| 研究課題/領域番号 |
20K12065
|
|---|
| 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 | 九州工業大学 |
|---|
研究代表者 |
大北 剛 九州工業大学, 大学院情報工学研究院, 准教授 (20615520)
|
|---|
| 研究分担者 |
有村 公一 九州大学, 大学病院, 講師 (00638025)
飯原 弘二 国立研究開発法人国立循環器病研究センター, 病院, 病院長 (90270727)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2025-03-31
|
| 研究課題ステータス |
中途終了 (2024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)
2024年度: 130千円 (直接経費: 100千円、間接経費: 30千円)
2023年度: 390千円 (直接経費: 300千円、間接経費: 90千円)
2022年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2021年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
2020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 | 深層学習 / 疑似相間問題 / トランスフォーマー / 拡散モデル / 自己教師あり学習 / 基盤モデル / 医用画像 / 疑似相関問題 / ビジョントランスフォーマー / 医療画像 / 機械学習の仮定 / クラス不均衡問題 / マルチタスク学習 / ハイブリッドな入力に対する学習 / OR型の結合タスク / GAN / 物体検知 / 分布外分布の問題 / 脳血腫の解析 / 頭蓋骨の消去 / セマンティックセグメンテーション / 脳血腫 / 機械学習の仮定による問題 / 時空間モデル |
|---|
| 研究開始時の研究の概要 |
脳血腫は6-24時間に急成長を遂げ, 予測を誤り脳外科医が手術しなければ命を落とす. 急成長の予測は低頻度事象を学習する困難な問題だが, 血腫という動的形状の物体であるため, 種々の機械学習の仮定が現実に守られないことによる問題(擬似相関による対象のすり替え/不均衡/欠損値/共変量/ラベルづけ不一致問題)を生じる. 本課題はこれらの難しさを対象のすり替えを起こりそうな信号を別の信号への翻訳, 分散埋め込みをベースとする低頻度現象の予測, CT画像シミュレーションを時空間モデルとして開発する. 脳血腫成長の予測精度を上げ, CTを備えた小病院が患者を大病院へ送還するシナリオを実現する.
|
| 研究成果の概要 |
深層学習のアルゴリズム開発として(1)疑似相関問題を解決してマルチタスク型のSwinトランスフォーマーを提案して,(2)自己教師あり学習を用いて他のデータセットからの知識を援用する形の方法の提案した. 共変量なしにおいて,正解率96.1%,AUC97.4%,リコール80.9%((1)の方法による), (2)の方法により正解率88%を達成した. 共変量ありにおいて, 正解率75.6%, AUC79.9%を得た((1)の方法による).なお, いずれも血腫マーカーhypodensityに対する性能を示す. また, 表現条件つきの拡散トランスフォーマーを提案して画像からの血腫画像生成を行った.
|
| 研究成果の学術的意義や社会的意義 |
社会的意義は開発物が実際の病院での脳卒中患者のCT画像を診断するシステムとして使用されることである. 血腫マーカーの認識において共変量なしの設定においては実用レベルに近づくシステム開発を行えた.我々は他者のデータと比較すればかなり大きいデータを用いれたが, 実用レベルで用いることのできるシステムにするには, さらなるデータを訓練する必要がある. 一方, 学術的には, 疑似相間問題に対する解決法を進化させ, 一方, 画像生成においては表現条件つき拡散トランスフォーマーモデルの提案をすることにより, 下流工程における分類タスクなどにおける精度を上げることを実現した. ソフトウェア公開もしている.
|
