| 研究課題/領域番号 |
21K18491
|
|---|
| 研究種目 |
挑戦的研究(萌芽)
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
中区分9:教育学およびその関連分野
|
|---|
| 研究機関 | 東京大学 |
|---|
研究代表者 |
主原 愛 東京大学, 大学院新領域創成科学研究科, 助教 (10825665)
|
|---|
| 研究期間 (年度) |
2021-07-09 – 2024-03-31
|
| 研究課題ステータス |
完了 (2023年度)
|
| 配分額 *注記 |
6,240千円 (直接経費: 4,800千円、間接経費: 1,440千円)
2023年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
2022年度: 2,470千円 (直接経費: 1,900千円、間接経費: 570千円)
2021年度: 2,340千円 (直接経費: 1,800千円、間接経費: 540千円)
|
|---|
| キーワード | 使用状況評価モデル / ヒュームフード、Fume Hood、FH / 深層学習 / ばく露防止 / 畳み込みニューラルネットワーク、CNN / 勾配重み付きクラス活性化マッピング / 実験室 / ヒュームフード（FH） / 畳み込みニューラルネットワーク（CNN） / Grad-CAM / 自律的な安全管理を支援するツール / 実験安全 / 大学 / 画像解析 / 指標抽出 / 安全 / 指標 / 多様性 |
|---|
| 研究開始時の研究の概要 |
大学の研究現場で進む多様化は、画一的な方法論で現場を安全管理することを難しくしている。ここでの安全管理は、個々の状態を安全の観点で把握することが前提だが、適切な評価方法は議論されておらず、異なる状態を安全の観点で客観的に評価する基準があまり明確でないことが要因と考えられる。
そこで本研究では、実験室の状況を定量化し、議論の根拠となる実験室の実態を科学的に表現する指標の抽出を目的とする。実験室の象徴として局所排気装置（ヒュームフード、ドラフトチャンバー）を取り上げ、関係する定量化データを収集し、そのデータに対して深層学習手法を用いた分析を行い、実験室の実態を表現する指標を抽出する。
|
| 研究成果の概要 |
大学の研究現場の多様化は発想の源である一方、画一的な安全管理とはそぐわない。本研究は、多様性を考慮した安全管理のために、実験室の状況を定量化し、科学的に評価する手法の開発を目的とした。実験室で一般的な局所排気装置（ヒュームフード、Fume hood、FH）を対象に、専門家の評価を深層学習モデルに学習させ、写真からFHの使用状況の良し悪しを判定するモデルを構築し、高い正確率で評価を再現した。更に、数値評価の根拠となる箇所を、ヒートマップにより写真内へ可視化した。判断根拠箇所は現場でのチェック項目と類似していた。これにより本モデルが専門家の判断を機械的に再現する可能性が示されたと考えられる。
|
| 研究成果の学術的意義や社会的意義 |
本研究で開発した深層学習を用いたFHの写真からの使用状態評価手法は、一定程度の合理的な評価を機械的に算出でき、その根拠を写真内にヒートマップ画像として可視化できた。現状では専門家に依頼して初めて得られるFHの状態評価が、深層学習を使った手法を活用すると、写真一枚さえあれば、実験者自らでも非常に簡単に、平易な数値評価として、比較的高い精度で得られることを示している。様々なFHの使い方をする研究現場で、日常的な活用が見込める手法となることは、現場の安全管理を行う上で大きな意義があると考えられる。今後、主観や思い込みを排除した自律的な安全管理を支援するツールとしての展開が期待される。
|
