| 研究課題/領域番号 |
21K11946
|
|---|
| 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) |
2021-04-01 – 2024-03-31
|
| 研究課題ステータス |
完了 (2023年度)
|
| 配分額 *注記 |
4,160千円 (直接経費: 3,200千円、間接経費: 960千円)
2023年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
2022年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
2021年度: 1,950千円 (直接経費: 1,500千円、間接経費: 450千円)
|
|---|
| キーワード | スパース・ハイパーグラフ / ハイパーグラフネットワーク / 画像認識 / 調剤過誤防止 / 薬学リスクマネジメント / マルコフ確率場 / ヒアリハット / スパース・ハイパーグラフネットワーク / スパースグラフ表現 / 視覚的質問応答 / 行動認識 / スペクトルフィルタ / 顔画像認識 / スパースハイパーグラフ / グラフニューラルネットワーク / 薬学リスクマネージメント |
|---|
| 研究開始時の研究の概要 |
本研究は、これまで提案してきたスパース・グラフ表現によるニューラルネットワークを拡張して、より一般化されたハイパーグラフ表現を導入し、ハイパーエッジを有するデータの高次特徴を記述するため、認識および検索性能を向上させるスパース・ハイパーグラフニューラルネットワーク（ＳＨＧＮ）を構築する。また、社会問題となっている薬剤師の調剤過程におけるヒューマンエラー（ヒヤリハット）件数を減らすため、現在収集している膨大な薬剤画像やヒヤリハットデータを用いてＳＨＧＮによる調剤過誤防止システムを開発する。
|
| 研究成果の概要 |
近年、グラフ表現を一般化したハイパーグラフニューラルネットワーク（ＨＧＮ）が活発に研究されている。本研究では画像から得られたスパースな局所特徴をＨＧＮにより表現したスパース・ＨＧＮを提案した。またテキスト検索を可能にするため、テキスト・画像データをどのようにハイパーグラフに表現、融合すればよいかを検討し、マルコフ確率場を利用したＭＲＦハイパーグラフ・トランスフォーマを新たに構築した。さらに現在社会問題となっている薬剤師の調剤過誤を防止するため、これまで収集してきた24万件のヒヤリハットデータを分析し、調剤過誤防止システムに適用してヒヤリハット件数の大幅な削減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 |
近年、ハイパーグラフ表現によるニューラルネットワークが注目されている。ハイパーグラフ表現は、ノードとリンクから構成されるグラフ表現の一般化された概念である。本研究は、画像の局所特徴のスパース性を考慮しながら、スパース・ハイパーグラフネットワークによる画像認識能力向上の可能性を探求したものである。画像ハイパーグラフモデルとテキストハイパーグラフモデルを融合させ、マルコフ確率場を導入した新たなＭＲＦトランスフォーマを構築した。また、薬剤師のヒューマンエラーによる24万件のヒヤリハットデータを収集し、薬局におけるヒヤリハット件数が10分の1以下に減らせることが確認できた。
|
