| 研究課題/領域番号 |
22K21186
|
|---|
| 研究種目 |
研究活動スタート支援
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
0908:社会医学、看護学およびその関連分野
|
|---|
| 研究機関 | 藤田医科大学 |
|---|
研究代表者 |
HE YUPENG 藤田医科大学, 医学部, 助教 (00953267)
|
|---|
| 研究期間 (年度) |
2022-08-31 – 2024-03-31
|
| 研究課題ステータス |
完了 (2023年度)
|
| 配分額 *注記 |
1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
2023年度: 650千円 (直接経費: 500千円、間接経費: 150千円)
2022年度: 650千円 (直接経費: 500千円、間接経費: 150千円)
|
|---|
| キーワード | Artificial image / 人工画像 / 疫学研究 / 予測モデル / 機械学習 / Model performance / Prediction / Epidemiology / Feature sequence / Artifical image / Prediction method / 1 |
|---|
| 研究開始時の研究の概要 |
This study consists of artificial images generation and optimal pattern verification. Medical data are transformed as pixel values to reversely generate artificial images by series of patterns. Labeling the images with the target disease, the processed dataset is divided into training set and test set. The classifier (trained by training set) which has the highest accuracy (tested by test set) is the optimal prediction model, and the corresponding pattern is the optimal pattern. The optimal pattern is used to generate images to realize the visualization of the medical data.
|
| 研究成果の概要 |
本研究では、モデルの精度を向上させるため、人工画像を用いた新手法を開発した。この概念は画像識別から得られた。デジタル画像のピクセルは識別モデルの訓練時に特徴として使用される。同様に、疫学データにも特徴の順序に関係があると仮定した。特徴をピクセルに変換し、ピクセルの順序を入れ替えた拡張された人工画像サンプルセットを用いてモデルを訓練した。予備実験では、10,000個の人工画像サンプルセットをランダムに選定し、複数のモデルを訓練し、精度（ROC曲線下面積の値）は鐘形分布を示した。特徴の順序がモデル性能に強く影響を与えることを示している。新手法はモデルの予測精度を向上させる可能性を示唆している。
|
| 研究成果の学術的意義や社会的意義 |
従来の疫学研究でよく使われる線形モデルと比較して、本研究で開発した新手法は、特徴を2次元人工画像の形式で配置することで、１）モデルの精度を向上させる。２）複数の特徴間の交絡要因を究明できる。３）ブラックボックスのような機械学習モデルを視覚的に説明できる。４）特徴の位置を使用して特徴の重要性を説明する。５）疫学調査以外の順序不特定のデータの分析に活用できる。
|
