2018 Fiscal Year Annual Research Report
Building Classifiers with Holonic Structures for Automatic Knowledge Discovery and Structurization and Its Applications
| Project/Area Number |
16K16116
|
|---|
| Research Institution | Yamaguchi University |
|---|
Principal Investigator |
間普 真吾 山口大学, 大学院創成科学研究科, 准教授 (70434321)
|
|---|
| Project Period (FY) |
2016-04-01 – 2019-03-31
|
| Keywords | 機械学習 / パターン認識 / ニューラルネットワーク / 識別器 / 特徴抽出 |
|---|
| Outline of Annual Research Achievements |
2017年度に実施した，医用画像診断システムの構築および人工衛星画像分析システムについて，識別器の改良を行った．
１．胸部CT画像におけるびまん性肺疾患の陰影識別器の改良を行った．本識別器は教師なし学習で構築しているが，これまで使用していた教師なし学習方式である深層自己符号化器は，画像中の様々な特徴を抽出する機能があるものの，陰影クラスごとの違いを明確に表現できず，識別率が向上しないケースが見られた．そこで，畳込み敵対的自己符号化器と呼ばれる教師なし特徴抽出法を用い，さらに，陰影識別対象の関心領域のみならず，CT画像全体の特徴も考慮したアンサンブル構造型の識別器とすることで，識別率を向上させることができた．
２．肺聴診音において，正常音と異常音を識別するシステムを構築した．従来の音声認識研究でしばしば用いられるメル周波数ケプストラム係数を特徴量として抽出し，さらに，畳込みニューラルネットワーク（CNN），または長短期記憶ネットワーク（LSTM）を利用することで，音声認識に重要な特徴をさらに抽出する方式とした．CNNおよびLSTMには事前学習と呼ばれる教師なし学習を利用することで，少ない音声データ数でも精度の高い識別が可能になることを明らかにした．
３．人工衛星画像における土砂災害領域検出システムを構築した．領域検出法として，U-netと呼ばれる深層学習アルゴリズムをベースとし，これを畳込み自己符号化器と融合することで検出精度の向上を図った．U-netは領域抽出画像を出力するものであるが，同時に入力画像の再構成画像も出力するハイブリッドな構造とすることで，多様な特徴を抽出することができ検出精度が向上した．
|
