| 研究課題/領域番号 |
18K11380
|
|---|
| 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61010:知覚情報処理関連
|
|---|
| 研究機関 | 早稲田大学 |
|---|
研究代表者 |
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)
|
|---|
| 研究期間 (年度) |
2018-04-01 – 2021-03-31
|
| 研究課題ステータス |
完了 (2020年度)
|
| 配分額 *注記 |
4,420千円 (直接経費: 3,400千円、間接経費: 1,020千円)
2020年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2019年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
2018年度: 1,820千円 (直接経費: 1,400千円、間接経費: 420千円)
|
|---|
| キーワード | グラフニューラルネットワーク / 画像認識 / スパースグラフ表現 / 顔認識 / ニューラルネットワーク / ヒューマンエラー / 調剤過誤防止 / 薬学リスクマネジメント / スパースグラフ / 物体認識 / ヒアリハット / スペクトルフィルタ / 眼底画像識別 / 病変部位相関グラフ / 顔画像認識 / スパース表現 / 深層学習 / 畳込ニューラルネットワーク / 薬剤画像識別 / マシンビジョン |
|---|
| 研究成果の概要 |
近年、ニューラルネットワークの一般化としてグラフＮＮ（ＧＮＮ）が活発に研究されている。本研究では深層ＣＮＮとほぼ同等の認識性能を有するスパースグラフ表現によるＧＮＮ(ＳＧＮＮ)を検討した。これは画像より得られた局所特徴を有するスパースグラフを構築し、コンパクトなＧＮＮ構造により認識を行うものである。またどのようなスパースグラフが高い認識性能を有するかを検討し、そのスパース条件を明らかにした。さらに現在社会問題となっている調剤過誤を防止するため、これまで研究開発している画像認識による薬剤監査システムに適用して当該社会問題の解決を図り、ヒヤリハット件数の減少につなげることができた。
|
| 研究成果の学術的意義や社会的意義 |
画像認識において、スパースグラフ表現によるＧＮＮの内部構造を解析しながら、グラフスパース化などによる高度化を図り、認識能力向上の可能性を探求した。スパースグラフ表現は、以前から注目されている方法論であり、グラフ特徴抽出の一概念である。顔認識による比較評価実験の結果、ＳＧＮＮによる画像認識手法は、深層ＣＮＮのＣｏｓＦａｃｅとほぼ同等の性能を有することがわかった。また薬剤監査システムの有効性について検討し、薬剤監査システムの評価（フィールドテスト）の結果、調剤過誤のヒヤリハットが数分の一に減らせることが確認でき、社会的問題解決に役立つことが検証できた。
|
