生成系深層学習を用いた精神疾患脳画像の次元的アプローチ

点击翻译按钮获取中文摘要

現行の精神疾患のカテゴリーは、生物学的異質性があり、一貫した生物学的基盤を見出すのは困難であることが指摘されている。このような課題に対して、精神疾患を疾患横断的で、健常から異常までの連続的なスペクトラムと捉える次元的アプローチが注目されている。次元的なアプローチの実現には、大規模なデータセットから特徴量を抽出する技術が必要と考えられる。深層学習技術は、カテゴリーを教示することなく入力データから特徴量を自己組織的に抽出することが可能なため、次元的なアプローチに有効と考えられる。本研究では、大規模な精神疾患脳画像データセットを用いて、生成系深層学習モデルを開発し、疾患横断的で連続的な特徴空間の分布を抽出することを目的とする。令和4年度は、脳画像から深層学習を用いてデータの分布を学習するモデルを構築に取り組んだ。本研究では、変分オートエンコーダーという確率分布を潜在変数に導入した手法を使用し、3次元脳画像に適応したネットワークを設計した。また、モデル比較のために、他の生成系深層学習モデルである敵対的生成ネットワークについても脳画像に合わせてネットワークを設計した。この2つのネットワークについて、脳画像の生成実験を繰り返した。まず今年度は、予備実験として、健常者と統合失調症のデータだけを用いて小規模な実験を行った。脳画像の生成に関してはある程度可能ということがわかり、ネットワークの潜在変数の分析を今後は進めていくこととなる。