潜在空間のサンプリングによる所望の合成患者群の生成

カテゴリ: 部門大会

論文No: PS8-7

グループ名: 【C】2024年電気学会電子・情報・システム部門大会

発行日: 2024/08/28

タイトル(英語): Generation of Desired Synthetic Patient Group through Sampling from Latent Space

著者名: 古田土 祐樹（日本大学）,関 弘翔（日本大学）,宮野 咲紀（日本大学）,辻 泰弘（日本大学）,細野 裕行（日本大学）

著者名(英語): Yuki Kotato (Nihon University),Hiroto Seki (Nihon University),Saki Miyano (Nihon University),Yasuhiro Tsuji (Nihon University),Hiroyuki Hosono (Nihon University)

キーワード: 生成モデル|潜在空間|混合ガウスモデル混合ガウスモデル|Generative Model|Latent Space|Gaussian Mixture Model

要約(日本語): 近年，医療分野において生成モデルの活用が注目されている。合成患者群は，生成モデルから生成される患者データの集合であり，学習データの特性が合成患者群に反映される。しかし，生成モデルは学習データと異なる特性を持つ患者群を生成することが困難であり，所望の患者群を生成する手法が求められる。そこで本研究では，潜在空間に焦点を当て，学習済みの生成モデルを用いた潜在空間からのサンプリングにより所望の患者群を生成することを目的とする。本稿では，生成モデルの一種である変分オートエンコーダ（VAE）を合成患者群の生成に適用し，VAE内で学習された潜在空間から所望の患者群が分布する空間を予測する。予測した潜在空間からのサンプリングにより合成患者群を生成し，その特性の類似性について評価した。潜在空間の予測には，混合ガウスモデル（GMM）を採用し，所望の潜在空間を表現した。評価結果より，提案手法の有効性が示唆された。