研究課題/領域番号 |
15H02705
|
研究機関 | 熊本大学 |
研究代表者 |
櫻井 保志 熊本大学, 大学院先端科学研究部(工), 教授 (30466411)
|
研究分担者 |
有次 正義 熊本大学, 大学院先端科学研究部(工), 教授 (40282412)
吉川 正俊 京都大学, 情報学研究科, 教授 (30182736)
今中 雄一 京都大学, 医学研究科, 教授 (10256919)
|
研究期間 (年度) |
2015-04-01 – 2018-03-31
|
キーワード | 医療情報解析 / 時系列データマイニング / ビッグデータ |
研究実績の概要 |
近年、医療機関では電子カルテからの診察記録や症例登録など、様々な医療データが大量に蓄積されている。本研究では、このような大規模かつ多種多様な複合データをモデル化し、統合的に解析するための高度なデータマイニング技術を開発する。医療データのレコード数および項目数は非常に多い。多項目から構成される複合医療データを効果的かつ効率的に要約、モデル化、そして項目間の関係性を抽出する。また、巨大な医療データを解析し、リアルタイムかつ継続的に情報提供を行なうため、モデルパラメータの高速推定、高速情報予測を行なう基盤技術を開発する。 平成28年度は、大規模なデータを高速に処理し、情報提供を行なうための高速学習手法と予測手法を提案した。これらの手法により、パターン発見、異常検出、そして与えられた条件下での将来予測を効率的に行なうことが可能となった。現在、実際の医療データを用いて開発技術の性能を検証している。また、扱っている医療データの中には項目数とレコード数が多いものの、時間発展の情報が少ないデータも存在する。そのような場合に対応するため、Deep Learningに基づく新たな技術の開発にも取り組んでいる。予測精度を高めるため、最適な次元数を自動的に推定するとともに、大規模データを扱うため、データ学習と予測処理、各々の処理の高速化を図っている。 本プロジェクトに関連して、トップ国際会議であるWWW2016とKDD2016に論文が採択された。そして、WWW2016とKDD2017のチュートリアル講演にも採択されている。これらチュートリアル講演はいずれも日本人として初めての採択である。
|
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
大規模時系列データマイニングのための理論やアルゴリズムの研究に注力して取り組み、国内外において研究発表を活発に行った。時系列ビッグデータ解析技術を開発し、最難関トップ国際会議であるWWW2016、KDD2016に論文が採択され、研究発表を行った。さらに、WWW2016およびKDD2017両方において3時間のチュートリアル講演に採択された。以上のように国際的にインパクトの高い研究成果となった。
|
今後の研究の推進方策 |
本研究で開発した非線形テンソル解析技術では、データの時間発展の情報を解析するとともに、多項目から構成される複合データから、その項目間の関係性を抽出する。一方で、扱っている医療データの中には項目数とレコード数が多いものの、時間発展の情報が少ないデータも存在する。そのような場合に対応するため、Deep Learningに基づく新たな技術の開発にも取り組んでいる。予測精度を高めるため、最適な次元数を自動的に推定するとともに、大規模データを扱うため、データ学習と予測処理、各々の処理の高速化を図っている。
|