【研究領域課題番号】19K08201 (KAKENデータベースで見る）

【研究キーワード】

CT画像 / エネルギースペクトル / 元素推定 / 超音波画像 / MRI画像 / PET画像 / 機械学習 / 人工知能 / 正規化 / CT / MRI / 機能推定 / 画像処理 / 医学物理学 / 機能画像 / レディオミクス

【研究成果の概要】

腫瘍悪性度の分類や予後予測に対し、医用画像解析が遺伝子情報解析に匹敵する可能性が指摘され、レディオミクスと呼ばれる新たな研究分野が形成されつつある。一方、その予測精度を高めるために必要となる高品質で大規模な医用画像データベースの作成において、装置間の機器的な相違や撮影条件の相違が大きな障壁となる。本研究では、この問題の根本的な克服に向け、臨床で撮影される医用画像の多様性を利用して単一の医用画像撮影プロトコルでは実現できない階層の情報抽出に基づいた正規化法を研究した。

【研究の社会的意義】

本研究により、様々なCT画像を仮想的に生成し、それを学習データとして人体密度、実効原子番号、及び人体の主要６元素（水素、炭素、窒素、酸素、りん、カルシウム）の密度分布を高い精度で推定できる手法を実現することができた。また、本研究期間内においてMRI画像、PET画像、超音波画像などの様々な医用画像に対して病気分類等を実現するモデルを実現することができた。この研究成果は、放射線治療・放射線診断をはじめとする分野において高精度な医療を提供することにつながり、今後の社会応用への期待が高まる結果を得ることができた。

【研究種目】基盤研究(C)

【研究期間】2019-04-01 - 2022-03-31

【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】19H01178 (KAKENデータベースで見る）

【研究キーワード】

ヒトiPS由来心筋組織 / In vitro 組織成熟化 / 力学刺激 / ベイズ的最適化 / 画像処理 / 再生医療 / in vitro組織成熟化 / 単一細胞イメージング / ベイズ推定 / iPS由来心筋組織 / 機械学習

【研究成果の概要】

知能化培養システムとして，力学刺激および電気刺激が可能な3次元培養チャンバを作製し，組織培養しながら形態をリアルタイムで蛍光観察可能なシステムを構築した．筋芽細胞株C2C12およびヒトiPS由来心筋細胞を培養し，刺激を印加しながら成熟化を評価した．C2C12と電気刺激の系において，画像処理により成熟化指標を抽出し，ベイズ的最適化で条件を最適化し，成熟化指標の向上を目指す実験サイクルを確立した．またヒトiPS由来心筋細胞を3次元ファイバ形状に構築して電気刺激により成熟化し，薬剤を作用させることで組織の収縮力変化が認められ，形成された心筋組織の薬剤試験応用の可能性が示された．

【研究の社会的意義】

本研究により，ベイズ最適化による実験パラメータの機械的な最適化アルゴリズムを，３次元組織構築という生命科学や再生医療分野に重要な研究分野へ適用可能であることが示された．本研究の成果は，国際学術誌および関連の国際会議で成果として世界に対して発信された．今後本研究の成果をもとに研究を継続することで，心疾患に関する薬剤の開発や，心臓移植医療における新しい医療への発展に貢献できる．

【研究種目】基盤研究(A)

【研究期間】2019-04-01 - 2022-03-31

【配分額】46,670千円 (直接経費: 35,900千円、間接経費: 10,770千円)

【研究領域課題番号】18K11391 (KAKENデータベースで見る）

【研究キーワード】

動作計測 / コンピュータビジョン / インタラクション / ヒューマンコンピュータインタラクション / 画像処理 / モーションキャプチャ / 機械学習

【研究成果の概要】

スポーツ教育やリハビリテーション等での利用を前提とした、スマートカメラ群による三次元人体動作計測プラットフォームの構築が本研究の目的である。従来プロスポーツ向けに利用されてきた赤外線反射マーカー式のモーションキャプチャシステムは、精緻な計測が可能である反面、非常に高価であり太陽光の影響などから屋外での利用に制限があった。また、身体部位にマーカーを貼り付ける必要があることから、教育現場での利用には不向きであった。これに対して本手法は、高速度撮影が可能な複数のカメラと機械学習手法を利用することで安価で適用範囲の広い動作計測システムを実現し、このためのソフトウェアと運動データの解析・蓄積基盤を整備した。
まず実験用高速撮像系の構築と統合処理についての実験を行った。撮像系であるスマートカメラを、ネットワークを介して複数台同期動作させることが可能なソフトウェア基盤の構築と、複数視点から得られた同期撮影データを利用して幾何的・時間的な制約を加えた機械学習ベースの姿勢推定手法についての検討を行った。さらに実証実験として、構築したシステムをスポーツトレーニングの現場で試用し、動作検証と今後の課題点の確認を行った。また、スポーツ教育に利用する為のビジュアルフィードバック手法についての試作と検討を行った。
このシステムによりスポーツ科学などの研究用途に限らず、将来的に広く教育用途に適用可能なモーションキャプチャ技術の実現が期待できる。

【研究種目】基盤研究(C)

【研究期間】2018-04-01 - 2020-03-31

【配分額】3,510千円 (直接経費: 2,700千円、間接経費: 810千円)

【研究分野】天文学

【研究領域課題番号】16K13783 (KAKENデータベースで見る）

【研究キーワード】

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

【研究成果の概要】

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。

【研究の社会的意義】

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。

【研究種目】挑戦的萌芽研究

【研究期間】2016-04-01 - 2019-03-31

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

【研究分野】ソフトコンピューティング

【研究領域課題番号】16K00326 (KAKENデータベースで見る）

【研究キーワード】

レザバーコンピューティング / 数理解析 / 非線形システム / 省エネルギー / 力学系 / 機械学習 / 時系列データ / 画像処理 / 時系列予測 / 高速機械学習 / 非線形力学系 / ニューラルネットワーク / メモリスタ / スピン波 / デバイス / ハードウェア / 数理モデル / エコーステートネットワーク / ばらつき / 時系列情報処理 / 非線形 / 最適化

【研究成果の概要】

レザバーコンピューティングは、高速学習を可能とする機械学習の枠組みの一つである。本研究では、レザバーコンピューティングの数理的解析とレザバーの最適設計を行い、従来の問題点を解決するとともに、新たなモデルを提案して学習の高速化や計算性能向上を実現した。また、物理的レザバーの可能性を広く探究して数理モデリングを行い、その基本特性や基礎的タスクにおける計算性能を明らかにした。

【研究の社会的意義】

本研究では、レザバーコンピューティング技術の向上を目指して、数理的研究に取り組んだ。レザバーコンピューティングと他の機械学習との融合や、時系列データ予測のための新しい学習モデルは、本手法の発展に寄与するという学術的意義をもつ。物理的レザバーコンピューティングの研究成果は、低消費電力で動作するオンライン機械学習デバイスの開発につながるものであり、人工知能の発展をさらに促すという社会的意義をもつと考えられる。

【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)