| 研究課題/領域番号 |
18K11190
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分60030:統計科学関連
|
|---|
| 研究機関 | 成蹊大学 |
|---|
研究代表者 |
小森 理 成蹊大学, 理工学部, 准教授 (60586379)
|
|---|
| 研究分担者 |
江口 真透 統計数理研究所, 数理・推論研究系, 教授 (10168776)
|
|---|
| 研究期間 (年度) |
2018-04-01 – 2022-03-31
|
| 研究課題ステータス |
完了 (2021年度)
|
| 配分額 *注記 |
4,420千円 (直接経費: 3,400千円、間接経費: 1,020千円)
2021年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
2020年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
2019年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
2018年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
|
|---|
| キーワード | 医療統計 / 肺疾患データ解析 / 深層学習 / 転移学習 / アンサンブル学習 / 準線形モデリング / evidence-based medicine / 機械学習 / 準線形モデル / データ融合 / 臨床データ解析 / 可視化 / びまん性肺疾患 |
|---|
| 研究成果の概要 |
びまん性肺疾患データ解析において以下の研究成果を得た．１．準線形モデリングのクラスター構造を，k-means, fuzzy c-means, 正規混合モデルの観点から考察し，その統計的性質を明らかにした．２．コロナの影響で，臨床データ，病理データの解析は事実上進めることができなかったが，主要データである画像データを用い，深層学習，転移学習，アンサンブル学習を組み合わせることで従来の判別精度より１０％ほどの改善を達成した．３．深層学習法の可視化の１つのGrad-Camを用いることで，画像データのどの部位がどの病変と深く関係があるかの知見を一定程度得ることができた．
|
| 研究成果の学術的意義や社会的意義 |
本研究では深層学習，転移学習，アンサンブル学習を組み合わせることで，先行研究による分類精度を10％ほど改善することに成功した．分類がうまく行かない原因の考察や，分類結果の可視化による医学的な知見の獲得までには至らなかったものの，肺疾患の病変分類の精度改善には貢献しており，社会的な意義も大きいと思われる．
|
