| 研究課題/領域番号 |
18H03255
|
|---|
| 研究機関 | 東京農工大学 |
|---|
研究代表者 |
清水 昭伸 東京農工大学, 工学(系)研究科(研究院), 教授 (80262880)
|
|---|
| 研究期間 (年度) |
2018-04-01 – 2021-03-31
|
| キーワード | 計測工学 / 解剖学 / 画像処理 / 情報工学 / 統計数理 |
|---|
| 研究実績の概要 |
本年度は，多様なパターンを表現可能な新しい統計モデルについての検討と，統計モデルを用いた臓器認識アルゴリズムについて提案した．具体的な成果は以下の通りである．
１．新しい統計モデルについての検討
昨年度までの検討を踏まえ，多様体上に分布する形状をより正確に表現する方法について検討を進めた．まず，深層ネットワークを用いた新しい統計モデルに注目した．具体的には，Variational AutoEncoderやGLOW: Generative Flowなどを用いてモデルの構築を進めた．これらの深層ネットワークは，特に大量の画像を必要とすることが知られているため，学習を効率的に進めるための正規化の方法について提案をした．具体的には，VAEについてはトポロジー損失，GLOWについては，少数の潜在空間に効率的に情報を集めるための方法について提案をした．上記の検討に加え，今年度はさらに，非深層学習のアプローチとして，Admissible signed distance functionについても並行して検討をした．この方法は，少数のサンプルしか得られない場合に有効である．上記の検討により，従来よりも正確な表現が可能な統計モデルの構築についての見通しが得られた．
２．統計モデルを用いた臓器認識アルゴリズムについての検討
統計モデルを用いた臓器認識アルゴリズムについて検討をした．具体的には，小児のCT像を対象に，統計モデルを拘束条件とする損失関数を提案した．その結果，従来と比べて，臓器の位置や形状に関して，解剖学的に妥当性のある結果を得ることができた．
|
| 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
多様なパターンに対応可能な統計モデルの構築に向けた今年度の取り組みでは，トポロジーに関する新しい視点を取り入れた．また，flow系の深層モデルを用いた統計モデル構築にも取り組み，一定の成果を得ることができた．加えて，少数のサンプルでモデルが構築可能な非深層モデルによる検討も実施した，さらに．統計モデルを用いた臓器認識についても成果が得られた．
|
| 今後の研究の推進方策 |
当面は，当該分野の主流である深層学習により大きなウエイトを置いて研究を推進する．しかし，最近の研究により，深層学習の限界も次第に明らかになっていることにも注意をしながら研究を進める．具体的には，非深層学習の方法についても並行して検討を進め，将来は，両者の統合も視野に含める予定である．
|
