WEKO3
アイテム
潜在空間上での拡散モデルによる疑似ヘルスケアデータ生成手法
https://ipsj.ixsq.nii.ac.jp/records/233898
https://ipsj.ixsq.nii.ac.jp/records/2338980547679e-fd98-4279-9358-02f0be21f3e7
| 名前 / ファイル | ライセンス | アクション |
|---|---|---|
IPSJ-DPS24199031.pdf (1.1 MB)
2026年5月8日からダウンロード可能です。
|
Copyright (c) 2024 by the Information Processing Society of Japan
|
|
| 非会員：¥660, IPSJ:学会員：¥330, DPS:会員：¥0, DLIB:会員：¥0 | ||
| Item type | SIG Technical Reports(1) | |||||||||
|---|---|---|---|---|---|---|---|---|---|---|
| 公開日 | 2024-05-08 | |||||||||
| タイトル | ||||||||||
| タイトル | 潜在空間上での拡散モデルによる疑似ヘルスケアデータ生成手法 | |||||||||
| タイトル | ||||||||||
| 言語 | en | |||||||||
| タイトル | Pseudo-Healthcare Data Generation by Diffusion Model on Latent Space | |||||||||
| 言語 | ||||||||||
| 言語 | jpn | |||||||||
| キーワード | ||||||||||
| 主題Scheme | Other | |||||||||
| 主題 | [MBL]ヘルスケアとウェアラブル | |||||||||
| 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 | ||||||||||
| 上智大学大学院 | ||||||||||
| 著者所属 | ||||||||||
| 上智大学大学院 | ||||||||||
| 著者所属(英) | ||||||||||
| en | ||||||||||
| Sophia University Graduate School | ||||||||||
| 著者所属(英) | ||||||||||
| en | ||||||||||
| Sophia University Graduate School | ||||||||||
| 著者名 |
鈴木, 維浩
× 鈴木, 維浩
× 深澤, 佑介
|
|||||||||
| 著者名(英) |
Masahiro, Suzuki
× Masahiro, Suzuki
× Yusuke, Fukazawa
|
|||||||||
| 論文抄録 | ||||||||||
| 内容記述タイプ | Other | |||||||||
| 内容記述 | 本論文では，少量のヘルスケアデータからでも疑似データ生成を行えるようにするため，テーブルデータを潜在空間にマッピングしたうえで，拡散モデルによって疑似データを生成する手法を提案する．提案手法はテーブルデータの画像化のフェーズ，拡散モデルによる画像生成のフェーズ，画像のテーブルデータ化のフェーズの 3 つのステップから構成される．第一のフェーズでは，テーブルデータを UMAP を用いて 2 次元に次元削減し行列の積を計算して正方行列に変換しグレー画像化を行う．第二のフェーズでは，拡散モデルを用いてグレー画像化したデータを基に新たに画像を 64 枚生成する．第三のフェーズでは，生成した画像のピクセル値から SVD を用いて二次元情報を抽出，抽出した二次元情報を UMAP の逆変換を用いて元 データのサイズにリサイズを行う．評価はウェアラブルデバイスから収集したデータを用いて行った．評価では，生成データを学習用データに追加し，評価用データに対してモデルの精度が向上するか確認した，その結果，提案手法によって学習データを追加したモデルが比較手法のモデルに比べて精度向上することを確認した． | |||||||||
| 論文抄録(英) | ||||||||||
| 内容記述タイプ | Other | |||||||||
| 内容記述 | In this paper, we propose a method for generating pseudo data from a small amount of healthcare data by mapping table data to latent space and then generating pseudo data using a diffusion model. The proposed method consists of three steps: an imaging phase for table data, image generation using a diffusion model, and phase of converting images to table data. In the first phase, table data is dimensionally reduced to two dimensions using UMAP, converted into a square matrix by calculating the product of matrices, and then turned into a gray image. In the second phase, 64 new images are generated based on the gray image data using a diffusion model. In the third phase, two-dimensional information is extracted from the pixel values of the generated images using SVD, and the extracted two-dimensional information is resized to the original data size using the inverse transformation of UMAP. We used data collected from wearable devices for our evaluation. In the evaluation, we added the generated data to the training data and checked whether the accuracy of the model improves with respect to the evaluation data. The results confirmed that models supplemented with training data through the proposed method demonstrated improved accuracy compared to models using comparative methods. | |||||||||
| 書誌レコードID | ||||||||||
| 収録物識別子タイプ | NCID | |||||||||
| 収録物識別子 | AN10116224 | |||||||||
| 書誌情報 |
研究報告マルチメディア通信と分散処理（DPS） 巻 2024-DPS-199, 号 31, p. 1-7, 発行日 2024-05-08 |
|||||||||
| ISSN | ||||||||||
| 収録物識別子タイプ | ISSN | |||||||||
| 収録物識別子 | 2188-8906 | |||||||||
| 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 | |||||||||
