2020 Fiscal Year Research-status Report
Establishment of Time Series UV Skin Damage Prediction Methods Based on Deep Learning and Deep State Space Models
| Project/Area Number |
20K12058
|
|---|
| Research Institution | Tohoku University |
|---|
Principal Investigator |
小島 要 東北大学, 東北メディカル・メガバンク機構, 講師 (10646988)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
山崎 研志 東北大学, 医学系研究科, 准教授 (40294798)
|
|---|
| Project Period (FY) |
2020-04-01 – 2023-03-31
|
| Keywords | 深層学習 / 敵対的生成ネットワーク / 紫外線写真 / 紫外線肌ダメージ |
|---|
| Outline of Annual Research Achievements |
紫外線下では皮膚の色素沈着が強調され、可視光下では捉えることが困難な色素沈着の評価が可能である。このため、紫外線の暴露や加齢からの色素沈着による皮膚ダメージの評価方法として紫外線写真が用いられるが、専用の紫外線写真撮影用の装置が必要であり、可視光下で同様の評価が可能となることが求められている。
本年度は通常の可視光下で撮影された画像から紫外線写真を推定するための深層学習をもとにした手法の開発を行った。開発手法では合成画像等の合成データの生成に主に用いられる技術である敵対的生成ネットワーク、その中でも入力データで条件付けを行った状態で合成データを生成する条件付き敵対的生成ネットワークを用いて深層学習モデルの学習を行っており、可視光下で撮影された画像からの自然な紫外線写真の生成が可能となっている。東北大学病院皮膚科において紫外線写真撮影用の装置で撮影された184人の可視光下で撮影された画像と紫外線写真のペアの中で、160人のデータを学習データとして、残りの24人のデータを評価データとして開発手法の評価を行った。その結果、生成された紫外線写真は可視光下で撮影された通常の写真と比べて、より高い精度でシミの同定が可能であり、シミの割合が本物の紫外線写真とピアソンの相関係数で0.92と高い相関を示すことが分かった。本成果については学術論文としてScientific Reports誌に発表を行っている。
また、時系列等の系列データでの深層学習を用いた今後の手法開発を目的として、リカレントニューラルネットワークを用いた遺伝子型インピュテーション手法の開発を行った。本成果についても学術論文としてPLOS Computational Biology誌に発表済みである。今後、本手法の開発で得られた知見をもとに時系列による変化を考慮した紫外線による皮膚ダメージ予測手法の開発を行っていく予定である。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
本年度は当初予定をしていた可視光下で撮影された画像から紫外線写真を推定するための深層学習をもとにした手法を開発することができた。また、今後に向けた時系列データなどの系列データでの深層学習による手法開発の知見も獲得することができたなど順調に研究を進めることができている。
|
| Strategy for Future Research Activity |
本年度で開発した可視光下で撮影された画像から紫外線写真を推定するため手法では、入力用の可視光下で撮影された画像が専用の撮影装置で撮影された写真を想定したものとなっている。一般のデジタルカメラで撮影された画像においても利用可能とするため、最新の深層学習における技術における知見を集め、手法の開発を進めていく予定である。
|
