パラメータ再定義法による自然勾配法実現を通した複雑な深層ネットワーク学習の効率化
【研究キーワード】
機械学習 / 眼科学 / ニューラルネットワーク / 緑内障 / マルチタスク学習 / 深層ニューラルネットワーク / 医療画像分析 / 医療データマイニング / バッチ正規化 / PCA
【研究成果の概要】
本研究では緑内障と呼ばれる眼病データの分析を応用分野とし、ニューラルネットワークと呼ばれる機械学習手法の改善を試みた。特にこの応用領域では(1)利用可能なデータが少数に限られる問題へ対処する必要があり、また(2)医学的な立場から結果を説明することが非常に重要である。これを受けて本研究では、学習器が小規模データからも適切な知識を獲得できる手法を開発し、また構築した手法の動作を説明して医学的な見知と照らし合わせ、更には医学分野で認知され得る形で手法の有効性を検証した。
【研究の社会的意義】
緑内障は失明の可能性もある進行性の眼病であるが、治療によって進行を遅らせることが出来るため、その進行予測ならびに症状診断は非常に重要である。しかし症状診断と進行予測の両方に不可欠とされて来た眼の視野感度試験は、計測コストが高くまた計測毎のばらつきから来る信頼性にも問題がある。本研究で開発した手法は機械学習手法を利用してこの問題に対処するものであり、社会的な意義は非常に高い。
【研究代表者】
【研究種目】若手研究
【研究期間】2018-04-01 - 2022-03-31
【配分額】4,160千円 (直接経費: 3,200千円、間接経費: 960千円)