ディープラーニングによる画像認識技術の発達はめざましく、とくに大量の学習用画像を比較的かんたんに用意できる問題設定（たとえば車載カメラ映像からの路上物体認識）で先行的に実応用が進んでいる。一方で、バイオイメージング分野で扱われる画像は、1枚1枚の取得にコスト・時間・技術がかかり、質のよい学習用画像を大量に用意することがむずかしい場合も多い。
そこで本研究では、教師無し学習、半教師付き学習、非対教師学習（Unpaired Supervised Learning）などの枠組みにもとづいて、できるだけ少ないバイオ分野画像からディープラーニングを行い、顕微鏡画像などの自動内容理解や鮮明化、超解像などを行う技術を開発する。
2019
Fujioka H., Sawangphol J., Anraku S., Miyamoto N., Kino H., Hidaka A. (2019) Detecting Nanosheet Objects from Noisy CLSM Images Using Deep Learning Approach, Key Engineering Materials, 804: 11-15.
doi: 10.4028/www.scientific.net/KEM.804.11.
2018
Hidaka A., Kurita T. (2018) Data Visualization for Deep Neural Networks Based on Interlayer Canonical Correlation Analysis. Transactions of ISCIE, 31(1): 10-20.
doi:10.5687/iscie.31.10.
2017
Fujioka H., Zhu W., Hidaka A., Kano H. (2017) Reconstructing Dynamic Font-based Chinese Characters using Support Vector Machine. Proc. of 2017 IEEE International Conference on Systems, Man, and Cybernetics, 2408-2413.
doi:10.1109/SMC.2017.8122983.
