• 研究課題をさがす
  • 研究者をさがす
  • KAKENの使い方
  1. 課題ページに戻る

2021 年度 研究成果報告書

新たなデータ融合型深層学習手法に基づくびまん性肺疾患診断法の確立

研究課題

  • PDF
研究課題/領域番号 18K11190
研究種目

基盤研究(C)

配分区分基金
応募区分一般
審査区分 小区分60030:統計科学関連
研究機関成蹊大学

研究代表者

小森 理  成蹊大学, 理工学部, 准教授 (60586379)

研究分担者 江口 真透  統計数理研究所, 数理・推論研究系, 教授 (10168776)
研究期間 (年度) 2018-04-01 – 2022-03-31
キーワード医療統計
研究成果の概要

びまん性肺疾患データ解析において以下の研究成果を得た.1.準線形モデリングのクラスター構造を,k-means, fuzzy c-means, 正規混合モデルの観点から考察し,その統計的性質を明らかにした.2.コロナの影響で,臨床データ,病理データの解析は事実上進めることができなかったが,主要データである画像データを用い,深層学習,転移学習,アンサンブル学習を組み合わせることで従来の判別精度より10%ほどの改善を達成した.3.深層学習法の可視化の1つのGrad-Camを用いることで,画像データのどの部位がどの病変と深く関係があるかの知見を一定程度得ることができた.

自由記述の分野

データサイエンス

研究成果の学術的意義や社会的意義

本研究では深層学習,転移学習,アンサンブル学習を組み合わせることで,先行研究による分類精度を10%ほど改善することに成功した.分類がうまく行かない原因の考察や,分類結果の可視化による医学的な知見の獲得までには至らなかったものの,肺疾患の病変分類の精度改善には貢献しており,社会的な意義も大きいと思われる.

URL: 

公開日: 2023-01-30  

サービス概要 検索マニュアル よくある質問 お知らせ 利用規程 科研費による研究の帰属

Powered by NII kakenhi