2016 Fiscal Year Annual Research Report
確率ニューラルネット族の提案：確率モデルをネットワーク展開した新しい概念
| Project/Area Number |
15J05844
|
|---|
| Research Institution | Hiroshima University |
|---|
Principal Investigator |
早志 英朗 広島大学, 工学研究院, 特別研究員(PD)
|
|---|
| Project Period (FY) |
2015-04-24 – 2017-03-31
|
| Keywords | ニューラルネットワーク / 機械学習 / 生体信号 / 多変量解析 |
|---|
| Outline of Annual Research Achievements |
本研究員は，入力信号に関する確率モデルに基づきニューラルネットワークを構築する枠組みの提案と，その枠組みに基づき新たなニューラルネットワークを展開する理論的研究に従事した．さらに，その過程で得られた知識に基づき，生体信号の数理モデルに関する研究や，医用データ解析に関する研究を実施した．研究実績としては，学術論文3編，国内発表7件，受賞1件であった．主な成果は以下のとおりである．
■確率モデルに基づくニューラルネットワークの設計と生体信号識別への応用：ニューラルネットワークの構造を決定する1つのアプローチとして，確率モデルに基づく設計法を提案した．提案法では，入力に関する事前知識を指数分布族の確率密度関数を用いて表現し，これを核とする識別モデルをニューラルネットワークへ展開することで構造を決定する．この研究成果に基づく発表を電気情報通信学会九州支部一般講演会にて行なった．
■信号強度依存ノイズを考慮した筋電信号モデルとリアルタイムパラメータ推定法の提案：本研究では，脳から筋への運動指令に重畳する信号強度依存ノイズの影響が筋電信号の分散分布に重畳するという仮定に基づき，運動指令から筋電信号発生までの数理モデルを構築するとともに，モデルパラメータをリアルタイムに推定する手法を提案した．この研究成果は，IEEE Transactions on Biomedical Engineeringに掲載された．
■多変量解析と機械学習に基づく脳梗塞リスク予測：本研究では，頸動脈ステント留置術後における患者の30種類のリスク因子から多変量解析に基づき特に重要な2種類の因子を特定するとともに，これらの因子から機械学習に基づき術後の脳梗塞のリスクを予測できる可能性を示唆した．本研究成果は，Journal of Neurosurgeryへ採録決定している．
|
| Research Progress Status |
28年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
28年度が最終年度であるため、記入しない。
|
-
-
[Journal Article] Ischemic Stroke after Carotid Artery Stenting can be Predicted by Proximal Calcification and Jellyfish Sign2017
Author(s)
Nobuhiko Ichinose, Seiji Hama, Toshio Tsuji, Zu Soh, Hideaki Hayashi, Yoshihiro Kiura, Shigeyuki Sakamoto, Takahito Okazaki, Daizo Ishii, Katsuhiro Shinagawa, and Kaoru Kurisu
-
Journal Title
Journal of Neurosurgery
Volume: 印刷中
Pages: 印刷中
Peer Reviewed
-
-
-
-
-
-
-
-
