| 研究課題/領域番号 |
16K01512
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 研究分野 |
リハビリテーション科学・福祉工学
|
|---|
| 研究機関 | 京都大学 (2017-2018)
大阪府立大学 (2016) |
|---|
研究代表者 |
稲富 宏之 京都大学, 医学研究科, 教授 (10295107)
|
|---|
| 研究分担者 |
岩田 基 大阪府立大学, 工学(系)研究科(研究院), 准教授 (70316008)
|
|---|
| 研究協力者 |
薗田 統輔
|
|---|
| 研究期間 (年度) |
2016-04-01 – 2019-03-31
|
| 研究課題ステータス |
完了 (2018年度)
|
| 配分額 *注記 |
4,810千円 (直接経費: 3,700千円、間接経費: 1,110千円)
2018年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
2017年度: 520千円 (直接経費: 400千円、間接経費: 120千円)
2016年度: 3,380千円 (直接経費: 2,600千円、間接経費: 780千円)
|
|---|
| キーワード | リハビリテーション / 精神機能障害 / 機械学習 / バウムテスト / 樹木画分類 / ゲシュタルト / 社会系心理学 |
|---|
| 研究成果の概要 |
描画像の特徴量を検出する工学的な画像処理技術と機械学習を用いて画型分類の精度を高める方法を検討した。その結果、樹木画のデータセットに画像処理を施してサンプル数を増加させる「data augmentation」、及びスケッチ画像の大規模データセット「The Sketchy Database 」による学習済みのCNNの併用は有用であることが示唆された。本研究において、ResNetの層数の違いとSE blockの適用の有無によって構造モデルを検討した結果、「SE-ResNet-34」における全体の推定精度が69.7%と最も高いことを確認した。
|
| 研究成果の学術的意義や社会的意義 |
現在のバウム画におけるゲシュタルト形成不全は、目視による主観的な判定方法のため、評価者の経験値と熟練度によって再現性を保つことができない。このため、客観的に分類できる補助的な判定法の確立が模索されている。本研究では、畳み込みニューラルネットワーク(CNN)における構造モデルを検討した結果、「SE-ResNet-34」における全体の推定精度が69.7%と最も高いことを確認した。これは、幻覚・妄想といった精神症状の関連が示唆されるゲシュタルトの統合度が低下したバウム画を客観的に分類できる画型判定法の確立に向けた出発点になる研究であると位置づけられる。
|
