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) 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 – 2024-03-31
|
研究課題ステータス |
交付 (2022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 |
2022年度は,前年度に利用申請を行った2000程のMRI構造画像から成る大規模データセットを用いた検証を進めた.実験環境の変化のため,本課題の目的であるデータ表現方法を検証する際に実験条件の変更が必要となり,ベースラインである3次元ボクセルを入力としたモデル構造の最適化部分について,引き続き検証実験を行っている.検証実験から,3次元ボクセルにおけるネットワーク構造を最適化した際の傾向を見ることが出来そうであり,2023年度は成果発表の準備と併せて,点群表現について進めていく.また,2022年度の検討項目の一つであったTransformerモデルの実装は順調に進んでおり,今後は課題点として挙げている「計算の不効率さ」を解決するアプローチとして検証実験を進める.
|
現在までの達成度 (区分) |
現在までの達成度 (区分)
4: 遅れている
理由
研究代表者の研究機関異動に伴い,実験環境が変化したことでCNNモデル構築時の検証条件について再検討が必要となり研究に遅れが生じている.また,MRIデータのロード時間に想定以上の遅延が発生する問題があったため,実験環境の見直しに時間を要した.現在,この問題は解決しており,検証への影響は無い.検証条件の変更を完了した後,成果をまとめ論文投稿を行う.
|
今後の研究の推進方策 |
今後の推進方策は,主に論文投稿と出版である.昨年度から進めているベースラインのモデル構造最適化を速やかに完了し論文投稿を行う.並行して点群データに関する実験を行い,成果をまとめ論文投稿を行う.
|