画像中の皮膚露出データの活用：ハイブリッド深層学習による安全性評価の向上
本研究では、Mask R-CNNと色ベースのアルゴリズムを組み合わせたハイブリッドコンピュータビジョン手法を開発し、画像から露出した皮膚を定量化することで皮膚暴露評価を行った。170枚の室内塗装画像を用いた実験では、手動推定との一致率が約80%に達し、半定量的な暴露分析のためのスケーラブルなアプローチを実証した。今後の展望として、身体部位認識、PPE検出、ビデオ分析への拡張が挙げられている。
産業安全と健康評価の需要が高まる中、皮膚暴露の正確な定量化は化学物質の危険性評価に不可欠です。従来の手動評価は時間がかかり主観的ですが、コンピュータビジョン技術は自動化の代替手段を提供します。本研究はHua Qianら5名の研究者によって行われ、The Synergist（2024年10月号）に掲載され、arXivプレプリント（arXiv:2607.26170）でも公開されています。研究チームは、Mask R-CNNと色ベースのセグメンテーションアルゴリズムを組み合わせたハイブリッド深層学習モデルを提案し、画像から露出した皮膚領域を自動検出・定量化します。
この手法では、まずMask R-CNNを用いて画像中の人体を識別し、背景の干渉を除去します。その後、色ベースのアルゴリズムで画像をセグメンテーションし、露出した皮膚領域を正確に抽出します。研究チームは、室内塗装作業の画像170枚を用いて検証を行いました。これらの画像は様々な姿勢、照明条件、背景の複雑さを含んでいます。露出皮膚と全身のピクセル比を計算し、手動による推定値と比較したところ、約80%の一致率が得られました。この結果は、ハイブリッド深層学習手法の信頼性と精度を証明しています。
研究者らは、この半定量的なアプローチが画像から暴露データを抽出するためのスケーラブルな方法を提供し、手動評価の負担を大幅に軽減し、客観性を向上させると述べています。今後の計画には、身体部位（腕、顔、脚など）の認識、個人用保護具（PPE）の着用検出、およびビデオストリームへの解析拡張が含まれており、動的な作業環境でのリアルタイム暴露監視を目指しています。これにより、産業衛生と安全評価の自動化がさらに進み、労働者の健康保護に貢献することが期待されます。