| 研究概要 |
本研究の目的は,医師の経験的な知見と事例からの疾病モデルの記述と,開発したアルゴリズムの医用画像への適用による評価である.医用画像のように限られた画像データや限られた症例(実例)から起こりうる全ての事象に対して適用可能な分類器を作るためには,病変の発生・成長過程に起因する事例の変化と,画像取得条件に起因する事例の変化に対応するための方策を検討する必要がある.今年度は,少数の事例からより多くのパターンを生成し,その生成されたデータに基づいて分類器を学習する枠組みである,生成型学習の基礎についての検討を進めた.離散的な学習データで表されている事例の統計的な情報を補間して多様体を適切に構成するための方法を検討し,統計データの分散共分散行列同士の妥当な回転と軸の対応付けを特徴量空間で行うことで認識性能が保たれることを示した.また,生成された正サンプル画像と負サンプル画像をAdaBoost等で直接的に学習するために画像をどの様に生成するのが適切なのかの検討を行い,生成のためのパラメータと認識精度の関係を調査した.さらに,特徴量空間での画像の見えの変化を生成することで,高速に画像間の同一部分を対応づけられることを示した.このことは,3次元濃淡画像の時系列を観察するという医用画像処理の特殊な状況に有効なだけでなく,特徴量空間内で学習データを生成する際にその方法に関する条件付けに用いることができると考えられる.以上のことを各種学会にて報告・討論を行った.
|
