2019 Fiscal Year Research-status Report
深層学習、光干渉断層計測定結果を用いた変分近似ベイズ視野進行予測モデルの拡張
| Project/Area Number |
18KK0253
|
|---|
| Research Institution | The University of Tokyo |
|---|
Principal Investigator |
朝岡 亮 東京大学, 医学部附属病院, 助教 (00362202)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
結城 賢弥 慶應義塾大学, 医学部(信濃町), 講師 (00365347)
松浦 将人 東京大学, 医学部附属病院, 特任研究員 (00768351)
藤野 友里 東京大学, 医学部附属病院, 特任研究員 (20768254)
村田 博史 東京大学, 医学部附属病院, 助教 (80635748)
谷戸 正樹 島根大学, 学術研究院医学・看護学系, 教授 (30284037)
|
|---|
| Project Period (FY) |
2018-10-09 – 2024-03-31
|
| Keywords | 深層正則化潜在線形回帰法 |
|---|
| Outline of Annual Research Achievements |
該当年度においては、潜在空間上で視野進行トレンド回帰を、時系列の光干渉断層計計測データで、潜在空間上で正則化するモデル（深層正則化潜在線形回帰法）の構築を行った。視野と光干渉断層計のデータを包括活用する際に問題となるのは、1）視野と網膜層厚といった非一様の情報の統合が困難である(空間的ヘテロ性)、2)異なる時間スタンプにて採取された情報の統合が困難である（時間的ヘテロ性）、3)1患者あたりのデータが少ないということである。そこで本手法では、上記問題を克服する手法として、A) 視野と網膜層厚を潜在空間の中で統合し、潜在的線形回帰モデルを構成することで、時間空間的なヘテロ性を克服したこと、B)1患者あたりのデータの不足を他の類似患者のデータの情報を利用して潜在的線形回帰モデルを構成したこと、C)視野を潜在空間に写像する際にConvolutional Neural Networkを利用していること、である。この手法を広島記念病院、大阪大学付属病院、東京大学附属病院から提供された実データ（254眼）に適用した結果、従来の視野のみを用いた予測手法に比べて12％平方平均二乗誤差を小さくすることを検証した。本手法は特許出願を果たすと共に、データサイエンスのトップ国際会議KDD2019に採択され発表した。今後、別検証データでの外部検証を行う予定である。また英国で施行された多施設ランダム化比較試験による未治療群のデータを用いて予測モデルの検証を行う。
英国でのＵＫＧＴＳデータのうち視野データについてデータ取得を行っている。また、変分近似ベイズモデルを用いた高速視野測定アルゴリズム の有用性の検証を行っている。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
今年度内に英国の視野、光干渉断層計データをそろえ、検証に用いる予定である。
|
| Strategy for Future Research Activity |
別検証データでの外部検証を行う予定である。また英国で施行された多施設ランダム化比較試験による未治療群のデータを用いて予測モデルの検証を行う。
|
| Causes of Carryover |
研究者の相手国派遣を今年度に行う予定のため。
|
