【研究領域課題番号】22K03922 (KAKENデータベースで見る）

【研究キーワード】

機械学習 / ディープラーニング / ライトフィールド / 熱流動 / 光学計測

【研究種目】基盤研究(C)

【研究期間】2022-04-01 - 2025-03-31

【配分額】2,340千円 (直接経費: 1,800千円、間接経費: 540千円)

【研究領域課題番号】21K05702 (KAKENデータベースで見る）

【研究キーワード】

年輪気象学 / 組織形状 / 画像解析 / ディープラーニング / スギ / 画像認識 / 機械学習

【研究成果の概要】

本課題の目的は機械学習（Machine Learning, 以降ML）を新機軸とし、木材組織学におけるこれまでにない発見の探索にある。その前半部はスギ横断面で観察できる組織の画像認識法を確立することにあり、本年度はその足がかりをつけた。画像認識におけるMLの具体的な環境は次の通りである：ディープラーニングによる機械学習、画像の識別・学習方法に畳み込みニューラルネットワーク、事前学習あり、前処理段階では教師あり、numpyおよびGoogle TensorFlowを解析ライブラリ、プログラミング言語にPythonとC++を併用した。木材横断面の画像取得は高性能スキャナで行うとともに、インターネットにある画像も著作権に注意を払いながら利用した。既往の研究では年輪幅を横断面の数カ所を測定し、その平均値などで評価しているが、本検討ではMLによる画像識別を用いて年輪界を検出し、より詳細な年輪幅を得られる方法を開発することにある。そのための解析プログラムを作製し研究の基盤として整備した。申請書図3に示したように、年輪画像を極座標系から直交座標系へ変換することでMLでの取り扱いが容易になり、帯状の年輪をΣan(x)^nで表される多項式で表現することに成功した。そしてその多項式で複数の木材横断面の画像を解析し、機械学習で最適化できることを示した。その際に、過学習に至らないよう中心に近い年輪の関数を重要視し、より外側の関数の次元を小さくするよう試行錯誤した。なお、極座標系から直交座標系に変換するにあたり、座標系の中心(髄）に行くほど画素が少なくなり情報が疎になるが、周りの画素から勾配を利用して予測し、画素を補完する方法を採った。

【研究種目】基盤研究(C)

【研究期間】2021-04-01 - 2024-03-31

【配分額】3,250千円 (直接経費: 2,500千円、間接経費: 750千円)

【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】19K23717 (KAKENデータベースで見る）

【研究キーワード】

細胞内物質輸送 / 小胞 / 細胞骨格 / 機械学習 / 小胞体 / モータータンパク質 / ディープラーニング / 細胞内輸送 / エンドソーム

【研究成果の概要】

細胞内での物質輸送に関する研究は新薬の開発及び検証において必修的な基礎情報を提供するものの、ナノスケールで行う物質輸送の観測や解析が難しいため、その輸送のパターンはいまだに知られていない。本研究は、機械学習の用いて細胞内物質輸送のパターンを解明することを目標とし、細胞内物質輸送を担当する小胞と細胞骨格との相互作用を物理的な特徴量に基づいて約９０％の正解率で分類するアルゴリズムを開発することに成功した。

【研究の社会的意義】

本研究の学術的な意義は、今までの伝統的な生物物理学の接近法では分析が難しかった細胞内物質輸送のパターンを、小胞と細胞骨格との相互作用の物理特性に着目し、機械学習アルゴリズムに基づいて解明した最初の接近法である。尚、社会的意義において、本研究で解明された細胞内の物質輸送のパターンは薬物伝達プロセスに関する研究にも繋がるため、今後新薬の開発や検証を促進させる重要な基礎研究になると期待される。

【研究種目】研究活動スタート支援

【研究期間】2019-08-30 - 2021-03-31

【配分額】2,860千円 (直接経費: 2,200千円、間接経費: 660千円)

【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】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】18H01437 (KAKENデータベースで見る）

【研究キーワード】

次世代移動通信 / へトロジーニアス・ネットワーク / 干渉抑圧技術 / 機械学習 / 強化学習 / 教師無し学習 / 移動通信 / システム制御 / ニューラルネットワーク / 干渉抑圧 / 送信電力制御 / 送信ビームフォーミング制御 / Deep Learning / 誤差逆伝搬法 / Dropout / 変分法的ベイズ推定 / 干渉キャンセル / 送信制御 / EMアルゴリズム / Message-Passing アルゴリズム / 人工知能

【研究成果の概要】

次世代移動通信のへトロジーニアス・ネットワークにおいて，受信機も干渉キャンセル機能を有することを前提に，複雑かつ膨大な演算量を要する統合送信技術を低演算量で，かつ最適システム容量を達成するように制御することを検討した．
具体的には，MIMO (Multiple-Input Multiple-Output) 通信で7セル以上のセルラーシステムを想定し，受信機の干渉キャンセル機能として，線形受信では最適な MMSE (Minimum Mean Square Error) を検討した．全システムの通信路容量を最大にするよう，昨年度と同様，機械学習の強化学習 (Reinforcement Learning)を送信電力及び送信ビームフォーミングの制御に適用した．計算機シミュレーションにより，演算量が膨大となる最適化手法（全探索）に較べ，システム容量の劣化を抑えられ，かつ全探索よりも演算量を大幅に削減できることを確認した．
さらに，教師信号の情報を不要とするため，機械学習の教師無し学習 (Unsupervised Learning) を適用し，Adam Algorithmを用いて学習の収束速度向上を図った．加えて，3セル以上にも適用できるように，評価関数を修正して自律分散制御法の導入を検討した．計算機シミュレーションにより，7セル，3セクターアンテナのセルラーシステムにおいて，同様にシステム容量を改善できることを確認した．
上記の検討例は MMSE を前提にしていたが，現在，固有モード伝送及び注水定理に基づく送信電力制御を行い，1セルでの通信路容量を局小的に最大化し，これを他セルでも繰り返し行うことでシステム全体の通信路容量の最大化を検討しており，自律分散制御のための計算機シミュレーション・プログラムを作成中である．

【研究種目】基盤研究(B)

【研究期間】2018-04-01 - 2023-03-31

【配分額】5,460千円 (直接経費: 4,200千円、間接経費: 1,260千円)

【研究領域課題番号】18H03424 (KAKENデータベースで見る）

【研究キーワード】

見える化 / 水使用量 / 節水型社会 / 水使用行動 / ナッジ / 共有財 / ディープラーニング / 用途別水使用量 / 機械学習 / 使用行動別水使用量

【研究成果の概要】

水使用量の「見える化」については、まず自身の実際の水使用量をどのように見せるかを検討した。その結果、共有財としての水を意識させるフィードバックにより、低消費世帯の水使用量が、長期間継続的に減少することが明らかになった。他の世帯の平均使用量との比較をグラフで表現した場合には節水効果はなかった。続いて、用途毎に節水の余地がどの程度あるのかを示すTipsを提示した結果、節水可能な量をCO2排出量で表現した場合に、高消費世帯が節水行動をとることが明らかになった。
使用行動別の水使用量を定量的に把握するツールの開発については、各家庭毎に機械学習した場合には、95％の精度で使用行動別に分類ができた。

【研究の社会的意義】

水道スマートメータの導入への議論や実証実験が始まっており、それに伴い、水使用量の「見える化」が各事業体で検討されている。単なる「見える化」では水使用量への影響はなく、「見える化」の方法を工夫することで、社会全体の水使用量を無理なく減少させる可能性がある。本研究では、日本社会において節水型社会を実現していくための「見える化」の新しい方法を複数提案することができた。また、その際に、「見える化」された情報の受け手がストレスを感じることなく節水型行動へ移行したことも明らかになった。

【研究種目】基盤研究(B)

【研究期間】2018-04-01 - 2021-03-31

【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】人体病理学

【研究領域課題番号】15H04715 (KAKENデータベースで見る）

【研究キーワード】

奇形腫 / システム病理学 / 多能性幹細胞 / ES細胞 / エピゲノム / メチル化解析 / ヒト幹細胞 / 人体バイオリソース / 再生医療 / 泌尿生殖器・内分泌 / 機械学習 / ディープラーニング / クリティカルエピゲノム

【研究成果の概要】

本研究では、奇形腫の病理組織像に対して機械学習解析を行い、そのデータを基盤として、多能性幹細胞のクリティカルエピゲノムを同定した。奇形腫形成の過程や、細胞間、移植部位それぞれの相互作用を始め、奇形腫を構成する自然法則を明らかにし、多能性幹細胞による奇形腫がどのように創成されているかを構成的アプローチによって有機的なシステムとして解明を試みた。構成的システム病理学は、細胞、器官、多細胞体などを創成する仕組みや原理を解明するところに特徴がある。現在主流の要素還元的アプローチだけでは困難な、細胞や遺伝子の仕組みの解明が可能となった。

【研究の社会的意義】

現代病理学・幹細胞学の研究は、物質レベルで腫瘍の構成要素を明らかにし、発生部位における組織像の差異を明らかにするという要素還元的アプローチが主流である。その結果、ゲノム情報や細胞を構成する分子とその機能に関する多くの知識が蓄積されてきた。さらに病理学をシステムとしてとらえ、構成する要素間の相互作用がもたらすダイナミクス、制御ネットワークの解明するシステムが展開された。本研究においては、構成的システム病理学的手法を用いて、多能性幹細胞を移植することで形成された奇形腫に対して、組織構成及び未分化度・悪性化を創成する仕組みや原理を解明するところに特徴があり、学術的な意義は極めて高い。

【研究種目】基盤研究(B)

【研究期間】2015-04-01 - 2020-03-31

【配分額】16,900千円 (直接経費: 13,000千円、間接経費: 3,900千円)