| 研究課題/領域番号 |
19K03623
|
|---|
| 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12040:応用数学および統計数学関連
|
|---|
| 研究機関 | 佐賀大学 |
|---|
研究代表者 |
皆本 晃弥 佐賀大学, 理工学部, 教授 (00294900)
|
|---|
| 研究期間 (年度) |
2019-04-01 – 2023-03-31
|
| 研究課題ステータス |
完了 (2022年度)
|
| 配分額 *注記 |
4,290千円 (直接経費: 3,300千円、間接経費: 990千円)
2021年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2020年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
2019年度: 1,690千円 (直接経費: 1,300千円、間接経費: 390千円)
|
|---|
| キーワード | ウェーブレット解析 / 位相的データ解析 / 早期がん検出 / 電子透かし / 歩容 / 画像処理 / Gyrator変換 / ウェーブレット / 画像特徴抽出 / 深層学習 |
|---|
| 研究開始時の研究の概要 |
近年，深層学習（ディープ・ラーニング）が着目され，特に画像認識の性能の高さでは広く認知されているが，その数学的な理解には至っておらず，人間には深層学習で得られた特徴量の意味を解釈できない．そこで，本研究では，ウェーブレット解析と位相的データ解析とという特徴量に意味がある手法を援用して，画像から数学的に解釈可能な「良質な特徴量」を抽出する方法を開発する．そして，これらをもとに内視鏡画像から高精度に早期がんを検出する方法を開発する．これにより，早期がんの検出率向上が図れるだけでなく，優秀な医師の育成にもつながる．また，防犯カメラの解析にも適用すれば，犯罪捜査の支援にも大きく貢献する．
|
| 研究成果の概要 |
本研究では、ウェーブレット解析と位相的データ解析のマルチスケール性に着目し、画像から解釈可能な「良質な特徴量」を抽出する手法を開発した。そして、この特徴量と機械学習手法を組み合わせることで、様々な画像処理・解析法を開発した。具体的には、二重ツリー複素数離散Wavelet変換に基づく早期大腸がんの検出法や非参照型電子透かし法の開発、Dyadic Wavelet変換に基づく歩容検出や染色アスベストの検出、Lifting Waveletを用いたDysplasia検出、Curveletを用いた早期胃がんの検出などを行った。
|
| 研究成果の学術的意義や社会的意義 |
本研究により、ウェーブレット解析と位相的データ解析のマルチスケール性を活用して画像から人間が解釈可能な特徴量を抽出する手法を開発し、機械学習モデルの説明可能性の向上にも寄与した。特に、早期がん検出法の開発は医療分野での早期診断に貢献し、患者の治療成功率と生存率の向上につながる。また、非参照型電子透かし法や歩行検出などの開発は、セキュリティや監視システムの向上に寄与する。これらの成果は科学的知見の進歩だけでなく、医療、セキュリティ、社会全体の福祉向上にも寄与すると言える。
|
