Intelligent Systems Laboratory

熊本大学 情報融合学環/工学部情報電気工学科 知能システム研究室

スタッフ / メンバー

スタッフ
amagasakiの写真
尼﨑 太樹

教授
専門分野: データサイエンス,組込みシステム
researchmap
Motoki Amagasaki received the B.E. and M.E. degrees in control engineering and science from Kyushu Institute of Technology, Japan, in 2000 and 2002, respectively, and the D.E. degree from Kumamoto University, Japan, in 2007. He was an Engineer with NEC Micro Systems Company Ltd., from 2002 to 2005. He has been a Professor with the Faculty of Advanced Science and Technology, Kumamoto University, since 2021. His research interests include machine learning and reconfigurable systems. He is a member of IEEE, IPSJ, IEICE, and JSAI.

kiyamaの写真
木山 真人

助教
専門分野: データサイエンス,自然言語処理
researchmap
Masato Kiyama received the B.E., M.E., and Ph.D. degrees from Hiroshima City University, Japan, in 1999, 2001, and 2003, respectively. He has been a Researcher with the Faculty of Advanced Science and Technology, Kumamoto University, since 2003. His research interests include programming languages and machine learning.

meryの写真
Mery Diana

特任助教(半導体デジタル研究教育機構所属)
専門分野: 深層学習モデル
Mery Diana received the B.E. degree in electrical engineering from Andalas University, Indonesia, in 2012, and the M.E. degree and Ph.D. degree in Computer Science and Electrical Engineering from Kumamoto University, Japan, in 2020 and 2024, respectively. She has been an Engineer with the National Research and Innovation Agency (BRIN), Indonesia, since 2014. Her current research interests include lightweight deep learning for edge site implementation, AI accelerator, and VLSI design.

2025年度 学生 (博士課程 2名/ 修士課程 21名/ 学部生 8名)
  • 岡本 利章 (博士課程3年,社会人):スマートシティ構想における各種データを利用したAI技術の応用に関する研究
  • (IJEP)Shofiyul Anam Al Mubarok (博士課程1年):
  • 口木 裕太郎(修士2年):LLMの応用に関する研究
  • 木山 輝(修士2年):AIによるサッカービッグデータ解析
  • 佐多 郁碧(修士2年):医療データを対象としたAIシステム
  • 城谷 昌季(修士2年):GNNによる部分グラフマッチング
  • 髙橋 颯飛(修士2年):強化学習のFPGACADへの適用
  • 徳石 和樹(修士2年):機械学習のFPGACADへの適用
  • 藤本 大地(修士2年):医療データを対象としたAIシステム
  • 早野 宗太郎(修士2年):機械学習を用いたデータ解析
  • (IJEP)BATBAATAR, Renchinsuren(修士2年):A light-weight deep neural network model for AI edge computing
  • (IJEP)FENG,Qingzhongn(修士2年):バスケットデータを用いた姿勢推定
  • (IJEP)KOSTESKI, Kristijan(修士2年):スマートシティ構想における各種データを利用したAI技術の応用に関する研究
  • (IJEP)SUNDAY, Prince Nkemjika Oluwat(修士2年):医療データを対象としたAIシステム
  • 芦谷原 翔真(修士1年):強化学習を用いた人流シミュレーション
  • 氏原 涼太(修士1年):サッカービッグデータ解析
  • 大江 慧成(修士1年):医療データを対象としたAIシステム
  • 後藤 晟友(修士1年):ヘテロジニアスグラフ向け部分グラフマッチング手法
  • 木場 翔太(修士1年):
  • 米谷 風馬(修士1年):グラフニューラルネットワークアーキテクチャ探索手法
  • 芝崎 彩奈(修士1年):複数カメラ複数人物トラッキングに関する研究
  • (IJEP)YOVAN Yudhistira Widyananto(修士1年):
  • (IJEP)Wang Dengxue(修士1年):
  • 十鳥 耀介(学部4年):
  • 吉田 絢香(学部4年):
  • 早田 隆之介(学部4年):
  • 肥後 隆之(学部4年):
  • 村上 雅基(学部4年):
  • 元嶋 温大(学部4年):
  • 松原 綾汰(学部4年):
  • 山下 凌祐(学部4年):

*2024年度 博士2年2名,修士2年10名,修士1年14名,学部4年5名,学部3年(アドバンスト実習)1名

*2023年度 博士2年2名,修士2年6名,修士1年13名,学部4年8名,JASSO交換留学生1名

*2022年度 博士1年2名,修士2年4名,修士1年5名,学部4年9名,JASSO交換留学生1名

*2021年度 博士1年1名,修士2年3名,修士1年4名,学部4年7名,学部3年(アドバンスト実習)2名

*2020年度 修士1年3名,学部4年4名

*2019年度 学部4年4名,学部3年(アドバンスト実習)2名

代表者:尼﨑 太樹

学位:博士(工学)

所属:
熊本大学大学院先端科学研究部 情報・エネルギー部門 ビッグデータ分野 教授
(兼務)半導体・デジタル研究教育機構 総合情報学部門 データサイエンス分野 教授

略歴:
- 1996/4-2000/3 九州工業大学 情報工学部 制御システム工学科
- 2000/4-2002/3 九州工業大学 大学院情報工学研究科 博士前期課程 修士(情報工学)
- 2002/4-2005/3 NECマイクロシステム(株)
- 2005/4-2007/9 熊本大学 大学院自然科学研究科 博士後期課程 博士(工学)
- 2007/10-2018/12 熊本大学 助教
- 2019/1-2021/4 熊本大学 准教授
- 2021/5-現在 熊本大学 教授

研究室の集合写真

研究室に興味がある方へ

配属や見学を考えている方へのQ&Aです.まずはここからご覧ください.

Q:どんな研究室ですか?

A:AIとデータサイエンスを,理論と実装の両方から学ぶ研究室です.私たちは「使う」だけでなく「仕組みを理解して創る」ことを大切にしています.既存のツールやライブラリを活用するだけではなく,なぜその手法が有効なのか,どのような原理で動作しているのかを深く理解し,さらに新しい手法を自ら開発できる研究者・エンジニアの育成を目指しています.研究テーマとしては,グラフデータ,画像,テキスト,センシングデータなど多様なデータ形式に対応した機械学習モデルの開発,効率的な数値最適化アルゴリズムの理論的解析と実装,そしてリソース制約下での高性能AI実現を目指すエッジコンピューティングに取り組んでいます.これらの技術は,医療画像診断,スポーツパフォーマンス解析,ドローンの自律制御など,社会課題の解決に直結する分野で活用されています.企業や他研究機関との共同研究を積極的に推進し,実際の現場データを用いて提案手法の効果を検証することで,論文だけでなく実社会で本当に役立つ技術の創出を重視しています.

Q:メンバー構成について教えてください.

A:2019年に4名でスタートした研究室ですが,2025年現在は32名のメンバーが在籍しています.内訳は,博士課程2名,修士課程21名,学部生8名で,スタッフは教授1名,助教1名,特任助教1名の3名体制です.また,7名の留学生も在籍しており,国際的な環境で研究を進めています. 学内外との共同プロジェクトが多数動いており,「締切は守る,アプローチは自由」という文化のもと,各自が主体的に研究に取り組んでいます.研究室の雰囲気については,実際に先輩に話を聞いてもらうのが一番早く,正確に伝わると思います.

Q:研究生活はどんな感じですか?

A:拠点は総合研究棟7F・8Fで,コアタイムは設けておらず,目安として10:00-17:00を基本としています.お盆と年末年始はオフとなります. 研究の進め方はチーム戦が基本で,ディスカッションを重ねながら詰めていきます.隔週ミーティングで進捗を確認し,適宜サポートを行っています. アルバイトやサークル活動との両立も可能です.平日のゼミ時間さえ押さえておけば,それ以外は柔軟に調整できます.多くのメンバーが優先順位と段取りを決めて,メリハリをつけた研究生活を送っています.

Q:機械学習は未経験でも大丈夫ですか? また英語はどのくらい必要ですか?

A:多くの学生が初心者からスタートしています.必要なのは,分からないことを素直に質問できる姿勢と,まずはやってみる積極性です.基礎科目がしっかり理解できていれば,段階的にスキルを伸ばしていくことができます. 英語については,最新情報が英語で発表されることが多いため,「読む・伝える」の実用力を重視しています.国際会議での発表機会もあり,英語でのプレゼンテーション能力も身につけられます.個人でのスキル向上はもちろん大切ですが,AIツールを活用した効率的な情報収集や発信も重要なスキルと考えています. 日常的には留学生との会話を通じて,自然に英語に慣れていくことができる環境です.

Q:この研究室に向いているのはどんな人ですか?

A:下の項目で一つでも共感してもらえたら歓迎します.
 ・アルゴリズムで最適解を探すことに興味がある
 ・データから新たな発見を見つけることに魅力を感じる
 ・自分のコードで動く物を作ることに関心がある
 ・新しいAI技術を作りたい
私の担当講義(アルゴリズム論II/人工知能)を受講してもっと深く学びたいと思った方は,研究室との相性が良いと思います.

Q:研究の進め方は?

A:テーマ選定→実装→検証→報告のサイクルを何度も回していきます.卒業研究では複数のテーマから自分の興味に合うテーマを選ぶことが多く,大学院に進学する場合は,卒業研究で見つけた自分の強みをさらに深掘りしてテーマ選定に活かしていきます.また,私自身は研究のやり方にあまり口出ししないようにしており,ミーティングでの議論や改善提案は行いますが,アイデア創出という意味では教員と学生は対等だと考えています.特にAI分野では若い研究者が新しい手法を生み出していることからも,学生の自主性を尊重するようにしています.ただし,報告が長期間ない場合はこちらから声をかけることがあります.

Q:他大学から受験したい場合は?(What about applicants from other universities?)

A:国内からは,出願前に早めにご連絡ください.基本は8月の大学院入試に合格して配属となります.成績により,他大学や高専専攻科からの推薦入試も可能です. 海外からは,日本語での指導希望は8月の大学院入試を,英語での指導希望は4月/10月入学(IJEP)を検討してください.いずれも早めのコンタクトをお願いします. 研究生の受け入れは現在行っていません.(For domestic applicants, please contact us early before applying. Admission is typically through the August graduate school entrance examination. Depending on academic performance, recommendation-based admission from other universities or technical college advanced courses is also possible. For international applicants, those who prefer instruction in Japanese should consider the August graduate school entrance examination, while those who prefer instruction in English should consider the April/October admission (IJEP). Early contact is requested for both options.)

研究事例

研究の一例をご紹介します.詳細についてはお問い合わせください.

グラフニューラルネットワークを用いたサブグラフマッチング手法

サブグラフマッチングは,大きなデータグラフ内で問い合わせグラフを特定する基本的な問題です.この課題に対し,本研究では余分なノードの影響を検出・緩和するENDNetモデルを提案します.COX2データセットにおいて従来の91.6%から99.1%に精度を向上させ,既存のモデルを上回る性能を示しました.
Masaki Shirotani, Motoki Amagasaki and Masato Kiyama`` ENDNet: Extra-node decision network for subgraph matching", IEEE Access, Vol.13, pp.32424-32433, Feb. 2025

ENDNet
クロスアテンションを用いた画像と診断レポートのマルチモーダル検索手法

従来の医用画像検索手法では,画像とテキストを独立した埋め込みとして扱うため,両モダリティの補完的な情報を十分に活用できないという制限がありました.本研究では,クロスアテンション機構を用いて医用画像とテキストの埋め込みを統合する新しい検索手法を提案します.事前学習済みBioMedCLIPモデルをベースに構築された本手法は,MIMIC-CXRデータセットで最高の平均適合率を達成し,既存手法を上回る性能を示しました.
Ikumi Sata, Motoki Amagasaki and Masato Kiyama``Multimodal retrieval method for images and diagnostic reports using cross-attention", AI, Vol. 6, Issue 2, Feb. 2025

multimodal
軟口蓋画像を活用した食道扁平上皮がんリスク予測のためのAIモデル最適化

熊本大学病院消化器内科との共同研究で,軟口蓋画像の小規模データセットを用いた食道がんリスク予測AIを開発しました.バイリニアCNNモデルを用いることで,高精度(AUC 0.91)での非侵襲的なリスク評価を実現し,医療資源の限られた施設でも活用可能なスクリーニングツールを確立しました.
Kotaro Waki, Katsuya Nagaoka, Keishi Okubo, Masato Kiyama, Ryosuke Gushima, Kento Ohno, Munenori Honda, Akira Yamasaki, Kenshi Matsuno, Yoki Furuta, Hideaki Miyamoto, Hideaki Naoe, Motoki Amagasaki and Yasuhiro Tanaka,``Optimizing AI models to predict esophageal squamous cell carcinoma risk by incorporating small datasets of soft palate images", Scientific Reports, Vol.15,Article number:4003, 2025

plate
カメラ画像データを活用したスマートシティ構想に向けた研究

防犯,観光,交通,建設など様々なデータの連携により新たな価値を創出し,ポストコロナ時代における地域活性化の姿として,質の高い持続的な成長につなげる技術を創出することを目的とした研究です.大規模人流のデータ同化やMOT(Multi Object Tracking)技術を用いた人物追跡などを行っています.
Shoki Sakaguchi, Motoki Amagasaki Masato Kiyama and Toshiaki Okamoto`` Multi-Camera People Tracking with Spatio-Temporal and Group Considerations", IEEE Access, Vol.12, pp. 36066-36073, Mar. 2024

multi-camera multi-person tracking
エッジAI向け軽量重みCNNモデル

エッジサイトでのAI実装における資源制限の課題に対し,本研究では非線形ベクトル自己回帰(NVAR)に基づくMixer型アーキテクチャを用いた軽量な深層ニューラルネットワークを提案しました.提案モデルは,CIFAR-10データセットで82.48%(パラメータ数0.159M),MNISTで98.36%(パラメータ数0.106M)の精度を達成し,既存の最先端モデルと競争力のある性能を示しました.
Mery Diana, Ridhwan Amin, Motoki Amagasaki Masato Kiyama`` A Lightweight Deep Neural Network Using a Mixer-Type Nonlinear Vector Autoregression", IEEE Access, Vol.11, pp. 103544-103553, Sep. 2023

nvar
感染症を対象とした潜在危険度測定システム

本研究では,公共施設や店舗など不特性多数が往来するスペースを対象とし, 各種エリアごとにCOVID-19による感染危険度を数値化することで, クラスター発生を高精度に予測する仕組みを明らかにします.
久野優太, 尼崎太樹 木山真人`` 感染拡大防止のための監視システムの提案と評価", 情報処理学会論文誌, Vol.64,No.5,pp. 992-1001,May 2023

COVID-19アウトブレイク監視システム

出版

論文データを読み込んでいます...
国際会議データを読み込んでいます...
一般講演データを読み込んでいます...
研究費データを読み込んでいます...
受賞データを読み込んでいます...
その他のデータを読み込んでいます...

講義

尼﨑が担当している講義やセミナーについて記載します。

2025年度
2024年度
2023年度
2022年度
2021年度
2020年度
2019年度
2018年度
2017年度
2016年度
2015年度
2014年度
2013年度