【研究領域課題番号】18K12095 (KAKENデータベースで見る）

【研究キーワード】

医用画像処理 / 深層学習 / X線CT / 骨転移 / 時間差分 / 異常検知 / 骨疾患 / ディープラーニング

【研究成果の概要】

本研究では、前回CTから今回CTのボクセル値を各ボクセルで推定し、さらにその推定誤差も出力するプログラムを、深層学習を用いて作成した。これら推定値および推定誤差を用いて、各ボクセルで今回CTにおけるzscoreを算出し、これを異常度としてCT画像に重畳表示することにより、異常検出・強調表示を行った。このシステムを、臨床環境を模した読影実験にて実証した。11名の放射線科医(専門医6名、後期研修医5名)で80の症例を用いた読影実験が行われ、提案する時間差分CTを用いた場合の receiver operating characteristic (ROC) curveの改善が確認された。

【研究の社会的意義】

CT画像においてしばしば主治医や放射線科読影医によって見逃される早期のがん骨転移について、その検出を助ける骨病変抽出・強調表示手法が開発できた。これにより、がん骨転移をより早期に発見し治療できることが期待され、がん患者の予後、quality of lifeの向上に資すことができることと期待される。

【研究種目】基盤研究(C)

【研究期間】2018-04-01 - 2021-03-31

【配分額】4,420千円 (直接経費: 3,400千円、間接経費: 1,020千円)

【研究領域課題番号】18H04155 (KAKENデータベースで見る）

【研究キーワード】

HEMS / スマートメーター / 太陽光発電 / 異常検知 / LCA / ビッグデータ / AI / 深層学習 / カーボンニュートラル / ライフスタイル / IDEA / 敵対的生成学習 / 電力 / 実験経済学 / 意思決定 / Deep Learning / 機械学習 / 行動変容 / ディープラーニング / インベントリデータベース / パリ協定

【研究成果の概要】

2050年までにカーボン・ニュートラル社会を実現するため、特に排出削減が難しい家庭部門の温室効果ガス排出削減のための手法開発を目指した研究を実施した。
家庭のエネルギー消費削減には、家庭内でどのような形態によってエネルギー消費が行われているか、すなわちライフスタイルを明らかにする必要があった。そこで本研究では、HEMS/スマートメータといったIoTセンシングによって得られた約6万世帯、20億レコードの家庭電力消費ビッグデータを活用した。近年急速に発展する深層学習アルゴリズムを開発し、分析を行うことで、消費電力量のみから家庭の属性や生活パターンを分析する手法を開発した。

【研究の社会的意義】

家庭内消費電力データを分析することで、複数の制度においてその制度の意図と異なる行動が発生していることを示唆する結果を得た。太陽光売電制度においては、節電インセンティブが存在するとされていた余剰売電制度の方が、節電インセンティブが存在しない全量売電制度よりも、実際の家庭内消費電力量が増大していることをビッグデータによって示した。さらに、このような事象が発生した原因を行動経済学の知見に基づいてリバウンド効果として学術的に説明を行った。
今後さらに強く求められる家庭内エネルギー消費削減に必要となる様々な社会制度設計において、家庭電力消費ビッグデータの活用が有効であることを示した。

【研究種目】基盤研究(A)

【研究期間】2018-04-01 - 2022-03-31

【配分額】42,900千円 (直接経費: 33,000千円、間接経費: 9,900千円)

【研究分野】航空宇宙工学

【研究領域課題番号】16F16079 (KAKENデータベースで見る）

【研究キーワード】

システム健全性管理 / 航空宇宙システム / 異常検知 / 機械学習 / 深層学習

【研究成果の概要】

本研究の目的は、人工衛星や無人飛行ロボットに代表される航空宇宙システムを主たる対象として、障害不再現現象(Not-found-fault)や誤検知などの不確定要因に対して頑強なシステム状態監視フレームワークを確立することである。小さな不具合が甚大な損害を引き起こし得る航空宇宙システムでは、システムの健康状態を監視し異常兆候を迅速に検知し解決する技術が必須である。航空宇宙分野のための頑強なシステム健全性管理技術の確立という本研究の目的を実現するため、平成３０年度（4月１日～７月30日）は主として以下の研究活動を行った。(1)近年発展著しい深層学習のシステム健全性監視・異常検知への応用について網羅的なサーベイを行ない、手法の分類や技術的課題を整理した。この研究成果は国際論文誌 Mechanical Systems and Signal Publishing 誌の2018年7月号に掲載された。(2)深層学習技術のひとつである変分オートエンコーダを応用した健全性監視アルゴリズムを実装し、無人飛行ロボットをテストベッドとしてその有効性を検証した。この成果をまとめた論文を論文誌に投稿中である。(3)2018年7月に開催された機械学習・人工知能の国際会議(ICML)において、機械学習によるシステム健全性監視に関する国際ワークショップをオーガナイズした。また、このワークショップにおいて、本研究の成果の一部を論文として発表した。

【研究種目】特別研究員奨励費

【研究期間】2016-07-27 - 2019-03-31

【配分額】2,100千円 (直接経費: 2,100千円)

【研究分野】放射線科学

【研究領域課題番号】15K19775 (KAKENデータベースで見る）

【研究キーワード】

医用画像工学 / 転移性骨腫瘍 / X線CT / 深層学習 / コンピュータ支援検出 / 医用画像処理 / セグメンテーション / 異常検知 / 骨転移 / コンピュータ支援診断 / 放射線診断学

【研究成果の概要】

CT画像からの骨転移の検出について、深層学習を用いた前回検査との比較による強調表示アルゴリズムを作成した。前回のCT画像と今回のCT画像を入力すると、骨硬化性転移、溶骨性転移のどちらも検出し、出力することができる。単純な時間差分ではなく、深層学習により骨密度の予想変化と、さらに予想変化のばらつきを計算してからそれにしたがって異常検知を行うので、より偽陽性が少ない。このため、2次元投影像でも簡単に転移の場所が見えるようにすることができ、読影医への負担も最小限にとどめられたところに本手法の意義があるものと考える。

【研究種目】若手研究(B)

【研究期間】2015-04-01 - 2018-03-31

【配分額】2,210千円 (直接経費: 1,700千円、間接経費: 510千円)