| 研究課題/領域番号 |
20K12045
|
|---|
| 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62010:生命、健康および医療情報学関連
|
|---|
| 研究機関 | 長崎大学 |
|---|
研究代表者 |
松永 昭一 長崎大学, 情報データ科学部, 客員研究員 (90380815)
|
|---|
| 研究分担者 |
高田 寛之 長崎大学, 情報データ科学部, 助教 (10297616)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2023-03-31
|
| 研究課題ステータス |
完了 (2022年度)
|
| 配分額 *注記 |
4,030千円 (直接経費: 3,100千円、間接経費: 930千円)
2022年度: 520千円 (直接経費: 400千円、間接経費: 120千円)
2021年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2020年度: 2,340千円 (直接経費: 1,800千円、間接経費: 540千円)
|
|---|
| キーワード | 肺音 / 泣き声 / 識別 / 生体音 / 機械学習 / 主観評価 / 副雑音 / 情動 |
|---|
| 研究開始時の研究の概要 |
本研究では，主観評価に即した識別クラスの設定法と機械学習を用いたその識別クラスの高精度な識別手法の研究を行う．まず，学習データの主観評価値(聴診音では疾患音(副雑音：例えば喘息における笛音)の明瞭度，乳児の泣き声では各種の情動の明瞭度)と評価者間での一致度を用いてクラスタリングを行い，識別クラスの設定方法の研究を行う．次に，深層学習に代表される識別方式を，音響特徴パラメータを含めて，検討を行い，新たな識別クラスに適用することで，よりわかりやすい識別結果を高精度に得られる枠組みを検討する．
|
| 研究成果の概要 |
本研究では，生体音に含まれる特徴音の識別(「聴診音(肺音)を用いた疾患者の検出」，及び「乳児の泣き声に含まれる情動の検出」の二つのタスク)において，被験者に直観的で分かりやすい認識結果を特徴音の明瞭性に基づいて高い精度で提供することを目的とした．特徴音の主観的な聴取しやすさを明瞭性と捉え，識別クラスの設定を行った．従来１つのクラスとしていたものを，明瞭性の高いクラスとその他のクラスに分類して識別を行うことが直観的に分かりやすいことが判明した．また，機械学習を用いて高精度化を行うための学習データの拡張方法，及び有効な機械学習方式とその入力パラメータを明らかにできた．
|
| 研究成果の学術的意義や社会的意義 |
生体音に含まれる特徴的な情報の識別では，人間の主観に応じた判断結果を必要とする場合が多い．しかしながら，識別対象とする識別クラスの設定に関しては，従来は多くの場合，識別されるクラスが Top-down に，かつ，決定論的に定められるものであり，利用者に必ずしも有益な情報を与えていない場合も存在した．この問題を解決するために，本研究では人間の主観に応じた新たな識別クラスを提示することを検討したことに意義がある．また，識別クラスの増加に伴い機械学習が学習データの不足により，学習不能となることを防ぐことができる機械学習法と学習データの増強法の一例を示せたことに意義がある．
|
