2021 Fiscal Year Research-status Report
スパース・ハイパーグラフネットワークによる画像認識および検索と調剤過誤防止応用
| Project/Area Number |
21K11946
|
|---|
| Research Institution | Waseda University |
|---|
Principal Investigator |
鎌田 清一郎 早稲田大学, 理工学術院(情報生産システム研究科・センター), 教授 (00204602)
|
|---|
| Project Period (FY) |
2021-04-01 – 2024-03-31
|
| Keywords | スパース・ハイパーグラフネットワーク / スパースグラフ表現 / スペクトルフィルタ / 顔画像認識 / 調剤過誤防止 / 行動認識 |
|---|
| Outline of Annual Research Achievements |
グラフニューラルネットワーク（ＧＮＮ）に対してグラフ構造そのものを一般化したハイパーグラフニューラルネットワーク（ＨＧＮＮ）が近年脚光を浴びるようになってきた。ＨＧＮＮは、一般的なＣＮＮとは異なり、グラフ構造から得られるラプラシアン行列とノード情報を入力とし、層間の畳み込み関数には等価な多項式近似フィルタを用いて、そのフィルタ係数をパラメータとして学習するものである。スパースグラフ表現によるＧＮＮ（ＳＧＮＮ）として、Generic Sparse Graph（ＧＳＧ）を用いたＧＮＮに関する研究論文をIEEE国際会議ICIPに発表した。これは、画像からグラフ表現へ変換する際にグラフ分割を行い、サブグラフのスパース構造化そして全体をスパース最適化することで、ＧＳＧＮＮの構築を図ったものである。顔画像認識の比較評価実験の結果、ＧＳＧＮＮは、同じような構造のＣＮＮに比べてより高い認識能力を有することが分かった。その一般化としてＧＳＧのスパース性を考察してＨＧＮＮへの拡張を行った。また、HyperGCN(2018)、DHGNN(2019)、Hypergraph Attention(2020)、HWNN(2021)などに対して比較評価を行い、当該スパース構造の有効性を確認した。次に、これまで緊急の社会問題となっている薬学リスクマネジメントにおける調剤過誤防止に取り組んでいる。事故に繋がらないヒヤリハットの件数は多く、その報告は毎年一般公開されている。このヒヤリハットデータを2009年分から蓄積した約２５万件の事例に対して解析を行い、ヒアリハット検索を行うための用法用量などの情報抽出を行った。さらに、ＳＨＧＮＮの応用として人物の行動認識を取り上げ、スパース・ハイパーグラフの構築を行い、公開データセットNTU-RGB+D等を用いた評価実験を行っている。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
最新の研究成果は、28th IEEE International Conference on Image Processing (ICIP)(2021.9)などにおいて研究発表を行ってきた。また、国際会議International Conference on Image, Video and Signal Processing (IVSP2022) において、Best presentation awardを受賞することができた。以上のことから、本研究はおおむね順調に進展している。
|
| Strategy for Future Research Activity |
２０２１年度に引き続き、ハイパーグラフ表現のスパース性を考察し、さらにスパース・ハイパーグラフネットワークＳＨＧＮＮの識別精度の向上を図りたい。またヒアリハット削減のためにヒアリハット検索の精度向上を引き続き行っていきたい。今年度は英国ダラム大学ブレッコン・トビー教授との共同研究を再開する予定であり、情報交換を通して本研究をさらに推進していく。最後に、スパース・ハイパーグラフネットワークの応用研究がさらに増えようとしており、今後も、他応用分野へのその可能性も追求していく予定である。
|
