| 研究課題/領域番号 |
21K17810
|
|---|
| 研究種目 |
若手研究
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
小区分61030:知能情報学関連
|
|---|
| 研究機関 | 静岡理工科大学 (2022-2023)
高知工科大学 (2021) |
|---|
研究代表者 |
四宮 友貴 静岡理工科大学, 情報学部, 講師 (90843251)
|
|---|
| 研究期間 (年度) |
2021-04-01 – 2025-03-31
|
| 研究課題ステータス |
交付 (2023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)
2023年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
2022年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2021年度: 2,600千円 (直接経費: 2,000千円、間接経費: 600千円)
|
|---|
| キーワード | 畳み込みニューラルネットワーク / MRI構造画像 / 深層学習 / 表現学習 / ボクセル表現 / 点群表現 / 敵対的生成ネットワーク |
|---|
| 研究開始時の研究の概要 |
深層学習の一つである畳み込みニューラルネットワーク (CNN) では、入力に対して畳み込み演算を繰り返し適用し、認識に有効な特徴量を表現する。入力が画像の場合、畳み込み演算はその構造から、ピクセルで表現された2次元空間の全てが処理対象となる。MRIのような3次元ボクセルデータへ適用する場合、次元数の増加に伴ってCNNのモデルパラメータが指数的に増加するため一般的な計算機での処理が困難となる。また、ボクセルデータ中の大半は背景領域であるため、計算の不効率さが課題点となる。本研究ではMRIデータを対象とし、学習によるデータ表現形式の自動獲得を通して上記の問題解決を目指す。
|
| 研究実績の概要 |
2023年度は，脳領域がセグメンテーションされた3DMRI構造画像を用い，セグメンテーションネットワークの構造最適化を行い，併せて，点群表現に関しても検証を行った．得られた成果として，セグメンテーションネットワークでは，解像度の高い早期段階での特徴抽出が効果的であることを確認している．また，点群表現を想定したネットワーク学習時のデータについて，教師無しデータを追加した際のノイズとなる影響を解析した．得られた成果を国内会議2件，国際会議2件にて発表を行った．2023年度に予定していた「計算の不効率さ」を解決するアプローチとしてこれらの成果を統合・発展させ，2024年度中に点群表現に関する成果発表の準備を進めていく．
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
点群表現に関してはやや遅れてはいるものの，2023年度に予定していた論文投稿についてはおおむね達成しており，当初目的に貢献する内容であると考えている．2023年度に得られた成果を統合させた内容を発展させ，成果をまとめ次第，成果発表を行う予定である．
|
| 今後の研究の推進方策 |
2024年度については，これまでに得られた成果を統合・発展させ，当初目的の点群表現に関する成果を発表する予定である．
|
