| 研究課題/領域番号 |
23K16909
|
|---|
| 研究種目 |
若手研究
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
小区分61010:知覚情報処理関連
|
|---|
| 研究機関 | 立命館大学 |
|---|
研究代表者 |
劉 家慶 立命館大学, 情報理工学部, 助教 (20948343)
|
|---|
| 研究期間 (年度) |
2023-04-01 – 2026-03-31
|
| 研究課題ステータス |
交付 (2023年度)
|
| 配分額 *注記 |
4,550千円 (直接経費: 3,500千円、間接経費: 1,050千円)
2025年度: 1,690千円 (直接経費: 1,300千円、間接経費: 390千円)
2024年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2023年度: 1,820千円 (直接経費: 1,400千円、間接経費: 420千円)
|
|---|
| キーワード | マルチモーダル / 共通特徴 / 固有特徴 / 類似性制約 / うつ状態 / 深層学習 / 情動データベース |
|---|
| 研究開始時の研究の概要 |
ストレスが多い現在社会におけるうつ病診療は国内外における深刻な社会問題でもあり、高精度な診断に基づく「うつ状態」の早期発見が重要である。一般的な問診だけでなく、患者の表情、音声、テキストなど複数の観測情報（モダリティ）に基づく「うつ病診断」が現在、国内外で取り組まれている。本研究では、各モダリティを多変量ガウス分布として扱うことで、KLダイバージェンスに基づいて全モダリティ共有する成分を獲得する手法を確立する。 異なるモダリティ間で互いに冗長性があり、全モダリティ共有する成分以外も、さらに、各モダリティの固有成分を獲得する手法を確立し、効率かつ最適なアプローチを目指す。
|
| 研究実績の概要 |
現代社会においてストレスが多い環境はうつ病診療の課題を拡大させ、これは国内外での深刻な社会問題となっている。このような状況下でうつ状態の早期発見と高精度な診断が重要であるが、これまでの研究では各モダリティを入力としたニューラルネットワークを用いてうつ病の検出精度の向上を試みていた。しかし、これまでのアプローチではモダリティ間の相補性を十分に活用していなかったため、うつ病の重症度推定と正解ラベルとの一致率は約0.6にとどまっていた。
本研究では、各モダリティの特性を全モダリティに共通する特徴とモダリティ固有の特徴に分解する新しい方法を提案する。この方法には、正規分布間のKLダイバージェンスを使用して、より細かな類似性制約を導入し、特徴の抽出と統合の精度を向上させることが確立される。以下の成果が得られた：
1.モダリティ間およびモダリティ内の特徴抽出法を提案し、モダリティ間の共起を考慮した重要な特徴領域を特定することができた。
2.Information Fusion、Neurocomputing、IEICE、IEEE EMBC、IEEE ICCEなど、トップ学術誌及び国際学会で発表してきた。
|
| 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
計画通りに以下の成果が得られた。
１）ダリティ間（inter-modality）およびモダリティ内(intra-modality)の特徴抽出法を提案し、高精度なうつ状態の推定することができた。
２）Information Fusion、Neurocomputing、IEICE、IEEE EMBC、IEEE ICCEなど、トップ学術誌及び国際学会で発表してきた。
|
| 今後の研究の推進方策 |
１）各モダリティを多変量ガウス分布として扱いことで，KLダイバージェンスに基づいて全モダリティ共有する成分を獲得手法を開発する。
２）異なるモダリティ間で互いに冗長性があり，全モダリティ共有する成分以外も，さらに各モダリティの固有成分を獲得手法を開発する。
|
