| 研究概要 |
昨年度に引き続き,ノンパラメトリック法と言われる分布の仮定を必要としない方法を用いて,脳科学へ応用できる統計処理手法の開発を行った.これによって,多種多様なデータに適用できるような方法により,複雑な構造を有する脳に関するデータから脳疾患の治療や発見に役に立つような原因,特徴などの有効な情報を取り出す事が期待できる.
本年度は次のような研究成果を挙げた.アメリカのノースカロライナ大学のYoung Truong教授との共同研究において脳画像から被験者に課せられた課題に対応する脳活動部位を抽出するための方法として独立成分分析法に関する研究を行った.あらゆるデータの分布に対応できるlogspline密度推定を導入し,数値実験によって既存の手法より優れていることを示し,Bulletin of Informatics and Cybernetics誌に論文を発表した.さらには,ノンパラメトリック法の1つでその結果の解釈が比較的容易にできる樹形図モデルに関する研究を行い,脳に原発する悪性神経膠腫患者において遺伝子情報を用いた予後予測方法を開発した.研究成果は特許として出願し,International Journal of Oncology誌に論文を発表した.さらに,脳画像から萎縮をとらえ認知症発症を予測するための方法論の研究を行った.基底展開法と主成分分析法を組み合わせ膨大な情報を含む脳画像データから有効に予測に寄与する情報を引き出す方法を開発した.数値実験により既存の方法と比較し開発した方法がより優れている事を示しその成果を1つの国際学会及び2つの国内学会で発表し,国際学術誌に論文を投稿した.臨床研究におけるノンパラメトリック共変量調整法に関する研究を行った.共変量を考慮するための方法に回帰式の仮定を必要としない方法の開発ができた.研究成果を国際学会において発表し,Statistics in Biopharmaceutical Research誌に論文を発表した,
|
