| 研究課題/領域番号 |
19K17077
|
|---|
| 研究機関 | 国立研究開発法人国立精神・神経医療研究センター |
|---|
研究代表者 |
山口 博行 国立研究開発法人国立精神・神経医療研究センター, 神経研究所 疾病研究第七部, 科研費研究員 (40822557)
|
|---|
| 研究期間 (年度) |
2019-04-01 – 2022-03-31
|
| キーワード | 深層学習 / 機械学習 / 次元的アプローチ / 精神疾患 / 脳画像 / 人工知能 |
|---|
| 研究実績の概要 |
現在の深層学習を用いた精神疾患脳画像研究は、健常者と患者を判別するカテゴリー的アプローチが大半である。しかし、カテゴリー内の患者像が一様ではなく、カテゴリー間でも重複が見られ、病態解明に迫れていない。また、深層学習の過程で、疾患カテゴリー判別に関係ない情報は淘汰されており、深層学習の真価を発揮できていない。本研究は精神疾患カテゴリーに捉われず、症状・行動指標と生物学的基盤の対応を重視する次元的アプローチを採用する。その上で、脳画像から深層学習により症状・行動指標を標的とした特徴量の抽出技術を確立していく。
令和2年度は、統合失調症患者と健常者を含む3次元脳構造MRIデータセットから、Convolutional Autoencoder(CAE)を用いて特徴量抽出を試みた。本研究では、深層学習の訓練時には精神疾患診断ラベルを用いないネットワークを用いた。前処理として、灰白質のみを取り出し、標準化、平滑化を行い、これらを入力としてネットワークの学習を行なった。ハイパーパラメーターである畳み込み数やチャンネル数を調整した複数のモデルについて、再構成誤差および抽出特徴量による臨床情報の予測性能を評価した。その結果、最適なハイパーパラメーターを持つモデルにより抽出された特徴量は症状や服薬量など統合失調症と関連した情報を含んでおり、従来手法を上回っていた。成果の一部は、昨年に国内外会議で発表し、原著論文として国際誌投稿中である。
|
| 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
当初の計画では、令和2年度は、前処理した脳構造MRI画像データを入力として、深層学習ネットワークの構築を進めていく予定であった。
Chainer、Pytorchのライブラリを使い、ネットワークを構築し、ハイパーパラメーターを調整し、様々なモデルを試行することができた。抽出した特徴量と様々な臨床情報との関連性の検討行うことができている。結果をまとめ、原著論文として国際誌投稿中であることから、当初の計画通り順調に進展している。
|
| 今後の研究の推進方策 |
現時点で、本研究はおおむね順調に進展しているため、令和3年度も当初の研究計画に基づいて推進していく。
構築したモデルを再検討し、特徴量の評価方法についても検討をすすめ、アルゴリズムの洗練を行なっていく。
|
| 次年度使用額が生じた理由 |
令和2年度の使用額としては、研究室内の設備を利用できる部分が多かったため、クラウドコンピューティングサービスの利用や高機能な計算機の購入が必要なかった。また、新型コロナウイルス感染症蔓延の影響で成果報告の場が限られてしまったことから出張費が予定よりも必要なかった。
次年度は、より大規模な計算を行うため、より高機能な計算機が必要となるため、その購入費用に当てることを考えている。また、研究成果報告のため学会発表・論文発表の機会があるため、その必要経費として割り当てる予定である。
|
