研究課題
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した。平成29年度は、時系列予測手法および複合データのモデル学習の研究に取り組んだ。時系列予測手法については、国内外において研究発表を活発に行った。リアルタイム予測技術をを開発し、医療データのみならずソーシャルメディアデータにも適用し、技術の実証実験と評価を行った。研究成果として、最難関トップ国際雑誌であるACM Transactions on the Web (TWEB)、Springerの国際雑誌WWW Journalにそれぞれ論文が採択されるとともに、データマイニングのトップ国際会議であるKDD 2017において3時間のチュートリアル講演に採択された。さらに国内では2017年度電子情報通信学会論文賞を受賞した。以上のようにインパクトの高い研究成果となった。複合データのモデル学習の研究については、時系列解析とDeep Learningを統合した新しい技術を開発した。ビッグデータから適切な学習データを取捨選択し、特徴を抽出するとともに、最適な次元数を自動的に推定する。新技術により、予測精度を高め、学習処理を高速化させることに成功した。
29年度が最終年度であるため、記入しない。
すべて 2018 2017 その他
すべて 国際共同研究 (1件) 雑誌論文 (6件) (うち国際共著 4件、 査読あり 6件) 学会発表 (10件) (うち国際学会 2件、 招待講演 3件) 備考 (2件)
情報処理学会論文誌:データベース
巻: 11 (1) ページ: 1-10
ACM Transactions on the Web (TWEB)
巻: 11 (2) ページ: 11:1-11:40
10.11453057741
World Wide Web Journal
巻: 20 (3) ページ: 439-465
10.1007/s11280-016-0389-x
Lecture Notes in Computer Science (Pacific-Asia Conference on Knowledge Discovery and Data Mining, PAKDD)
巻: LNCS, volume 10235 ページ: 233-246
10.1007/978-3-319-57529-2_19
電気情報通信学会論文誌
巻: J100-D (4) ページ: 457-471
巻: 10 (3) ページ: 1-15
http://www.cs.kumamoto-u.ac.jp/~yasushi/index-j.html
http://www.dm.cs.kumamoto-u.ac.jp/sakurai_lab/ja/
