| 研究課題/領域番号 |
22KF0261
|
|---|
| 補助金の研究課題番号 |
22F19748 (2022)
|
|---|
| 研究種目 |
特別研究員奨励費
|
| 配分区分 | 基金 (2023)
補助金 (2022) |
|---|
| 応募区分 | 外国 |
|---|
| 審査区分 |
小区分62010:生命、健康および医療情報学関連
|
|---|
| 研究機関 | 奈良先端科学技術大学院大学 |
|---|
研究代表者 |
金谷 重彦 奈良先端科学技術大学院大学, 先端科学技術研究科, 教授 (90224584)
|
|---|
| 研究分担者 |
TEUHO JARMO 奈良先端科学技術大学院大学, 先端科学技術研究科, 外国人特別研究員
|
|---|
| 研究期間 (年度) |
2023-03-08 – 2024-03-31
|
| 研究課題ステータス |
完了 (2023年度)
|
| 配分額 *注記 |
800千円 (直接経費: 800千円)
2023年度: 100千円 (直接経費: 100千円)
2022年度: 700千円 (直接経費: 700千円)
|
|---|
| キーワード | 医用画像解析 / バイオインフォマティクス / 疾患データ / 健常データ / 深層学習 / 医用画像 / 分子 / 分子グラフコンボリューションネットワーク |
|---|
| 研究開始時の研究の概要 |
「深層学習による医用画像情報の悉皆的理解」として、医用画像からの疾患分類を行う。また健常人との比較について、最良の分類モデルを構築するために深層学習法を活用する。奈良先端科学技術大学院大学・先端科学研究科・情報領域・計算システムズ生物学では、小野直亮らが開発した、分子ハイパーグラフ文法による深層学習、畳み込みニューラルネットワークによる医用画像解析、ガウスプロセスによる分子構造予測などの最先端の方法を確立した。これ等の方法を活用し、PETをはじめとする医用データを用いたコホート解析をもとに疾患のリスク評価を行う。
|
| 研究実績の概要 |
「深層学習による医用画像情報の悉皆的理解」として、フィンランドでは、国内であれば医用画像を活用できる。すなわち、フィンランド・トゥルク大学では、疾患データベースをフィンランド国の医療研究者が無償で活用できる体制が出来上がっている。また対象者数もフィンランド国民を対象としているため充実している。このようにデータ数ならびに医用画像の国を挙げての収集により、医用画像ならびに医用分析データを活用することができる。このことは汎化性能を向上させることを目的とした、疾患推定モデルの構築が可能である。そこで、フィンランド・トゥルク大学と奈良先端大学院との共同研究を進める意義は極めて重要である。
そこで、フィンランド側では、フィンランド国で構築した医用画像の収集をおこなった。奈良先端大学院大学側では、計算システムズ生物学研究室・小野直亮准教授の開発した、深層学習モデル、例えば、グラフコンボリューション・ニューラル・ネットワークを基盤においた深層学習モデル、分子ハイパーグラフをかつようした多変量データ解析法を活用した。また、代謝疾患と代謝の関係の動態を理解するために、バイオインフォマティクスによる代謝シミュレーションを検討した。
疾患の情報にもとづいた、深層学習によるＰＥＴ画像の分類モデルを構築し、疾患の評価を行なった。また、深層学習・代謝シミュレーションによる生体内における分子レベルでのヒトの代謝をモデル化した。
|
