| 研究課題/領域番号 |
18K04206
|
|---|
| 研究機関 | 徳島大学 |
|---|
研究代表者 |
高尾 正一郎 徳島大学, 大学院医歯薬学研究部(医学域), 助教 (30363146)
|
|---|
| 研究分担者 |
上野 淳二 徳島大学, 大学院医歯薬学研究部(医学域), 教授 (60116788)
近藤 正 徳島大学, 大学院医歯薬学研究部(医学域), 名誉教授 (80205559)
|
|---|
| 研究期間 (年度) |
2018-04-01 – 2021-03-31
|
| キーワード | 深層学習 / 医用画像診断 / GMDH型人工知能技術 |
|---|
| 研究実績の概要 |
本研究では、人工ニューラルネットワークの新しい理論である深層学習とディープGMDH(Group Method of Data Handling)-typeニューラルネットワークを組み合わせたHybrid型人工ニューラルネットワークの開発を行っている。 平成30年度は、深層学習の代表的な人工知能理論である畳み込みニューラルネットワーク(CNN)と、ディープGMDH-typeニューラルネットワークを組み合わせたHybrid型人工ニューラルネットワークの開発を行い、頭部のMRI画像解析に応用した。ここでは、CNNとフィルタリングにより発生させた画像特徴量に、従来から用いられてきた画像特徴量および位置情報を加えて入力変数として用いた。そして、ディープGMDH-typeニューラルネットワークにより、入力変数のすべての組み合わせを発生させて最適な変数の組み合わせを自己選択し、これらの組み合わせを用いて多層構造をしたディープニューラルネットワーク構造を自動的に自己組織化した。対象にした脳の領域としては、脳実質領域、白質領域、脳室領域の3領域として、各々の領域に対して、ディープニューラルネットワークにより画像認識と領域抽出を行った。そして、3層構造の人工ニューラルネットワークによって得られた結果と比較することにより、ディープGMDH-typeニューラルネットワークアルゴリズムによって自己組織化された多層構造をしたディープニューラルネットワークの有効性を確認した。また、Hybrid型人工ニューラルネットワークでは、最適な入力変数の自己選択能力を備えており、CNNとフィルタリングにより発生させた入力変数や、従来から用いられている入力変数と位置情報などの中から、対象の臓器の医用画像解析に最も適した入力変数を自己選択できることを示した。
|
| 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
深層学習の代表的な人工知能理論である畳み込みニューラルネットワーク(CNN)と、ディープGMDH-typeニューラルネットワークを組み合わせたHybrid型人工ニューラルネットワークの開発を行い、頭部のMRI画像解析に応用した。そして、本研究で開発した人工知能技術（Hybrid型人工ニューラルネットワークアルゴリズム）を用いることにより、コンピュータが、脳のいろいろな臓器を精度よく画像認識して領域抽出できることを示した。また、研究成果を国内の学会（人工知能学会）や国際会議で発表した。
|
| 今後の研究の推進方策 |
ディープGMDH-typeニューラルネットワークのアルゴリズムとしては、複数のアルゴリズムが、我々の研究グループによって提案されている。その中の1つにディープロジスティックGMDH-type ニューラルネットワークアルゴリズムがある。平成31年度は、ディープロジスティックGMDH-type ニューラルネットワークとCNNを組み合わせたHybrid型人工ニューラルネットワークの開発を行い、頭部のMRI画像解析に応用して画像認識精度の向上を試みる。さらに、本研究で開発したHybrid型人工ニューラルネットワークを、胸部から腹部のいろいろな臓器（心臓、肺、肝臓、胃など）の画像解析にも応用して、本研究で開発した複数のHybrid型人工ニューラルネットワークのアルゴリズムを用いることにより、コンピュータが人間のいろいろな臓器を精度よく画像認識して領域抽出できることを、具体的に臨床画像データを用いて示すことにより、研究を推進していく。
|
| 次年度使用額が生じた理由 |
差額が1円と小さく、当初の計画予定で実施予定である。
|
