2020 Fiscal Year Annual Research Report
Study on the rule representations and transparency of feature extracted images obtained by deep learning
| Project/Area Number |
18K11481
|
|---|
| Research Institution | Meiji University |
|---|
Principal Investigator |
林 陽一 明治大学, 理工学部, 専任教授 (20189666)
|
|---|
| Project Period (FY) |
2018-04-01 – 2021-03-31
|
| Keywords | ルール抽出 / ディープラーニング / 名義変数 / 深層学習 / 解釈性 / 分かりやすさ |
|---|
| Outline of Annual Research Achievements |
今年度はコンピュータヴィジョンで扱う画像の特に医学応用において対象となる放射線画像と病理画像に対するディープラーニングを用いた統一アプローチについて研究した。前者の画像はCT, MRI, 超音波などから臨床現場で得られる。一方、後者は癌細胞であるか否かと言った細胞病理学においては対象とされる重要な対象である。このアプローチはディープラーニングの利点である高い分類精度に注目するだけでなく分類結果の分かりやすさ（質的なパフォーマンス）にも力点をおくべき医学応用が多数ある事を示唆しており著名な医学雑誌にも引用されるなど高い評価を得ている。更に、この方式を実際にインプリメントするための方法としてIncepution Moduleを用いたCNNをKeras環境上でインプリメントして連続値変数、順序変数(ordinal)、名義変数(nominal)が混在する一次元データを学習して高い分類精度を得た後に、更にルール抽出を簡潔に行うアルゴリズムを提案している。一般に、この様な異質なデータセットの分類・ルール抽出は適切には行われていなかった。この点を突破した点は金融工学、医学等への様々な応用があるので社会的意義は大きい。更に、ディープラーニングが一次元の構造をもつクレジットスコアリングに対して適用すべきか？画像に適用した様な分類精度が出ない理由は何であるかについても原因を名義変数の比率であるという仮説を立てて近年の学術文献と研究代表者の実験にもとづいて検証している。当該論文のオンライン発表後、クレジットスコアリングの分野での第一人者であるBart Baesens教授のグループから否定的な結果がEuro. Journal of Operational Res.に近くオンラインになると見られるがCNNおよび名義変数の存在についても指摘されていない。従って、本研究が世界で最も先進的である。
|
Research Products
(8 results)
