スパースモデリングと深層学習の融合技術とその医工学応用

カテゴリ: 部門大会

論文No: TC8-10

グループ名: 【C】2021年電気学会電子・情報・システム部門大会

発行日: 2021/09/08

タイトル(英語): Integrative Techniques of Sparse Modeling and Deep Learning with Medical Engineering Applications

著者名: 酒井 智弥（長崎大学）

著者名(英語): Tomoya Sakai (Nagasaki University)

キーワード: 数理モデリング|教師なし学習|転移学習|圧縮センシング|血管造影検査|Mathematical modeling|Unsupervised learning|Transfer learning|Compressed sensing|Angiography

要約(日本語): データがもつどのような特徴の組合せによって情報が表現されているか。この事前知識は，有益な情報をもつデータを取得するセンシング技術の展開に不可欠である。センシングの対象に関する経験則や法則を記述した数理モデルは，これまでの観測で獲得した知識の結晶である。一方，ニューラルネットで正確な推論を実現する深層学習の技術が急速に発展した。数理モデル基盤と深層学習基盤の技術の長所は相補的であり，両者の融合によって相乗効果を生む技術の創成は極めて有意義である。この融合技術は，精密な数理モデル化と大規模データの収集の両方に困難を抱えがちな課題，解析結果の説明能力が求められる課題，特に医用データや生体信号の解析に応用を期待できる。本講演では，説明変数の組合せによって高次元データの内訳を簡潔に説明するスパースモデリングに着目し，深層学習との融合技術を具体化する方法について，医工学応用の関連研究と共に解説する。

PDFファイルサイズ: 1,022 Kバイト