Discovery Sagaサイレントキーワード俯瞰

機械学習 / 急性腎障害 / 畳み込みニューラルネットワーク / 集中治療部

本年度は機械学習を用いた集中治療部(ICU)での急性腎障害予測の検討結果を論文にまとめ、英文査読誌に投稿し受理された。具体的には、ICU内で取得された時系列データに1次元畳み込みニューラルネットワークを適用し、将来的な急性腎障害を引き起こす予測値を各時点毎に算出するシステムを構築し、またその予測結果が何故得られたかを後ろ向きに検討するための根拠可視化も行った。また教師なし深層学習を用いた腎疾患のクラスタリング、可視化についての検討も結果をまとめて英文査読誌に投稿し、受理された。これらの結果は腎疾患診療における機械学習、大規模データ利活用の有用性を示唆した。さらに、人工知能と腎病理、急性腎障害についての英文著書（分担）を執筆した。以上のの結果・検討から、さらに機械学習の予測不確実性を根拠可視化手法に反映する研究も開始した。

機械学習 / 画像認識 / 深層学習 / 畳み込みニューラルネットワーク / 重力波 / 時間領域天文学 / ロボット望遠鏡 / GPU / CNN / マルチメッセンジャー天文学 / 重力波天文学 / 気象識別 / 深層学習（DEEP LEARNING） / 畳み込みニューラルネットワーク（CNN） / 画像処理 / 超高速情報処理 / 天文 / Ｘ線天文学 / 衛星測位

重力波天文学に代表される時間領域天文学に必須となる天体観測装置のソフトウェア的な基盤技術の開発を行った。現在のロボット観測においてどうしても人間が介在せざるを得ない、観測スケジュールのアレンジと取得画像からの突発天体抽出の完全自動化のために、深層学習やGPUを用いた気象識別と全く新しい突発天体検出アルゴリズムを開発した。これらは、既存のハードウェアをそのまま応用して、多くの観測所で使用することが可能である。また、これらの処理に用いたGPUを従来のデータリダクションに用いることで、30倍の解析時間短縮を実現した。

2015年にスタートした重力波観測はすでに多くの重力波イベントを検知しているが、これらから物理的な情報を引き出すためには可視光での追観測が必須である。現状、当番制で国内望遠鏡の監視を継続しているが、この人的な負担は極めて大きい。本研究はこの完全自動化を阻む主要な問題を解決するための要素技術を、安価な市販の計算機で実現するものである。この技術は容易に移植が可能であり、すぐさま重力波監視作業に適用することが国内外の重力波電磁波観測コミュニティから期待されている。

【研究分担者】
篠田浩一	東京工業大学	情報理工学院	教授	(Kakenデータベース)
井上中順	東京工業大学	情報理工学院	助教	(Kakenデータベース)
下川辺隆史	東京大学	情報基盤センター	准教授	(Kakenデータベース)

【研究協力者】
河合誠之