2021 Fiscal Year Annual Research Report
Ehanced training of complex deep neural networks via netural gradient learning realized with reparametrization techniques
| Project/Area Number |
18K18121
|
|---|
| Research Institution | The University of Tokyo |
|---|
Principal Investigator |
木脇 太一 東京大学, 大学院情報理工学系研究科, 特任助教 (70786011)
|
|---|
| Project Period (FY) |
2018-04-01 – 2022-03-31
|
| Keywords | ニューラルネットワーク / 緑内障 / マルチタスク学習 / 機械学習 / 眼科学 |
|---|
| Outline of Annual Research Achievements |
当年度は前年度に引き続き、眼科分野の医療応用を対象としたニューラルネットワークの実データ応用に関して研究を進めた。具体的な研究成果は国際会議論文１、雑誌発表論文２と３である。１－３の全ての論文で、緑内障という眼病に関わる問題を扱っている。緑内障は失明に至る可能性もある進行性の眼病であるが、治療によって進行を遅らせることが出来るため、その進行予測ならびに症状診断は非常に重要である。しかし症状診断と進行予測の両方に不可欠とされて来た眼の視野試験は、計測コストが高くまた確度にも問題がある。この問題に関して我々はこれまで、計測コストの低いOCT（Optical Coherence Tomography）という計測データからニューラルネットワークを利用して視野検査を推定することで症状診断に役立てる研究や、ニューラルネットワークを用いてOCTを補助情報として処理することで進行予測精度を高める研究を実施して来た。
論文１では、OCTからの視野感度推定および進行予測の両方の問題設定を組み合わせたマルチタスク学習が有効であり、それぞれの問題において推定精度が向上し得ることを示した。また論文２では論文１の方法の有効性を、外部データを利用して検証した。論文３では視野感度推定問題において、取得コストの小さい低解像度な視野検査結果や視野検査結果の空間的な相関を考慮して、より高精度の視野感度推定を実現した。
当初の研究計画において本研究はニューラルネットワークの学習効率化を理論と実験の両面から研究することを目的としていた。ただその方向での研究は当初の想定通りのペースでは進まず、眼科分野を主としたニューラルネットワークの応用研究の比重を高めることになり最終年度に至った。
|
Research Products
(3 results)
