| 研究課題/領域番号 |
19H04177
|
|---|
| 研究種目 |
基盤研究(B)
|
| 配分区分 | 補助金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分61030:知能情報学関連
|
|---|
| 研究機関 | 長崎大学 |
|---|
研究代表者 |
酒井 智弥 長崎大学, 情報データ科学部, 准教授 (30345003)
|
|---|
| 研究分担者 |
高田 寛之 長崎大学, 情報データ科学部, 助教 (10297616)
東嶋 美佐子 西九州大学, リハビリテーション学部, 教授 (40279005)
尾長谷 靖 長崎大学, 医歯薬学総合研究科(医学系), 准教授 (40399762)
松永 昭一 長崎大学, 情報データ科学部, 客員研究員 (90380815)
宮本 潤哉 長崎大学, 病院(医学系), 助教 (20789565)
|
|---|
| 研究期間 (年度) |
2019-04-01 – 2023-03-31
|
| キーワード | 転移学習 / データ同化 / スパースモデリング / 深層展開 / 知識獲得 |
|---|
| 研究成果の概要 |
数理モデリングと深層学習を組み合わせる基礎研究に取り組み、少数データでの教師なし学習や、数理モデルからの知識の転移が有効であることを示した。また、順・逆問題とベイズ理論の観点から、数理モデル化された知識を深層学習に組み込む枠組みとして整理した。
医工学応用では、肺聴診における異常音の教師なし検出、口腔細胞診の自動化、X線造影像の血管強調、時系列深度画像を用いた反復唾液嚥下検査等で、医学的知識を生かした深層学習の可能性を示した。
|
| 自由記述の分野 |
計算機科学
|
| 研究成果の学術的意義や社会的意義 |
ディープニューラルネットと数理モデルの統合を可能にして、合理性の高い人工知能の実現を目指す新たなアプローチを示した点に学術的な意義が大きい。スパース解法の深層展開に関する研究では、深層学習の応用範囲を拡大し、知識獲得の可能性を示した。医工学応用では、少数のデータからも医学的に合理性の高い情報を抽出可能にした。非侵襲的な肺聴診と嚥下検査は、疾患や障害の早期発見に貢献する。
|
