| 研究課題/領域番号 |
17K12752
|
|---|
| 研究種目 |
若手研究(B)
|
| 配分区分 | 基金 |
|---|
| 研究分野 |
ソフトコンピューティング
|
|---|
| 研究機関 | 九州大学 |
|---|
研究代表者 |
早志 英朗 九州大学, システム情報科学研究院, 助教 (00790015)
|
|---|
| 研究期間 (年度) |
2017-04-01 – 2021-03-31
|
| 研究課題ステータス |
完了 (2020年度)
|
| 配分額 *注記 |
4,160千円 (直接経費: 3,200千円、間接経費: 960千円)
2020年度: 650千円 (直接経費: 500千円、間接経費: 150千円)
2019年度: 1,950千円 (直接経費: 1,500千円、間接経費: 450千円)
2018年度: 650千円 (直接経費: 500千円、間接経費: 150千円)
2017年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
|
|---|
| キーワード | ニューラルネットワーク / 深層学習 / 時系列予測 / 確率モデル / 生体信号 / 生体信号解析 / パターン認識 / 機械学習 / 時系列解析 / 時系列 / 時系列信号 / 予測 |
|---|
| 研究成果の概要 |
ヒトの体から計測できる電気信号である生体信号を表現できる数理モデル（現象を数式で表現したもの）を複数提案し，実データ解析へ応用した．例えば，筋肉の電気信号である筋電位信号をモデル化し筋力の解析に応用したり，心電図や脳波のモデルを提案し識別に応用したりした．また，確率モデルに基づくニューラルネットワークを複数提案し，データ識別や時系列予測へ応用した．さらに，Cardiotocographyと呼ばれる妊婦の生体信号や内視鏡画像といった医用データの大規模データセットを構築し，それらを胎児の状態予測や臓器分類などへ応用した．
|
| 研究成果の学術的意義や社会的意義 |
学術的意義として最大の点は，本研究においてニューラルネットワーク（NN）へのドメイン知識埋め込み法を提案している点である．提案法では，データの特性を確率モデルに基づき表現し，それをNNへ埋め込むことで解釈性や汎化性を向上させる．
社会的意義としては，生体信号の予測が実現できれば医療モニタリング応用に役立つ．在宅医療を受ける患者は約18万人いるとされる（2017年厚生労働省調べ）．そのような患者に対し，自宅でも計測が容易な血圧や指尖容積脈波などと提案法を組み合わせることにより容態変化を予測することができれば，異常が起こる前に医師に連絡することができスムーズな治療が期待できる．
|
