| Project/Area Number |
23K11310
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 62010:Life, health and medical informatics-related
|
|---|
| Research Institution | Nihon University |
|---|
Principal Investigator |
大前 佑斗 日本大学, 生産工学部, 講師 (00781874)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
齋藤 佑記 日本大学, 医学部, 助教 (10838494)
奥村 恭男 日本大学, 医学部, 教授 (20624159)
豊谷 純 日本大学, 生産工学部, 教授 (70459866)
|
|---|
| Project Period (FY) |
2023-04-01 – 2027-03-31
|
| Project Status |
Granted (Fiscal Year 2023)
|
| Budget Amount *help |
¥4,550,000 (Direct Cost: ¥3,500,000、Indirect Cost: ¥1,050,000)
Fiscal Year 2026: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000)
Fiscal Year 2025: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000)
Fiscal Year 2024: ¥1,560,000 (Direct Cost: ¥1,200,000、Indirect Cost: ¥360,000)
Fiscal Year 2023: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000)
|
|---|
| Keywords | 深層学習 / 機械学習 / 医療応用 / 数理最適化 / 医療支援 |
|---|
| Outline of Research at the Start |
心臓などの循環器に由来する死亡リスクを早期に検出するためには、さまざまな検査を行う必要があり、この中には合併症などのリスクを有するものも含まれる。そのため、侵襲性の高い検査を侵襲性が低いものに代替することには、一定の意義がある。このうちの一つに、患者から取得される画像情報（レントゲン画像、病理画像など）を入力とする畳み込みニューラルネットワークにより、検査値・病名・あるいはその進行度を回帰ないしはクラス分類として推定するというアプローチがあり、このような研究は世界各地で活発に実施されている。本研究では、推定精度の高いモデル構築手法を提案することで、信頼性の高い医療提供環境の基礎を構築する。
|
| Outline of Annual Research Achievements |
本年は、(1) 深層学習の特徴抽出層に接続するテクスチャ特徴量の変換ライブラリと、(2) 医療用深層学習を高性能化させる低次元化アルゴリズムを開発した。画像を入力とする畳み込みニューラルネットワークにおいて、特徴抽出層に特徴量ベクトルを接続することができ、それにより性能向上が期待される。今年度は、上述のレイヤに入力する特徴量として、テクスチャ特徴量を検討し、このライブラリ開発（Pythonモジュール）を行った。本ライブラリにより、グレースケール画像を入力することで、濃淡ヒストグラム・濃淡差分統計量・同時生起行列・ランレングス行列・フーリエパワースペクトルの角度方向分布と動径方向分布が作成される。その後、これらの出力の統計量（平均・コントラスト・分散・歪度・尖度・エネルギー・エントロピー・相関・逆分散・逆差分モーメントなど）が算出される。いくつかの簡易的な実験により、この有効性を検証した結果、一定の性能で分類問題を解くことに寄与することが確認された。また、本ライブラリは高速な演算が可能であることも確認されている。本成果は、査読付き国際会議に投稿予定である。また、医療用畳み込みニューラルネットワークを高性能化させるアルゴリズムとして、Removal Operation of Anomaly Feature Maps (RO-AFM) を提案しており、これが既存手法よりもある程度優れて低次元化を実現できる可能性を示した。本論文は査読中であり、2024年度内の出版を想定している。以上より、おおむね順調に進行していると判断する。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
研究実績の概要に掲げた進捗があるため、順調に進行していると判断する。
|
| Strategy for Future Research Activity |
これまでの研究成果を踏襲し、自律進化型のフレームワークを構築する予定である。また、来年度は2本以上の査読付き論文誌への投稿、2回以上の国内・国外学会発表を行うことを想定している。
|
