| 研究課題/領域番号 |
23K16995
|
|---|
| 研究種目 |
若手研究
|
| 配分区分 | 基金 |
|---|
| 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 | 九州大学 (2024)
広島市立大学 (2023) |
|---|
研究代表者 |
原田 翔太 九州大学, システム情報科学研究院, 助教 (00969347)
|
|---|
| 研究期間 (年度) |
2023-04-01 – 2025-03-31
|
| 研究課題ステータス |
完了 (2024年度)
|
| 配分額 *注記 |
4,680千円 (直接経費: 3,600千円、間接経費: 1,080千円)
2024年度: 1,820千円 (直接経費: 1,400千円、間接経費: 420千円)
2023年度: 2,860千円 (直接経費: 2,200千円、間接経費: 660千円)
|
|---|
| キーワード | ニューラルネットワーク / 深層学習 / 医用時系列データ / データ拡張 / ラベル効率学習 / 時系列データ / 画像系列分類 / 医用データ |
|---|
| 研究開始時の研究の概要 |
機械学習技術の発展により，医用時系列データを用いた疾病の自動診断支援が可能になっている．その診断にあたり，医用時系列データの潜在状態の推定は非常に重要なタスクであるが，潜在状態のラベリングは現実的に困難なことが多い．状態空間モデルは系列データの潜在状態の遷移を表現可能なモデルの1つであるが，表現能力が低いため，複雑なデータ分布のモデリングが困難である．一方でニューラルネットは学習を通して柔軟な表現を獲得できるため複雑なデータ分布のモデリングに適している．本課題では，状態空間モデルとニューラルネットを融合させることで，複雑なデータ分布を持つ時系列データの潜在状態を推定することを目指す．
|
| 研究成果の概要 |
人の健康状態や行動といったものが反映されて計測される医用時系列データの潜在状態を捉えることを目的として，歩行動画を対象とした歩行動画生成手法を提案した．また，医用データを対象とした機械学習で大きな課題となっているドメインギャップを解消するために，医用データの重症度の大小関係を活用したドメイン適応手法も提案した．
|
| 研究成果の学術的意義や社会的意義 |
本研究成果の社会的意義は，ニューラルネットをはじめとした機械学習技術を実データに応用する際に問題となるデータ収集やラベル付けの多大なコストを削減できる点にある．特に医用データ解析分野では，データ収集自体が困難であることが多く，ラベル付けにも専門知識が必要とされるため，これらの負担を軽減できる本研究の意義は大きい．
|
