Item type |
SIG Technical Reports(1) |
公開日 |
2020-10-29 |
タイトル |
|
|
タイトル |
PU学習と相互情報量最大化を用いた染色体異常胚による過学習の抑制 |
言語 |
|
|
言語 |
jpn |
キーワード |
|
|
主題Scheme |
Other |
|
主題 |
セッション4 |
資源タイプ |
|
|
資源タイプ識別子 |
http://purl.org/coar/resource_type/c_18gh |
|
資源タイプ |
technical report |
著者所属 |
|
|
|
豊田工業大学 |
著者所属 |
|
|
|
名古屋市立大学 |
著者所属 |
|
|
|
名古屋市立大学 |
著者所属 |
|
|
|
さわだウイメンズクリニック |
著者所属 |
|
|
|
名古屋市立大学 |
著者所属 |
|
|
|
豊田工業大学 |
著者名 |
長屋, 雅士
澤田, 祐季
佐藤, 剛
澤田, 富夫
杉浦, 真弓
浮田, 宗伯
|
論文抄録 |
|
|
内容記述タイプ |
Other |
|
内容記述 |
近年晩婚化のため,高齢出産をする女性が増えており,体外受精の需要が高まっている.体外受精の成功率向上のため,出産成功する可能性の高い良質な胚を選ぶ過程において,深層学習を用いる研究が進められている.従来の研究では,出産成功胚を正例(Positive),出産失敗胚を負例(Negative)とラベル付けして,PN 分類するものがほとんどである.しかし,高齢出産に伴い増加する胚の染色体異常が起きている場合,見た目が出産成功胚とほぼ同じであっても出産失敗に至ってしまう.つまり,出産失敗胚には見た目の質が良いものと悪いものが共存してしまっている.そのため,出産失敗胚すべてを負例として PN 学習してしまうと,分類に悪影響を及ぼす可能性が高い.この悪影響を抑制するため,出産失敗胚に負例ラベルを与えるのではなく,出産成功と失敗のどちらの可能性もある「ラベルなし(Unlabeled)」とした PU 学習の利用を提案する.またこの PU 学習をベースにし,ランク学習への拡張による PU 学習の改善,相互情報量最大化による距離学習,時間方向への滑らかさ制約によるタイムラプス画像の判断根拠の出力安定化についても行った.本稿では,以上で述べた手法が出産成否の分類問題において有用であることを実験的に示した. |
書誌レコードID |
|
|
収録物識別子タイプ |
NCID |
|
収録物識別子 |
AN10100541 |
書誌情報 |
研究報告コンピュータグラフィックスとビジュアル情報学(CG)
巻 2020-CG-180,
号 13,
p. 1-8,
発行日 2020-10-29
|
ISSN |
|
|
収録物識別子タイプ |
ISSN |
|
収録物識別子 |
2188-8949 |
Notice |
|
|
|
SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc. |
出版者 |
|
|
言語 |
ja |
|
出版者 |
情報処理学会 |