情報科学研究科修士課程に在学中のZHANG Ruixiangさんが、2026年5月に中国で開催された2026 The 9th International Conference on Artificial Intelligence and Big Data (ICAIBD 2026) において、「The Best Presentation Award」を受賞しました。

Abstract—Tongue image analysis is important for computer-aided diagnosis in Traditional Chinese Medicine. However, existing deep learning methods often fail to distinguish tongue body features from tongue coating features and are sensitive to illumination variation and specular reflection, which distort color appearance and obscure coating-related cues. To address these issues, this paper proposes a region-guided and illumination-aware framework for multi-attribute tongue image analysis. Fuzzy C-Means is used to generate soft masks for tongue body and coating regions, which are incorporated into region-guided feature aggregation to promote region-specific representation learning. Specular reflection suppression and auxiliary illumination-level supervision are further introduced to enhance robustness under varying imaging conditions. Experiments on an expert-annotated tongue image dataset show that the proposed framework consistently outperforms baseline variants, especially for tongue color, coating color, and coating thickness recognition. These results demonstrate the effectiveness of jointly modeling regional ambiguity and illumination-related interference.

要旨—舌画像解析は、伝統中国医学（TCM）におけるコンピュータ支援舌診において重要な役割を果たす。しかし、既存の深層学習手法では、舌体特徴と舌苔特徴を十分に区別することが難しく、さらに撮影時の照明変動や鏡面反射の影響を受けやすい。これらの要因は、色の見え方を歪め、舌苔に関する視覚的手掛かりを不明瞭にするため、特に舌色、舌苔色、舌苔厚の認識に影響を与える。本研究では、これらの課題に対処するため、領域誘導型かつ照明認識型の多属性舌画像解析フレームワークを提案する。Fuzzy C-Meansにより舌体領域と舌苔領域のソフトマスクを生成し、領域誘導型特徴集約に組み込むことで、領域固有の表現学習を促進する。さらに、鏡面反射抑制と補助的な照明レベル教師信号を導入し、照明条件の変化に対する頑健性を向上させる。専門家によりアノテーションされた舌画像データセットを用いた実験により、提案手法はベースライン手法を一貫して上回り、特に舌色、舌苔色、舌苔厚の認識において大きな改善を示した。これらの結果は、領域の曖昧性と照明に起因する干渉を同時にモデル化することが、頑健な舌画像認識に有効であることを示している。