2018 Fiscal Year Research-status Report
確率モデルに基づく時系列予測ニューラルネットワークの提案と生体信号予測への応用
| Project/Area Number |
17K12752
|
|---|
| Research Institution | Kyushu University |
|---|
Principal Investigator |
早志 英朗 九州大学, システム情報科学研究院, 助教 (00790015)
|
|---|
| Project Period (FY) |
2017-04-01 – 2021-03-31
|
| Keywords | 生体信号解析 / パターン認識 / 機械学習 / ニューラルネットワーク / 時系列 |
|---|
| Outline of Annual Research Achievements |
本研究は，現在までの信号から将来の信号値および信号源の状態を予測・識別する時系列予測ニューラルネットワーク（NN）の開発を目的とする．そして，提案NNを生体信号予測・容態推定へ応用することで，予測に基づく医療モニタリングへの足掛かりとする．提案NNには，複雑な非線形性や個人差に対応するための工夫として，(1) 確率モデルに基づく設計，(2) 事後確率に基づく予測と識別，(3) Sparse Bayesian learning, (4) 大規模データを用いた学習を取り入れる．平成30年度は，(1), (2), (3)に関連して，特に識別側に注力し研究を遂行した．
(1), (2) 確率モデルに基づくNN：混合正規分布モデルに基づくNNを提案し，パターン認識へ応用した（早志，内田，PRMU2018）．提案NNは，入力データが混合正規分布に従うと仮定することにより，各クラスの事後確率を学習的に推定できる．また，後述するSparse Bayesian learningにより，他のスパースな識別器より少ないパラメータ数で高精度な認識ができることを示した．また，重要な統計量であり，パターン認識においても多用される高次自己相関を学習的に獲得するNNを提案し，時系列データや医用データを用いて有用性を示した（ACCV2018等）．
(3) Sparse Bayesian learning: (1)で提案したNNのパラメータ数を削減しながら学習する手法を提案した．Sparse Bayesian learningはモデルの各重みに事前分布を設定し，重みの学習と同時に事前分布を最適化することによって重みをスパース化し，モデルの複雑度を自動決定する手法である．この技術を提案NNの学習へ応用することにより，汎化性の向上とパラメータ数の自動決定が可能なことを示した．（早志，内田，PRMU2018）
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
当初の計画通り，30年度はSparse Bayesian learningの導入を中心に研究を進めた．この点に関しては研究実績の概要で述べた通りの成果を得ることができ，概ね良好な進捗状況である．また，29年度から継続して進めている確率モデルに基づくNNの開発に関しては，さらなる成果を得ることができ，想定以上の進捗状況である．予測のためのNNの開発は進行中であり，現在実データを用いて有用性を検証中である．この点に関しては，31年度も継続して開発予定である．
|
| Strategy for Future Research Activity |
平成31年度（令和元年度）は実生体信号を用いた容態変化予測に取り組む．現在，医師と協力してcardiotocography（胎児心拍数と子宮収縮の経時的変化を同時に計測した信号）の計測・収集に取り組んでいる．この信号は胎児の健康状態や分娩時刻の推定に有用であるとされているが，現状は医師の経験と目視に基づくものであり自動的な推定手法は確立されていない．本研究では，分娩前のcardiotocographyから分娩直後の新生児の健康状態を予測するアルゴリズムを開発予定である．具体的には，計測波形からApgar score (新生児の健康状態を10段階で評価したスコア)を推定する回帰問題としてこの課題に取り組む予定である．
|
| Causes of Carryover |
当初購入予定であった計算機を所属研究室所有のもので代用できたため．次年度は，これをクラウドコンピューティング使用量の一部として使用する．
|
Research Products
(5 results)
