2017 Fiscal Year Annual Research Report
Development of Advanced Analytical Technology for Llarge-scale Medical Data
| Project/Area Number |
15H02705
|
|---|
| Research Institution | Kumamoto University |
|---|
Principal Investigator |
櫻井 保志 熊本大学, 大学院先端科学研究部(工), 教授 (30466411)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
有次 正義 熊本大学, 大学院先端科学研究部(工), 教授 (40282412)
吉川 正俊 京都大学, 情報学研究科, 教授 (30182736)
今中 雄一 京都大学, 医学研究科, 教授 (10256919)
|
|---|
| Project Period (FY) |
2015-04-01 – 2018-03-31
|
| Keywords | 医療情報解析 / 時系列データマイニング / ビッグデータ |
|---|
| Outline of Annual Research Achievements |
近年、医療機関では電子カルテからの診察記録や症例登録など、様々な医療データが大量に蓄積されている。本研究では、このような大規模かつ多種多様な複合データをモデル化し、統合的に解析するための高度なデータマイニング技術を開発する。医療データのレコード数および項目数は非常に多い。多項目から構成される複合医療データを効果的かつ効率的に要約、モデル化、そして項目間の関係性を抽出する。また、巨大な医療データを解析し、リアルタイムかつ継続的に情報提供を行なうため、モデルパラメータの高速推定、高速情報予測を行なう基盤技術を開発した。
平成29年度は、時系列予測手法および複合データのモデル学習の研究に取り組んだ。時系列予測手法については、国内外において研究発表を活発に行った。リアルタイム予測技術をを開発し、医療データのみならずソーシャルメディアデータにも適用し、技術の実証実験と評価を行った。研究成果として、最難関トップ国際雑誌であるACM Transactions on the Web (TWEB)、Springerの国際雑誌WWW Journalにそれぞれ論文が採択されるとともに、データマイニングのトップ国際会議であるKDD 2017において3時間のチュートリアル講演に採択された。さらに国内では2017年度電子情報通信学会論文賞を受賞した。以上のようにインパクトの高い研究成果となった。
複合データのモデル学習の研究については、時系列解析とDeep Learningを統合した新しい技術を開発した。ビッグデータから適切な学習データを取捨選択し、特徴を抽出するとともに、最適な次元数を自動的に推定する。新技術により、予測精度を高め、学習処理を高速化させることに成功した。
|
| Research Progress Status |
29年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
29年度が最終年度であるため、記入しない。
|
