| 研究課題/領域番号 |
22K15777
|
|---|
| 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) |
2022-04-01 – 2025-03-31
|
| キーワード | 深層学習 / 機械学習 / 人工知能 / 生成系 / 精神疾患 / 次元的アプローチ / 脳画像 |
|---|
| 研究実績の概要 |
現行の精神疾患のカテゴリーは、生物学的異質性があり、一貫した生物学的基盤を見出すのは困難であることが指摘されている。このような課題に対して、精神疾患を疾患横断的で、健常から異常までの連続的なスペクトラムと捉える次元的アプローチが注目されている。次元的なアプローチの実現には、大規模なデータセットから特徴量を抽出する技術が必要と考えられる。深層学習技術は、カテゴリーを教示することなく入力データから特徴量を自己組織的に抽出することが可能なため、次元的なアプローチに有効と考えられる。本研究では、大規模な精神疾患脳画像データセットを用いて、生成系深層学習モデルを開発し、疾患横断的で連続的な特徴空間の分布を抽出することを目的とする。
令和4年度は、脳画像から深層学習を用いてデータの分布を学習するモデルを構築に取り組んだ。本研究では、変分オートエンコーダーという確率分布を潜在変数に導入した手法を使用し、3次元脳画像に適応したネットワークを設計した。また、モデル比較のために、他の生成系深層学習モデルである敵対的生成ネットワークについても脳画像に合わせてネットワークを設計した。この2つのネットワークについて、脳画像の生成実験を繰り返した。まず今年度は、予備実験として、健常者と統合失調症のデータだけを用いて小規模な実験を行った。脳画像の生成に関してはある程度可能ということがわかり、ネットワークの潜在変数の分析を今後は進めていくこととなる。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
3: やや遅れている
理由
ネットワーク構造の検討のために実験を繰り返しているが、収束が可能なネットワークを見出すことに困難が生じているため予定より遅れていると評価する。また、データの前処理を行っているが、大規模なデータベースであり、全体の8割程度しか終了していない。ネットワーク構造については、概ね決まってきており、挽回していきたいと考えている。
|
| 今後の研究の推進方策 |
小規模データセットによる予備実験の結果を踏まえ、多疾患の大規模データセットへの適応を進めていく。引き続き、変分オートエンコーダーと敵対的生成ネットワークを用いたモデルを使用していく。様々な疾患データからそれぞれの画像を生成できるようになれば、潜在変数の分布には精神疾患の疾患横断的な情報が含まれていると考えられる。ある程度学習が収束するようになれば、分布の可視化も進めていきたい。
|
| 次年度使用額が生じた理由 |
令和4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の必要がなかった。
次年度は、大規模データセットを用いた計算を行っていくことになるため、より計算リソースが必要となると考えられる。そのため、クラウドコンピューティングサービスの利用や高機能計算機購入費用に当てることを考えている。これらの計算リソースを用いて、変分オートエンコーダーと敵対的生成ネットワークのモデルを改良し、より大規模な脳画像データセットで評価していく予定である。
|
