研究課題/領域番号 |
21K17714
|
研究種目 |
若手研究
|
配分区分 | 基金 |
審査区分 |
小区分60030:統計科学関連
|
研究機関 | 名古屋大学 |
研究代表者 |
江本 遼 名古屋大学, 医学系研究科, 特任助教 (80878447)
|
研究期間 (年度) |
2021-04-01 – 2024-03-31
|
研究課題ステータス |
交付 (2022年度)
|
配分額 *注記 |
3,770千円 (直接経費: 2,900千円、間接経費: 870千円)
2023年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2022年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2021年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
|
キーワード | 疾患関連解析 / 脳画像データ / 深層モデル |
研究開始時の研究の概要 |
社会の急速な高齢化により、認知症などの精神疾患患者の脳機能や形態の客観的評価がますます必要とされている。疾患に関連する脳の部位の検出、及び特定された部位と疾患の関連の大きさを推定するため、脳画像データの持つ空間的構造だけではなく機能的構造を脳全体で統計的にモデリングする必要がある。本研究では、関連構造の統計モデリングに機械学習分野で用いられる深層モデルを導入し、さらに既知の脳の機能構造を取り入れた方法を開発することで、脳画像データの持つ空間的、機能的構造を考慮した疾患関連部位・脳機能の検出、さらに検出部位・機能の有意性の定量的評価を行うための統計的手法を開発する。
|
研究実績の概要 |
社会の急速な高齢化により、認知症などの精神疾患患者の脳機能や形態の客観的評価がますます必要とされている。疾患に関連する脳の部位の検出、及び特定された部位と疾患の関連の大きさを推定するため、脳画像データの持つ空間的構造だけではなく機能的構造を脳全体で統計的にモデリングする必要がある。本研究では、関連構造の統計モデリングに機械学習分野で用いられる深層モデルを導入し、さらに既知の脳の機能構造を取り入れた方法を開発することで、脳画像データの持つ空間的、機能的構造を考慮した疾患関連部位・脳機能の検出、さらに検出部位・機能の有意性の定量的評価を行うための統計的手法の開発を目指す。手法の開発においては、脳画像の背後にある潜在的構造を表現できるモデルを構築し、その推定方法を確立し、推定されたモデルを用いた潜在的構造・部位の検出と統計的有意性の評価と、潜在構造・部位の効果サイズ推定法の評価をしたのち、実データへの適用を目指す。令和3年度に引き続き、本年度は、脳画像の背後にある潜在的構造を表現できるモデルの構築とその推定方法の構築に焦点をあてて研究を行った。機械学習分野で用いられているボルツマンマシンに、既知の脳機能学的知見を取り入れたモデルを構築し、モデルに基づいた疾患関連部位・脳機能の検出、さらに検出部位・機能の有意性の定量的評価を行う手法を開発した。この手法とその性能を評価する数値実験について国際学会で発表し、手法の改良に関する知見を得た。前年度に引き続き、開発手法の医学データへの適用を通した有用性の実証に向けて脳画像を含む公開データ等の実データへの提案手法の適用に関しても検討している。
|
現在までの達成度 (区分) |
現在までの達成度 (区分)
3: やや遅れている
理由
当初、令和3年度にモデルの構築と推定方法を確立し、令和3年度から令和4年度にかけて潜在的構造・部位の検出のための手法と効果サイズ推定法を開発したのち、数値的な評価を行う予定であった。当初は複数の学会発表を通じた、問題点の洗い出しや手法の改良を想定していたが、COVID-19による影響もあり、学会参加が十分にできていない。令和4年度に参加した学会では、手法の数値的な評価を含めて発表を行ったが、未検討な評価項目もあり、手法の評価は十分とは言えないため、研究全体はやや遅れて進捗していると考えている。
|
今後の研究の推進方策 |
潜在的構造・部位の検出と効果サイズ推定のための提案手法の推定方法をより安定した推定が可能なものに改良する。また、検出効率に関する数値的な評価を行う。さらに、有用性を実証のための実データへの適用を進める。
|