| 研究課題/領域番号 |
19K22895
|
|---|
| 研究種目 |
挑戦的研究(萌芽)
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
中区分62:応用情報学およびその関連分野
|
|---|
| 研究機関 | 九州大学 |
|---|
研究代表者 |
備瀬 竜馬 九州大学, システム情報科学研究院, 准教授 (00644270)
|
|---|
| 研究期間 (年度) |
2019-06-28 – 2021-03-31
|
| 研究課題ステータス |
完了 (2020年度)
|
| 配分額 *注記 |
6,370千円 (直接経費: 4,900千円、間接経費: 1,470千円)
2020年度: 4,550千円 (直接経費: 3,500千円、間接経費: 1,050千円)
2019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 | 機械学習 / バイオイメージインフォマティクス / 弱教師あり学習 / 教師なし学習 / 弱教師学習 / PU-Learning / 画像情報学 / バイオ医療画像解 / Un-supervised Learning |
|---|
| 研究開始時の研究の概要 |
本研究課題では，バイオ医療画像解析特有の対象構造事前知識を用いることで，機械学習に必要な学習データを自動抽出し，アノテーション作業を省力化することを目的とする．
具体的には，対象構造事前知識を活用し正例データを自動抽出し，一部の正例とたくさんのラベル不明(Unlabeled)サンプルの特徴量空間上の分布から，負例の分布が不明でも，特徴量空間上の適切な識別面を見つけることができるPU-Learningを活用した研究開発を行う．
|
| 研究成果の概要 |
本研究課題では，バイオ医療画像解析特有の対象構造事前知識を用いることで，機械学習に必要な学習データを自動抽出し，アノテーション作業を省力化することを目的とする手法開発を行った．具体的には，対象構造事前知識を活用し正例データを自動抽出し，一部の正例とたくさんのラベル不明サンプルを抽出することで学習可能とするフレームワークを提案し，複数の応用例（病理画像解析，光超音波画像解析）で実証した．これらの研究開発の結果，査読付き論文採択3件（うち2件は，医療画像解析トップ国際会議MICCAIに採択），投稿2件，学会発表5件，書籍執筆1件，解説記事1件の成果につながった．
|
| 研究成果の学術的意義や社会的意義 |
バイオ医療画像解析分野における認識課題は，疾病の種類や研究目的により様々であること，教師データ作成には専門的な知識が必要であることから，大量の教師あり学習データを作成することが困難である．そこで，本研究では，対象構造事前知識を用いることで，一部の正例を自動抽出し，その他の候補物体をUnlabeledデータとして扱うことで，PU-Learningを適用可能した．これにより，機械学習に必要な学習データを自動抽出し，アノテーション作業を省力化することが可能となる．光超音波画像や病理画像解析といった複数のタスクに応用し，様々な課題へ展開できることを示した．
|
