【研究領域課題番号】21K12104 (KAKENデータベースで見る）

【研究キーワード】

methylation / nanopore sequencing / deep learning / ナノポアシーケンシング / メチル化 / 構造変異 / 深層学習

【研究成果の概要】

本研究では、ナノポアシーケンシングから複雑なメチル化プロファイリングを正確に行うために、特定遺伝子型を考慮したディープニューラネットワークによって高精度にメチル化を検出する情報解析技術を構築する。これに関して今年度には、以下三つの研究を進めた。
（1）評価用データの収集と学習データを作成した。DNAメチル化の5mCと6mAを中心として、近年発表されたベンチマークデータを網羅的に収集し、分析した。学習データを作成するため、山口貴世志講師と共同研究し、細胞株RKOに対して、全ゲノムとメチル化なし(全ゲノム増幅した)のナノポアシーケンシングと解析を行った。増幅手法によって(Multiple displacement amplification(MDA)とランダムプライミング技術)、ナノポアシーケンシングデータの品質を分析した。
（2）評価用データにおけるBi-directional transformer encoderを利用し、ナノポアシーケンシングデータのためのメチル化を予測する方法を開発した。予測精度に大きく影響を与える電圧信号の特徴を分析し、目標塩基と離れている距離をモデルに考慮し、軽量化かつ精度も負けないモデルが開発した。この成果は、国際会議IEEE International Conference on Bioinformatics and Biomedicine (BIBM)へ投稿し、採択された。
（3）構造変異に関して、変異区間(特に分断点の位置)の予測精度を上げるため、ディープニューラネットワークの構造を改善した。リードデプスより、１塩基精度の予測が可能になった。この成果は、論文の一部としてPLoS computational biologyに発表した。

【研究種目】基盤研究(C)

【研究期間】2021-04-01 - 2024-03-31

【配分額】4,160千円 (直接経費: 3,200千円、間接経費: 960千円)

【研究領域課題番号】21H04426 (KAKENデータベースで見る）

【研究キーワード】

錯視 / 深層学習 / 色覚 / 運動知覚 / 動物実験 / ディープラーニング / AI / 色 / 運動視

【研究種目】基盤研究(A)

【研究期間】2021-04-05 - 2026-03-31

【配分額】41,860千円 (直接経費: 32,200千円、間接経費: 9,660千円)

【研究領域課題番号】20H04253 (KAKENデータベースで見る）

【研究キーワード】

進化計算 / 深層学習 / ニューロ進化 / 動力学的解析 / 複雑系モデル / 遺伝的アルゴリズム / 動力学系解析 / ディープラーニング

【研究成果の概要】

本年度の研究では，スケーラビリティを考慮しながら，ディープニューロ進化におけるモチーフ構造（遺伝子型）と機能（表現型）の因果関係を導出する手法の実現を試みた．
このメカニズムの解明は，モチーフ性を制御して機能創発を的確に導くための理論的基盤となる．具体的には，ディープニューロ進化の基本的なデータ構造であるグラフや木構造のような離散構造に対して，統計的学習・非線形力学系解析や代数的学習手法を利用して効果的に構造を生成するアルゴリズムを構築しその有効性を実験的に検証した．
たとえば，蟻コロニー最適化（ACO）を用いることで時系列予測をするLSTMの過学習を抑制する枠組を提案した．ドロップアウトなどの過学習を防ぐ手法と組み合わせることで，合理的な計算時間でLSTMの内部構造を最適化することに成功した．石炭火力発電所，気象，経済の3つの異なる実世界データの時系列予測に対して本手法を適用し，ドロップアウト・ドロップコネクトなどの他手法と比較してその効果を検証した．
また，GAN(Generative Adversarial Network)を用いたvoxel表現された3Dモデルの生成に対して，本手法を対話型進化計算に応用するアプローチを提案した．従来の手法は，ランダム性が高すぎるため好みの構造物が生成されなかったり，一度好みのものが生成されても次の選択肢から消えてしまうという弊害が頻繁に起こっていた．この原因としては，既存のシステムが機械側で好ましいと思われる構造物の選別をせず，生成された構造物をそのままユーザーに提示していることが挙げられる．これに対して，本研究ではグラフカーネルを用いた構造物生成手法を提案した．ランダムに生成する構造物の類似性比較や被験者によるアンケート実験を通して，その有用性を統計的に検証した．

【研究種目】基盤研究(B)

【研究期間】2020-04-01 - 2023-03-31

【配分額】16,380千円 (直接経費: 12,600千円、間接経費: 3,780千円)

【研究領域課題番号】20K21700 (KAKENデータベースで見る）

【研究キーワード】

看護工学 / 画像認識 / 画像識別 / 褥瘡 / 深層学習 / ディープラーニング / リアルワールドデータ / 看護理工学 / スキンテア / 機械学習

【研究成果の概要】

臨床において病棟の回診などで蓄積されてきた多量の創傷のデジタルカメラによる撮影画像データをもとにDeep Learningを中核とする機械学習を行うことで創傷の識別モデルを構成し，新たに撮影する創傷の画像の自動分類を行うソフトウェアを開発した。このソフトウェアに基づき、計算される創傷の重症度や治癒度の客観的スコアを看護師をはじめとする創傷評価者へ提示することで、超音波エコー画像などと組み合わせて傷を単に目で見るだけでなく匂いや患者病態も見ているヘルスケアプロフェッショナルの経験や知識に基づくスコア決定やケアプロセスの設計の判断をインタラクティブに支援するシステムを形成した。

【研究の社会的意義】

褥瘡や糖尿病性潰瘍、スキンテアなどの創傷の評価法として臨床に普及し活用が進んでいる様々なツールは，ほとんどの場合もっぱら主として視覚を中心とした主観的評価に基づくため看、護師などの評価者や評価のタイミング・機会に依存して再現性が必ずしも高くないという重大な問題が指摘され続けてきた．創傷の重症度や治癒経過の評価の妥当性が確保され、信頼性が高く客観的な手法が望まれている。本研究は、創傷画像を自動分類してアセスメントスコアを自動算出することで、インタラクティブに、ヘルスケアプロフェッショナルによる創傷の客観的評価を支援するシステムを開発したものである。

【研究種目】挑戦的研究(萌芽)

【研究期間】2020-07-30 - 2022-03-31

【配分額】6,370千円 (直接経費: 4,900千円、間接経費: 1,470千円)

【研究領域課題番号】19H01134 (KAKENデータベースで見る）

【研究キーワード】

Deep Learning / Pre-training / Transfer Learning / Fractal Geometry / 画像認識 / 大規模画像データベース / 深層学習 / フラクタル幾何 / パーリンノイズ / 画像データベース / 画像カテゴリ / 機械学習

【研究成果の概要】

自然法則を参考にした数式から画像パターンや教師ラベルを自動生成し画像データセットを構築可能な枠組み「数式ドリブン教師あり学習」を提案した。理論的には事前学習フェーズにおいて実画像の代替となる教師ラベル付きの大規模画像データセットを無限に生成することができる。同枠組みは実画像に対して自動で教師ラベルを付与する自己教師あり学習と類似の枠組みであるが、実画像すらも用いないという点でより困難なタスクに挑戦している。現時点では全ての設定において実画像と人間による教師ラベル付の画像データセットの学習には及んでいないが、一部の設定では提案のFractalDBによる学習による精度が超えている設定も確認できた。

【研究の社会的意義】

学術的意義：数式で生成した画像データセットで従来のベースラインと同等まで到達できることを明らかにした。さらに、画像データセットを数式で定義することで、画像認識の原理解析をより容易にした。画像パターンの複雑性が担保され、画像カテゴリは一貫性がある形で割り振られることが重要であった。
社会的意義：従来の画像データセットで問題視されていた、プライバシ侵害・差別的出力・人間のラベル付コストの問題がなくなったため、数式等に権利が含まれていない限りは商用利用が可能なモデルとして提供可能であり、今後AIの社会実装が容易になる。さらに、論文の実験結果が再現できる形でコードや学習済みモデル等を公開するに至った。

【研究種目】基盤研究(A)

【研究期間】2019-04-01 - 2022-03-31

【配分額】37,310千円 (直接経費: 28,700千円、間接経費: 8,610千円)

【研究領域課題番号】19H04078 (KAKENデータベースで見る）

【研究キーワード】

ニューラルネットワーク / 雑音畳み込み / FPGA / AI / 深層学習 / CNN / 組込みシステム / 画像圧縮 / Deep Learning / 計算機システム / 高性能計算 / Noise Convolution

【研究成果の概要】

白色雑音回路の設計方法は様々あるが、書き換え可能なFPGAをプロトタイプとして選択し、FPGAの基本構成要素であるLUTを使った雑音回路を採用した。今年度は佐野研究グループでは、FPGAを用いた雑音畳み込みをはじめとするニューラルネットワーク回路を回路構成要素であるLUTやDSPブロックに効率よくマッピングする手法について研究開発した。また、FPGAに開発したニューラルネットワークを実装して、その処理速度や使用リソース量を明らかにした。佐藤研究グループでは、雑音畳み込みをはじめとするニューラルネットワークの学習結果を評価して、雑音畳み込みの有用性を明らかにした。また、様々な応用事例に対する評価を行った。中原研究グループでは、雑音を活用した低ビットニューラルネットワークの研究開発を行った。低ビットニューラルネットワークのFPGA回路実装の検討を行った。また、雑音を加えても精度劣化が生じない学習ツールを開発した。実用的な応用事例として、物体検出・自然言語処理・領域分割・クラス分類に適用し、提案手法が有用であることを明らかにした。

【研究種目】基盤研究(B)

【研究期間】2019-04-01 - 2024-03-31

【配分額】17,160千円 (直接経費: 13,200千円、間接経費: 3,960千円)

【研究領域課題番号】19K04113 (KAKENデータベースで見る）

【研究キーワード】

異常診断 / 時系列予測 / プロセス監視 / 深層学習 / 機械学習 / ディープラーニング / オペレータ支援 / 時系列データ予測 / プロセス産業 / 時系列データ

【研究成果の概要】

本研究課題では、プロセス制御監視システムによって蓄積された時々刻々変化する時系列データを利用しディープラーニング技術を応用した実プロセスで利用可能なオペレータ支援機能を実現した。具体的には、実際の化学プロセスの複数のセンサデータを予測する新しいディープラーニングモデルを提案した。化学プロセスの制御のために監視しているセンサデータ間の複雑な関連を学習するモデルであり、関連するセンサデータ間の様々な時間長の影響関係を利用し、ある一つのセンサデータの正常値予測を実施するモデルである。

【研究種目】基盤研究(C)

【研究期間】2019-04-01 - 2022-03-31

【配分額】4,290千円 (直接経費: 3,300千円、間接経費: 990千円)

【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】計算科学

【研究領域課題番号】17K14144 (KAKENデータベースで見る）

【研究キーワード】

ディープラーニング / 数値解析 / 機械学習 / マルチスケール / 数値シミュレーション / マルチスケール解析 / 熱伝導問題解析 / 不均質材料 / 深層学習 / 人工知能 / シミュレーション工学

【研究成果の概要】

本研究目的は，人工ニューラルネットワーク（ANN）とマルチスケール解析手法を融合した全く新しい数値シミュレーション法を開発することである．本手法が確立されれば，従来手法と同様の高精度解をより低コストに算出することが期待できる上，適用に制約がなく原理上あらゆる物理現象の解析が可能となる．
平成29年度は，提案法に用いるANNとして，画像認識能力に優れている畳み込みニューラルネットワーク（CNN）を導入し，提案法を2次元の線形定常熱伝導問題に適用した．平成29年度に実施した数値実験により，CNNを導入した提案法は，ANNを使用しない従来のSDMとほぼ同等の解を算出し，さらに解析時間を短縮できることが分かった．
平成30年度は，SDMに加えて，マルチスケール解析手法の1種である領域分割法（DDM）とCNNを融合したマルチスケール解析手法を提案し，平成29年度と同様に2次元の線形定常熱伝導問題に適用した．また，CNNの学習に「知識の蒸留」と呼ばれる手法を導入し，提案法の更なる解析精度向上および解析時間の短縮を図った．平成30年度に実施した数値実験により，新たに提案した手法は，CNNを使用しない従来のDDMとほぼ同等の解を算出し，更に解析時間を短縮できることが分かった．さらに，解析精度については，平成29年度に提案した手法を大きく上回った．
以上の成果により，提案手法がSDMだけではなくDDMにも適用可能であることを実証した．さらに，今年度提案した手法は，昨年度提案した手法を大きく上回る解析精度を実現した．

【研究種目】若手研究(B)

【研究期間】2017-04-01 - 2020-03-31

【配分額】3,900千円 (直接経費: 3,000千円、間接経費: 900千円)

【研究分野】教育工学

【研究領域課題番号】16H03084 (KAKENデータベースで見る）

【研究キーワード】

外国語教育 / シャドーイング / 自動評価 / 深層学習 / 音素事後確率系列 / 音響モデル / GOP / DTW / 言語非依存 / 学習者音声 / 外国語 / 多言語 / 英語教育 / 評価 / 総合的熟達度 / 多言語対応 / ティープ・ランニング / 手動評価 / 評価制度 / ディープ・ラーニング / 評価精度 / 言語優勢度

【研究成果の概要】

外国語の音声コミュニケーション能力を高めるために，モデル音声を聞いて内容理解しながら即時的に口頭再生するシャドーイングを活用した外国語練習システムを開発し、本システムに搭載する自動評価について特定の言語に依存しないアルゴリズムの構築を検討した。モデル音声と学習者音声の比較に深層学習を取り入れた音素事後確率系列（posteriorgram）を活用することによって、従来の方法に比較して高精度の評価が可能になり、さらに、複数言語データで構成したマルチリンガル音響モデルを活用することで、特定の言語への依存性を低減できる可能性があることが明らかになった。

【研究の社会的意義】

従来の音声認識を使った音声評価システムでは，モデル音声と学習者音声の直接比較ができず，さらに，言語ごとに音響モデルを用意する必要があった。本研究の自動評価についての新アルゴリズムは，従来の音声認識法と比較して評価精度が向上し、特定言語への非依存性を検討した点が学術的な意義といえる。学習者音声との直接比較が可能となったため，外国語教育分野で活用した場合の学習者へのフィードバックが正確になり，言語ごとに異なる音響モデルを用意する必要がないため多言語を対象とした外国語教育に広く利用できる可能性を含んでいる点が社会的意義といえる。

【研究種目】基盤研究(B)

【研究期間】2016-04-01 - 2020-03-31

【配分額】17,290千円 (直接経費: 13,300千円、間接経費: 3,990千円)

【研究分野】病院・医療管理学

【研究領域課題番号】16K09161 (KAKENデータベースで見る）

【研究キーワード】

EHR Phenotyping / 院内がん登録 / 電子的診療情報 / 深層学習 / Deeplearning

【研究成果の概要】

電子的診療情報により患者の状態を高次元の特徴ベクトルによって表現し機械学習を適用することで、院内がん登録業務への応用可能性を検討した。特徴ベクトルを、登録病名、投薬オーダの医薬品、検体検査項目の3種のカテゴリによって構成した。100,313件の症例を含むデータセットを構築し、がん症例と非がん症例を2値分類するタスクと、がん種別を多値分類するタスクの精度を評価した。前者の精度は、院内がん登録で行われる1次スクリーニングの精度に比べ若干良いと思われたが、後者の精度は十分ではなく、手術式等を含む医科診療行為コードや病理診断病名を特徴量として追加することが、精度を向上させる一つの方法と考えられた。

【研究の社会的意義】

病院における症例の登録業務は人手によるインテンシブな作業が必要であるため、機械学習等の技術を活用して人手による労力を軽減することが期待される。本研究は、日々の診療で発生する電子的診療情報を利用して、院内がん登録業務で行われるがん症例のスクリーニングとがん種別の分類を機械学習によって行った場合の精度を評価し、がん登録業務への応用可能性を検討したことが社会的意義としてあげられる。

【研究種目】基盤研究(C)

【研究期間】2016-04-01 - 2019-03-31

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

【研究分野】連携探索型数理科学

【研究領域課題番号】15KT0111 (KAKENデータベースで見る）

【研究キーワード】

深層学習 / マウス / fMRI / 光遺伝学 / 経路推定 / 脳活動伝搬 / ディープラーニング / dropout / optogenetics

【研究成果の概要】

脳の活動伝搬経路を、全脳の神経活動から推測し、伝播経路に規則や特徴が存在するか解明することを本研究では試みた。具体的には脳活動の開始部位と終着部位とが明確な場合に、その間の脳回路を神経活動が並列にあるいは直列に伝播するのかといった伝搬経路の性質を明らかにすることを目指した。このためにfMRI計測データ（麻酔下マウスの海馬を光遺伝学的に刺激した時の応答を計測したデータ；Takata et al. 2015 PLoS One）を用いて、少数ROIに対して経路推定を行った。この結果3つの経路を有力な候補として推定できた。

【研究種目】基盤研究(C)

【研究期間】2015-07-10 - 2018-03-31

【配分額】4,940千円 (直接経費: 3,800千円、間接経費: 1,140千円)

【研究分野】知覚情報処理

【研究領域課題番号】15K00248 (KAKENデータベースで見る）

【研究キーワード】

画像検索 / 画像認識 / スパースグラフ / ニューラルネットワーク / ビジュアルビッグデータ / ディープラーニング / 圧縮可能性 / 基底関数分解 / 深層学習 / ハッシュ関数 / グラフニューラルネットワーク / 畳込みニューラルネットワーク / 高速画像検索 / 高速画像認識 / 定数時間フィルタ / 高速特徴記述 / 高速特徴点検出

【研究成果の概要】

ビジュアルメディアのビッグデータ（以下、ビジュアルビッグデータとする）を利活用し、画像の検索および認識に関する研究において、できるだけ計算量を削減するための情報理論における圧縮可能性について再検討し、高精度かつ高速な画像検索および認識の方法論を確立した。特に近年注目をされているディープラーニングとの融合により、顔のビジュアルビッグデータを基にしてスパースグラフニューラルネットワークという新たな研究領域を構築することができた。

【研究種目】基盤研究(C)

【研究期間】2015-04-01 - 2018-03-31

【配分額】4,680千円 (直接経費: 3,600千円、間接経費: 1,080千円)

【研究分野】計算機システム

【研究領域課題番号】15H05304 (KAKENデータベースで見る）

【研究キーワード】

FPGA / Radio Telescope / Digital Signal / Spectrometer / FFT / RNS / Deep Learning / CNN / 電波天文 / 分光器 / 深層学習 / 信号処理 / 計算機システム / 再構成可能LSI / Signal Processing / DSP

【研究成果の概要】

分光器の演算順序を入換えたアルゴリズムと剰余数系(Residue Number System: RNS)を適用したFFTを既存設備であるROACH2ボードに実装し, CASPERが公開している既存の分光器と比較して, 50倍の帯域・16384倍の分解能を持つ分光器を実現した. 観測後のデータ分類器をCNN(Convolutional Neural Network)を対象としてハードウェア化した. CNNを低ビット化(Binary)とスパース化(Ternary)し, FPGA実装による実用性を明らかにした.

【研究の社会的意義】

次世代電波望遠鏡用分光器を現行のROACH2 FPGAボード1台で実現できることができる. 本研究では, 提案回路の応用を電波望遠鏡としているが, ドップラー効果を利用した応用(CTスキャナ, 海洋レーダ, 気象レーダ等)に転用する事が可能となった.
また, 観測後のデータを要（測定対象）／不要に分類するDeep Learningの一種であるConvolutional Neural Network (CNN)のFPGA化に適したハードウェア削減・高速化手法を研究開発できたため, 帯域・実装コストの削減が可能となり, 監視カメラ・自動運転・ロボット・ドローン等へと適用可能となった.

【研究種目】若手研究(A)

【研究期間】2015-04-01 - 2019-03-31

【配分額】24,700千円 (直接経費: 19,000千円、間接経費: 5,700千円)

【研究分野】知覚情報処理

【研究領域課題番号】26730085 (KAKENデータベースで見る）

【研究キーワード】

深層学習 / ディープラーニング / 画像認識 / 畳み込みニューラルネットワーク / 表現学習 / 人工知能 / 少サンプル学習

【研究成果の概要】

本研究では、少数の教師付学習サンプルから高速かつ安定な学習を可能とする新しい深層学習の枠組を提案した。まず、フィッシャー重みマップ法による識別的な解析解により畳み込み層を算出し、これを順次積み上げることで多層畳み込みニューラルネットワーク(CNN)をボトムアップに構築する。さらに、これを初期状態として誤差逆伝播法による学習を進めることで、より優れた局所解に高速に到達させることを狙う。提案手法は、MNIST・STL-10などの本分野におけるいくつかの代表的なベンチマークにおいてstate-of-the-artの識別精度を達成した。

【研究種目】若手研究(B)

【研究期間】2014-04-01 - 2016-03-31

【配分額】3,770千円 (直接経費: 2,900千円、間接経費: 870千円)