| 研究課題/領域番号 |
15560349
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 補助金 |
|---|
| 応募区分 | 一般 |
|---|
| 研究分野 |
システム工学
|
|---|
| 研究機関 | 徳島大学 |
|---|
研究代表者 |
上野 淳二 徳島大学, 医学部, 教授 (60116788)
|
|---|
| 研究分担者 |
近藤 正 徳島大学, 医学部, 教授 (80205559)
近藤 和也 徳島大学, 大学院・ヘルスバイオサイエンス研究部, 講師 (10263815)
|
|---|
| 研究期間 (年度) |
2003 – 2004
|
| 研究課題ステータス |
完了 (2004年度)
|
| 配分額 *注記 |
1,800千円 (直接経費: 1,800千円)
2004年度: 600千円 (直接経費: 600千円)
2003年度: 1,200千円 (直接経費: 1,200千円)
|
|---|
| キーワード | 医用画像認識 / ニューラルネットワーク / X-ray CT image / GMDH |
|---|
| 研究概要 |
平成15年度に医用画像処理に適した改良形GMDH-typeニューラルネットワークスのアルゴリズムを開発した。このアルゴリズムは画像データの情報のみを用いて医用画像認識に適したニューラルネットワークス(神経回路網モデル)を自己組織化することが可能で、AIC (akalke's Information Criterion)やPSS (Prediction Sum of Squares)等の予測誤差評価基準を用いて、これらの予測誤差評価基準を最小にするようニューラルネットワークスの構造パラメータ(階層構造の層数、各層のニューロンの個数、ニューロンの構造、有益な入力変数の選択等)を自己選択することにより、ニューラルネットワークスの構造を自動的に構成することが可能であった。
平成16年度はこの改良形GMDH-typeニューラルネットワークスのアルゴリズムをさらに発展させ、多層構造をしたシグモイド関数型ニューラルネットワークスやラジアルベース関数(RBF)型ニューラルネットワークス、更に多項式型ニューラルネットワークスの3種類のニューラルネットワークスの構造の中から対象となる医用画像の特徴に最も適したニューラルネットワークス構造を自己選択する機能を備えた改良形GMDH-typeニューラルネットワークスのアルゴリズムを開発した。従来用いられているバックプロパゲーション法を用いたニューラルネットワークスやRBFニューラルネットワークスでは、このようなネットワークの構造選択能力を備えていないため、複雑な特徴を示す医用画像認識に適したニューラルネットワークスの構造を見つけ出すことは困難であった。現在、開発したネットワークス構造の選択能力を備えた改良形GMDH-typeニューラルネットワークスのアルゴリズムを用いて肺区域の輪郭抽出や体積計算を行うための3次元医用画像データの解析プログラムを開発中である。3次元医用画像データは膨大なデーター量であるため、それを解析するプログラムも複雑で大規模なものとなる。このために現在、研究は継続中である。
|
