【研究領域課題番号】22H03642 (KAKENデータベースで見る）

【研究キーワード】

深層学習 / 人工知能 / 映像認識

【研究種目】基盤研究(B)

【研究期間】2022-04-01 - 2025-03-31

【配分額】17,420千円 (直接経費: 13,400千円、間接経費: 4,020千円)

【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】21K15789 (KAKENデータベースで見る）

【研究キーワード】

原発性アルドステロン症 / 副腎静脈採血 / 深層学習 / 人工知能

【研究成果の概要】

原発性アルドステロン症は代表的な二次性高血圧症であり、副腎静脈サンプリングはその治療方針決定において不可欠な検査である。昨今では超選択的な区域別副腎静脈支脈採血によってアルドステロン産生腺腫の局在を明らかにすることにより、副腎部分切除術による機能温存が可能な場合がある。しかし、副腎静脈サンプリングは難易度が高く、また区域別副腎静脈支脈採血は一般的に普及しているとは言い難い。本研究では術前造影CTから右副腎静脈同定、カテーテル選定を行う人工知能モデルを開発することにより、超選択的副腎静脈支脈採血の普及・成功率上昇に寄与し、多数の患者に対してより適切な医療を選択することを広く可能とすることを目的とする。本年度は術前造影CTから右副腎静脈同定を行う人工知能モデルを開発するために必要な教師モデルを作成するため、2013年4月から2021年3月に施行された副腎静脈サンプリング 392例を対象として、必要な画像データの揃っている症例を検討した。その結果、術前多相造影CTがないことやCone-beam CT撮像不可という理由により23例（術前多相造影CTなし9例、Cone-beam CT撮像不可 14例）が除外され、369例が抽出された。これらの症例を対象として、副腎静脈サンプリングおよび副腎の画像診断に精通する放射線診断専門医2名により、術前造影CTにおいて、術中Cone-beam CTを参照基準として右副腎静脈を同定し、教師データを作成途中である。

【研究種目】若手研究

【研究期間】2021-04-01 - 2024-03-31

【配分額】4,550千円 (直接経費: 3,500千円、間接経費: 1,050千円)

【研究領域課題番号】21K09466 (KAKENデータベースで見る）

【研究キーワード】

卵巣癌 / 深層学習 / ラジオミクス / ラジオジェノミクス / 人工知能 / Radiomics / Radiogenomics

【研究成果の概要】

症例数の多い卵巣癌の研究を前に症例数が少なく腫瘍のアノテーションも比較的容易な子宮肉腫において検討を行い、画像判定用の深層学習モデルを作成する予備実験を行った。
3施設共同で、術後病理学的な確定診断を得た子宮肉腫61例（子宮平滑筋肉腫、子宮内膜間質肉腫、未分化子宮内膜肉腫、悪性度不明な子宮平滑筋腫瘍（STUMP）を含む）子宮筋腫200例の術前MRI画像を用いた。T1強調画像・T2強調画像(脂肪抑制条件、造影条件も含む)、拡散強調画像を使用し、深層学習による解析を行った。学習：評価＝5:1とした交差検証による深層学習を行い、良性・悪性の鑑別精度を行った。腫瘍部位画像のみの学習および全画像学習、画像種別の組み合わせ学習等、学習・評価方法を検討した。画像種別の平均正答率はT2強調軸位断画像、T2強調矢状断画像、拡散強調画像で最も良好な診断成績で、腫瘍部位画像のみの学習および全画像学習において0.83-0.85であった。画像種別の組み合わせによる評価では、「T2強調軸位断画像+ T2強調矢状断画像+拡散強調画像」の組み合わせの診断成績が最も良好で、正答率0.9023(感度0.897、特異度0.9076)であった。【考察】画像の組み合わせにより診断成績の向上を認めたが、画像種類数に比例した診断成績の向上は認めなかった。T2強調軸位断画像、T2強調矢状断画像、拡散強調画像等上位の成績を示した画像シリーズは相対的に画像数が多く、今後診断精度の向上を図るにあたり、症例数、画像数の増加が必要と考えられたが、卵巣癌診断のAIモデルのために予備実験としては一定の成果を得たと考える。またこの間に卵巣癌の対象症例の画像、臨床情報等を抽出し整理した。

【研究種目】基盤研究(C)

【研究期間】2021-04-01 - 2024-03-31

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

【研究領域課題番号】20H00625 (KAKENデータベースで見る）

【研究キーワード】

計算論的精神医学 / 人工知能 / 精神障害 / 深層学習 / ニューラルネットワーク / 精神疾患

【研究成果の概要】

本研究は、精神障害に関する症状・神経生理・認知行動のビッグデータに対して、疾患横断的・次元的アプローチに基づいて、機械学習・AI技術を含む計算論的精神医学の手法を適用することで、既存の精神障害カテゴリーには基づかない新しい表現型：症候学的タイプ、バイオタイプ、計算論的表現型の抽出を試みている。また、深層学習・データ融合技術を用いて、各水準の表現型を媒介するメカニズムを明らかにすることで、精神障害の統合的理解と新しい疾病概念を創出することを目的とする。
今年度の研究では、昨年度に引き続き、クラウドソーシングを通じた大規模Web調査の枠組みを用いて、疾患カテゴリー横断的・網羅的な精神障害の症状評価、および認知行動実験を実施した。症候学的データのクラスタリングにより、症候学レベルの精神障害亜型（症候学的タイプ）を探索的に構成することを試みた。また、複数の疾患カテゴリーに関する脳画像データベースを用いたデータ駆動アプローチにより、神経生理学的レベルの精神障害亜型（バイオタイプ）を探索的に発見することを試みた。さらに、症候学的タイプ・バイオタイプ、計算論的表現型の各水準の表現型の背後に、共通すると仮定する潜在状態抽出のための基盤技術として、マルチモーダル変分自己符号化器を用いた多元的データ融合技術の開発を試みた。

【研究種目】基盤研究(A)

【研究期間】2020-04-01 - 2025-03-31

【配分額】43,160千円 (直接経費: 33,200千円、間接経費: 9,960千円)

【研究領域課題番号】20K16772 (KAKENデータベースで見る）

【研究キーワード】

深層学習 / 腎癌 / AI / 説明可能 / 画像診断 / 腎腫瘤

【研究成果の概要】

2005年から2021年までの慶應義塾大学病院の病理診断の確定した腎癌304例およびJ-MIDデータベースから抽出した410例のCT画像の画像のresion of interestの設定、腫瘍部分のsegmentationを完了した。さらに、慶應義塾大学病院の腎癌症例の内、ダイナミックCTの4相全てが撮影されている200例については、詳細な画像所見（造影前腫瘍濃度、早期濃染の程度、早期濃染の不均一さ、wash-outの程度、嚢胞成分の程度、壊死の程度をそれぞれ9段階評価）のアノテーションを付与し、説明可能AI開発のための教師データとして利用した。
作成した教師データを利用し、multi class学習を実施し、腎癌のサブタイプ分類を実施した。追加の学習データを付与しmulti class学習を実施したモデルを用いた場合、説明性（画像の詳細な所見）の出力が可能になったものの、腎癌のサブクラス分類のみを行う深層学習モデルに比べて精度がやや劣る結果となった。
腎癌位置およびサイズの推定を行う前処理を追加し、さらにImageNet画像でトレーニングしたモデルの転移学習を行い、精度はやや改善した。しかしながらモデルが2D画像を対象としたものであり、モデルを3D化することにより更に精度の改善が行えると考えた。このため、病理で腎癌と確定していないダイナミックCT画像を用いて3Dのモデルの事前学習を実施し、fine tuningを行うことを目的に、慶應義塾大学病院のPACSから病理で腎癌と確定していないダイナミックCT画像を1300件抽出した。

【研究種目】若手研究

【研究期間】2020-04-01 - 2023-03-31

【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】20K08236 (KAKENデータベースで見る）

【研究キーワード】

人工知能 / スプライス異常 / RT-PCR / エクソーム解析 / RNA-Seq / エクソーム / 深層学習

【研究成果の概要】

小児期発症の希少難治性神経疾患は遺伝性が高い。私たちは1000家系以上でエクソーム解析を行い、多数の原因遺伝子を明らかにしてきたが、全ゲノム解析でも原因同定率は60%程度であり、新たな解析方法の開発が求められている。エクソーム解析では原因が不明であった脳形成異常例に、人工知能(AI)技術を用いたスプライス部位の予測アルゴリズムSpliceAIを用いて解析したところ、劣性遺伝の小頭症3家系6名に共通するスプライス変異を同定した。同定した変異部位はエクソンから40塩基対以上離れたイントロンに存在し、従来のスプライス部位予測アルゴリズムでは検出できていなかった。その後、株化リンパ球を用いた発現実験を行い、RT-PCRで正常とは異なる長さの転写産物を認め、スプライス異常を確認した。スプライス異常検出におけるAI技術の有用性を確認した。SpliceAIのアルゴリズムをエクソームデータの解析プラットフォームに組み込み、新規にエクソーム解析を行った発端者295例＋家族193検体の計488検体についてスプライス異常の検出を試みた。その結果、発端者50例でスプライス異常が予測された。多くは親由来で病原性は否定的であったが、7例で疾患原因と考えられるde novoのスプライス異常が予測される変異を認めた。うち2例はSpliceAIのスコアは低かったが、ACMGガイドラインではpathogenicと判定された。1例で株化リンパ球を用いた発現実験を計画し、RNA-Seq解析では株化リンパ球での発現がなかったため、強制発現実験のための細胞培養を進めている。また、SpliceAIでスコアの低かった1例に対し、RT-PCRを行ったところスプライス異常は示されず、SpliceAIの予測通りであった。

【研究種目】基盤研究(C)

【研究期間】2020-04-01 - 2023-03-31

【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】20H03738 (KAKENデータベースで見る）

【研究キーワード】

乳癌 / 画像診断 / 深層学習 / 人工知能

【研究成果の概要】

2021年度は、2020年度までに実施した研究の規模を広げた。乳癌症例をこれまで500症例であった症例を1000例へと増やし、正常・良性石灰化・良性腫瘍・悪性腫瘍を分類するAIモデルの学習を行った。左右差を比較するアルゴリズムを組み込んだAIモデルを構築し、以前よりも精度の向上が得られている。読影医師が行っている乳腺左右比較をモデルに組み込んだAIの開発は、医師の読影の過程を取り込んだ説明可能AIによる画像診断の一端を担う技術である。
また、施設間のAI精度によるドメインシフトの問題について検討するために、まずは自施設データのデータの疾患割合を調整したうえで、それがAI診断の精度にかかわるのかを検証した。予想と同様に、疾患割合の低い画像データを用いたAIによる学習では、診断の精度は十分に上がらず、今後学習モデルの作成にむけて有病率を加味したデータセットの構築を工夫する必要がある。
学習に必要なデータ選定フローの確立・腫瘍データの取り出し・AI学習に必要な画像の事前処理を行うとともに、今後研究で必要となるモデルについて周辺技術のサーベイと我々の研究への応用の方向性について議論を深めた。
また2021年度はこれまで扱ってきた聖路加国際病院の画像データに加えて、東北大学病院の画像データの取り出しと、事前画像処理を行い来年度にむけての準備を行った。聖路加国際病院のデータはトモシンセシスのみであったが、東北大学病院では、トモシンセシスに加えてマンモグラフィーを扱う。

【研究種目】基盤研究(B)

【研究期間】2020-04-01 - 2024-03-31

【配分額】17,550千円 (直接経費: 13,500千円、間接経費: 4,050千円)

【研究領域課題番号】19H04121 (KAKENデータベースで見る）

【研究キーワード】

データセンター / 運用 / 人工知能 / スケジューラ / ログ収集 / 強化学習 / ジョブスケジューリング / 最適化 / オーバーコミット / システムモデル / スーパーコンピュータ / 深層学習 / AI / 計算機運用 / 機械学習 / センサーデータ / スケジューリング / サイバーフィジカルシステム

【研究成果の概要】

データセンターの運用の自動化のため、データセンターからのデータを取得して仮想空間上に再現する方法と、その仮想空間上で運用ポリシーを最適化する方法を研究した。
前者のデータ取得については、機器によるデータフォーマットの違いやデータの用途に依存することなく、様々な運用に役立つ汎用的なデータを多くのデータセンターから収集できる一般的なデータフォーマットと保存形式を定義することに成功した。後者の運用最適化については、制御方法を自動的に学習する強化学習を用いてジョブスケジューリングを最適化することに成功すると共に、その学習の場としてスケジューリングや冷却設備のシミュレータを実装した。

【研究の社会的意義】

データセンターの運用はより少ない資源で多くの計算需要を満たすための高度な技術であり、スケジューリングポリシーの設定、計算機のメンテナンス、さらには電力空調設備の運用やメンテナンスを含む専門的に高度な業務である。近年の労働人口減少に伴い、このような運用業務に携わる人材の確保は容易でなく、今後、益々増大する計算需要を安定的に満たすためには運用の省力化、少人化は必須の課題である。本研究の成果はこの要請に応じるものであり、設備運用やジョブスケジューリングをシミュレーションで再現する方法、さらにそれを用いて人工知能に最適な運用を試行錯誤させる方法を開発したものである。

【研究種目】基盤研究(B)

【研究期間】2019-04-01 - 2022-03-31

【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】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】19H04154 (KAKENデータベースで見る）

【研究キーワード】

認知症 / 意思決定支援 / 人工知能 / ヒューマンエージェントインタラクション / ロボティクス / 認知症介護 / 意思決定 / 意思推定 / 感情推定 / スマートテキスタイル / エージェント / 認知症ケア / 医療同意 / 生体計測 / 人間拡張 / ロボット / 深層学習 / 合意形成

【研究成果の概要】

認知症の初期のころは本人の意思が尊重されるが、中期、後期になると本人の理解力、判断能力の低下などから家族が判断するようになり、本人の思いが置き去りになる場合も少なくなかった。こういった問題に対して本研究の目的は、AI、ロボット技術などに基づく人間拡張技術により、認知症の人の意思や感情の表出を支援する研究開発を行った。その上で、技術により人間拡張された認知症者の意思の倫理的・法的・社会的受容性、医療介護への経済的なインパクトなどを医療従事者、心理学者、経済学者と検討した。

【研究の社会的意義】

本研究は、中度、重度の認知症者にどのように情報提示すれば状況の認知や判断が適切になされるのか、その上で、認知症者の意思や感情の表出をAIが支援するにはどういった情報を記録する必要があるのか、またAIが支援する認知症者の意思や感情の表出を他者は受容できるのかの解明に取り組むものである。結果として、AI、ロボット技術などに基づく人間拡張技術により、認知症の人が最後まで自分の意思、感情を表出できるよう支援し尊厳のある人生を過ごせる社会の実現にある。国内外の人間拡張技術の研究において類似の例は存在しないことから学術的独自性と創造性は極めて高い。

【研究種目】基盤研究(B)

【研究期間】2019-04-01 - 2022-03-31

【配分額】16,250千円 (直接経費: 12,500千円、間接経費: 3,750千円)

【研究領域課題番号】19H04148 (KAKENデータベースで見る）

【研究キーワード】

サイレントスピーチ / 人間拡張 / 人工知能 / 音声処理 / 深層学習 / ヒューマンコンピュータインタラクション / ウィスパースピーチ / Human-AI-Integration / スピーチインタラクション / マルチモーダルインタラクション / サイレントボイス / ヒューマンAIインテグレーション / スピーチインタフェース

【研究成果の概要】

音声インタフェースは急速に普及してきているが、公共環境や騒音環境で利用できないなどの制限があった。本課題では、深層学習による無音声発話認識の研究を行った。顎の下側に取り付けられた超音波イメージングプローブによって観察される口腔内映像から発声内容を認識する深層学習器、皮膚運動を顎や喉に添付した加速度センサーから発話を推定する機構、マスクに添付した加速度センサーにより発話を認識する機構を構築し、スマートスピーカーなど音声対話システムを駆動できることを確認した。さらに、視線情報と口唇映像からのコマンド認識を組み合わせるマルチモーダルインタフェースの構築に成功した。

【研究の社会的意義】

本研究成果により、音声インタラクションが公共環境や騒音環境で利用できないなどの従来の制限を超えて利用できる可能性が出てきた。音声インタラクションは他の入力手段と比較しても高速で、手指を拘束しないなどの特徴を持つ。未来のモバイルインタフェースやウェアラブルインタフェースの手段としてサイレントスピーチが広範に利用される可能性がある。さらに、咽頭障害、声帯機能障害、高齢による発声困難者に対して、声によるコミュニケーションを取り戻すための支援技術としての利用意義がある。

【研究種目】基盤研究(B)

【研究期間】2019-04-01 - 2022-03-31

【配分額】17,420千円 (直接経費: 13,400千円、間接経費: 4,020千円)

【研究領域課題番号】19H01176 (KAKENデータベースで見る）

【研究キーワード】

人工知能 / 自動手術計画 / 手術シミュレーション / 深層学習 / 人工関節 / 筋肉セグメンテーション / 筋萎縮 / 筋変性 / 関節可動域 / 骨密度 / 金属アーチファクト削減

【研究成果の概要】

1.過去症例DBについて以下を進めた。 (1)臨床情報DBについて、インプラント機種別の整備を行った。(2)解剖情報DBについて、学習（正解）データ拡充に向けて、筋肉自動認識結果を修正することで大幅に正解データ作成時間の短縮が行えることを確認し、100例以上の正解データ追加の見通しを得た。
2. 患者解剖の自動認識ツールについて以下を進めた。(1)術前CT画像からの筋骨格認識を「骨盤から膝まで」を「下肢全体」へ拡張するための予備実験を行った。(2)術前CT画像から、骨密度測定用ファントムの自動認識・キャリブレーションにより骨密度分布推定の精密化を図った。(3)術前CT画像の不確実性推定の実用的利用の評価を行った。(4)術後CT画像からの人工関節の認識およびその検証を行った。(5) 2次元X線画像からの筋骨格3次元復元の一部として、各骨格・筋肉の分離法の検証を行った。
3. 疾患モデル構築について、100例以上の患者CT画像の自動認識を行い、各筋肉の萎縮・変性について評価した。筋肉の自動認識結果を評価し、疾患モデル構築のために自動認識結果をそのまま用いると、認識誤差のため、疾患状態が十分に反映されないことが想定されたため、自動認識結果をマニュアルで修正した後、構築することとした。
4. 手術モデル構築について、関節可動域計測ツールの開発を完了した。術後CT画像から自動認識した骨格モデル上に立案した人工関節設置計画に対して、複数の関節運動を想定して可動域を推定した。どの運動においても、マニュアルで作成した骨格モデルとほぼ同等に、可動域推定が行えることを確認した。
5. 意思決定支援について、術前の筋肉評価（疾患状態評価）から、術後の運動機能が予測できる可能性（手術時期の決定支援等、手術の意思決定に利用できる可能性）を検討した。

【研究種目】基盤研究(A)

【研究期間】2019-04-01 - 2023-03-31

【配分額】45,240千円 (直接経費: 34,800千円、間接経費: 10,440千円)

【研究領域課題番号】19K08549 (KAKENデータベースで見る）

【研究キーワード】

血管老化 / 細胞老化 / 人工知能 / 畳み込みニューラルネットワーク / 新規評価指標 / 細胞形態 / Deep-SeSMo / 血管内皮細胞 / 動脈硬化 / 薬剤スクリーニング / 深層学習 / 抗老化

【研究成果の概要】

昨今、加齢関連疾患の病態において細胞老化が重要な位置付けを占めていることが報告されている。特に、血管内皮細胞の老化は様々な臓器の病態進行に重要であることから、新規の治療標的であると考えられる。本研究では、人工知能技術の一つである畳み込みニューラルネットワークを用いて、細胞形態を指標として血管内皮細胞の老化度合いを定量的評価する技術(Deep-SeSMo)を開発した。Deep-SeSMoは分子生物学的ラベルを用いることなく、簡単な顕微鏡撮影のみで細胞老化が評価可能であり、ラベルフリーで薬剤スクリーニングが実行可能である。同システムを用いることで血管老化を抑制する候補化合物を同定した。

【研究の社会的意義】

本研究では畳み込みニューラルネットワークを用いて、細胞老化の程度を高い精度を持って定量的に評価可能であることが判明した。従来、画像解析を用いて疾患細胞を分類することは可能であったが、本研究では学習済みモデルを用いて確率分布に従って出力を行うことで、その病的中間状態に対して定量的な連続評価を可能にしたことは新規性が非常に高い。本技術は、病的細胞評価方法の基盤的技術となる可能性があり、さらなる発展が期待される。また血管老化による臓器障害は今後もさらに増加することが予想されることから、本技術を用いて血管老化抑制薬の探索が進むことが期待される。

【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】19K22625 (KAKENデータベースで見る）

【研究キーワード】

人口知能 / 機械学習 / セグメンテーション / ヒトiPS細胞 / ヒトES細胞 / 心筋細胞 / 分化誘導 / 成熟化 / 深層学習 / 多能性幹細胞 / オミックス解析

【研究成果の概要】

拍動心筋細胞の動画を全自動撮影し、ベクトル解析によって心筋細胞を同定することで非心筋細胞との領域を判別する拍動心筋細胞動画撮影システムを開発した。また、セグメンテーションアルゴリズムにより拍動する心筋細胞を効率的に評価する画期的な深層学習法の開発を行い、改良することでより正確な領域判定を可能にした。心筋と非心筋細胞を見分けるのに有効な分類器を機械学習により構築し、加えて学習器を可視化することで分類根拠を視覚的に示すことに成功した。拍動心筋細胞動画撮影システムにより効率的に教師データを取得し、学習機によるデータの解析を行った。さらに心筋細胞への分化、成熟過程における重要な遺伝子を確認した。

【研究の社会的意義】

多能性幹細胞由来心筋細胞の汎用化と産業化には大量の心筋細胞の品質を効率よく短時間で評価する方法を確立する必要性がある。本研究によって心筋細胞の状態を位相差顕微鏡で観察した細胞の画像データのみから評価することが可能になった。これまでの研究では、画像解析のみで多能性幹細胞からの分化誘導効率や成熟度を評価することは極めて困難であり、学術的、社会的意義は非常に大きい。本研究成果は病態解明と創薬開発におけるES/iPS細胞研究のブレークスルーを達成するものであり、効率的な分化誘導法や成熟化法を開発するための強力なツールとなる。その成果は循環器領域にとどまらず他領域にも役立つ極めて汎用性の高い技術である。

【研究種目】挑戦的研究(萌芽)

【研究期間】2019-06-28 - 2021-03-31

【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】18K19793 (KAKENデータベースで見る）

【研究キーワード】

人工知能 / 深層学習 / 機械学習 / ニューラルネットワーク / 理論解析

【研究成果の概要】

本研究では，数理的アプローチによって深層学習の学習ダイナミクスなどの理論解析を行った．その結果以下の結果を得た．（１）不連続な関数を推定する場合，深層ニューラルネットは，従来法である固定基底を用いる方法に比べて，推定精度に優位性がある（２）深層ニューラルネットが冗長な中間素子を持つ場合の誤差曲面の鞍点の構造が明らかとなった（３）深層生成ネットワークの学習ダイナミクスの安定性条件が明らかとなった．また，因果方向をメタ学習によって少数のデータから推定する方法を提案した．

【研究の社会的意義】

深層学習は応用面からの成功により現在の人工知能の基盤技術となっているが，モデルが強い非線形性を持つことから理論的な解析を行うことは容易ではなくブラックボックスとして使われる場合が多い．本研究は数理的手法で深層学習の性質を理論的に明らかにするものであり，ブラックボックスを超えた深層学習の理論，特に学習によって得られたネットワークの信頼性や，学習アルゴリズムの安定性に関して重要な知見が得られた．

【研究種目】挑戦的研究(萌芽)

【研究期間】2018-06-29 - 2021-03-31

【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】18K01813 (KAKENデータベースで見る）

【研究キーワード】

特許 / テキストマイニング / イノベーション / 研究開発 / 生産性 / 人工知能 / ピンポイントフォーカス型 / 多変量解析 / 深層学習 / ネットワーク / 企業行動心理 / 生産性変化 / 研究開発投資 / 行動心理分析

【研究成果の概要】

研究代表者（關　智一）は、国際ビジネス研究学会全国大会にて「製造業・研究開発部門の生産性変化とグローバル化」について報告した。研究分担者の一人（菰田文男）は、人工知能をテーマとした『Paradigm Shift in Technologies and Innovation Systems』を刊行した。研究分担者の一人（井口知栄）は、2020年度に学会報告をした論文「Subsidiary Competences in Japan: Why Autonomy and Business Networks Matter」が2021年度にManagement Internationalに刊行予定である。

【研究の社会的意義】

研究代表者（關智一）は、ITプラットフォーム企業のイノベーションについて理論的な検討を行った後、日本製造業を対象とした研究開発部門の生産性変化に関する実証分析を行った。研究分担者の一人（井口知栄）は、アジアにおける研究開発拠点の国際化の変遷と、アンケート表を用いたデータより在日多国籍企業のイノベーション活動について分析を行った。研究分担者の一人（菰田文男）は、人工知能技術をベースとして、テキストデータから企業経営に関する知識獲得手法に関する分析を行った。これらの研究成果は、従来の特許に依存したイノベーション測定方法に対し、何れも新たな視点を提示しており、この点に本研究の学術的意義を指摘できる。

【研究種目】基盤研究(C)

【研究期間】2018-04-01 - 2021-03-31

【配分額】4,030千円 (直接経費: 3,100千円、間接経費: 930千円)

【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)

【研究領域課題番号】18K15542 (KAKENデータベースで見る）

【研究キーワード】

深層学習 / 骨密度 / 腰椎 / DXA / 肝線維化staging / 腹部画像診断 / CT / MRI / 人工知能

【研究成果の概要】

腹部単純CTから、腰椎のdual-energy X-ray absorptiometry (DXA)骨密度値を推定する深層学習モデルを作成し、査読付き国際学術雑誌European Radiologyで論文発表し、雑誌掲載された。CT画像から腰椎部分を切り出した画像を入力データ、対応する椎体のDXA骨密度値を教師データとして、教師あり深層学習を行った。学習済のモデルを外部施設のデータに適用して性能を検証すると（external validation）、深層学習モデルによる骨密度値予測値とDXA骨密度値との相関係数は0.840（p<0.001）と高い相関が得られ、骨粗鬆症の診断をarea under the receiver operating characteristic curve (AUC) = 0.970で診断することができた。本研究は、DXAを持たない施設でもCT画像からDXA骨密度値を予測することや、CT画像さえあれば過去のDXA骨密度値を推定することを可能とする点で臨床的有用性があると考えられる。
また、深層学習の画像診断への応用に関して、第79回日本医学放射線学会総会（2020年5月15日、web開催）、28th ISMRM Annual Meeting (2020年8月8日、Virtual Conference & Exhibition)において招待講演を行い、国内雑誌（臨床画像2020;36:445-451、インナービジョン2020;35:22-25、Rad Fan 2021;19:23-25）において記事を執筆した。

【研究種目】若手研究

【研究期間】2018-04-01 - 2022-03-31

【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】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】知能情報学

【研究領域課題番号】16K00294 (KAKENデータベースで見る）

【研究キーワード】

ロボット聴覚 / 人工知能 / 音響信号処理 / 行動学 / 情報システム / 鳥の歌の解析 / 音環境理解 / マイクロホンアレイ処理 / 音源識別 / 深層学習

【研究成果の概要】

複数のマイクロホンアレイで収録した野鳥の歌声音響信号から，何の野鳥がいつ，どこから，どのように歌っているかを歌声イベントとして抽出し，歌声イベント間の関係から野鳥同士の関係性を構造化・可視化するロボット聴覚と機械学習技術の融合した屋外音環境理解技術を開発した．また，専門家でなくても使いやすい野鳥歌声解析用の屋外音環境理解システムを構築し，人手で行われてきた野鳥の歌声解析作業の負担を軽減し，動物行動学・生物音響学分野に貢献した．

【研究の社会的意義】

本研究は，従来のロボット聴覚技術と野鳥歌解析技術の欠点を相補的に補うことで，人手を介せずに野鳥の歌声解析に適用可能な屋外音環境理解の枠組みを構築する点で学術的意義が大きい．また，，基礎的な研究課題への取り組みだけではなく，野鳥行動解析の専門家を分担者に招くことで，ユーザ視点での技術課題抽出を行い，必ずしも技術の専門家でない野鳥の行動解析の研究者であっても，簡単に操作できる自動歌声解析システムを構築することで，実作業の負担軽減を狙う点で社会的な意義が高い．

【研究種目】基盤研究(C)

【研究期間】2016-04-01 - 2019-03-31

【配分額】4,550千円 (直接経費: 3,500千円、間接経費: 1,050千円)

【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)