marks are trademarks of Google Inc.
*PyTorch, the PyTorch logo and any related marks are trademarks of Facebook, Inc.
*その他に記載の社名、製品名及びサービス名は、各社の商標または登録商標です。