学生のBAI, Bingyuanさん（博士後期課程2年、創造社会デザイン研究領域、宮田研究室）が、第24回情報科学技術フォーラム（FIT2025）において、FIT船井ベストペーパー賞を受賞しました。

　FIT (Forum on Information Technology) 2025は、電子情報通信学会の情報・システムソサイエティとヒューマンコミュニケーショングループ、および情報処理学会が合同で開催する学術イベントです。令和7年9月3日～5日にかけて、北海道札幌市の北海道科学大学にて開催されました。
　FIT船井ベストペーパー賞は、船井情報科学振興財団より贈呈される賞で、FITの選奨セッションで発表された論文の中から、特に優れた論文の著者に授与されるものです。
　なお、授賞式は第25回情報科学技術フォーラム（FIT2026）にて行われる予定です。

※参考：FIT2025
　　　　情報処理学会

■研究題目、論文タイトル等
HistoCLIP: CLIP-Driven Multi-Label Classification for Histopathological Images

■研究者、著者
Bingyuan Bai, Kazunori Miyata

■受賞対象となった研究の内容
　HistoCLIP は、CLIP モデルが病理画像の多ラベル分類において直面する局限性を克服するために開発したフレームワークである。本手法では、CLIP のテキストエンコーダで得られるゼロショット・テンプレート埋め込みをクエリとして用い、画像特徴をキー・バリューとしてクロスアテンションで統合する Cross-Modal Matching（CMM）モジュールを導入する。これにより、病理画像に特有の複雑な視覚パターンとクラス情報の対応付けが強化され、BCSS-WSSS、LUAD-HistoSeg、PanNuke の 3 つの大規模病理データセットにおいて、それぞれ 91.21%、95.07%、88.24% の平均精度を達成し、従来のゼロショット CLIP 手法を大きく上回る性能を示した。

■受賞にあたって一言
　この度は FIT2025 にてFIT船井ベストペーパー賞を頂き、大変光栄に存じます。本研究を進めるにあたり、日頃より温かいご指導とご支援を賜りました宮田一乘教授に深く感謝申し上げます。また、研究を支えてくださった研究室の皆様にも心より御礼申し上げます。今後も医療 AI とマルチモーダル学習の発展に貢献できる研究に努めてまいります。

令和7年12月23日