スパース・ハイパーグラフネットワークによる画像認識および検索と調剤過誤防止応用

点击翻译按钮获取中文摘要

前年度に引き続き、グラフ構造そのものを一般化したハイパーグラフニューラルネットワーク（ＨＧＮＮ）を対象として、スパースグラフ表現によるＨＧＮＮ（ＳＨＧＮＮ）を検討している。これは、グラフ表現へ変換する際にハイパーエッジに基づくグラフ分割を行い、サブグラフのスパース構造化そして全体をスパース最適化することで、ＳＨＧＮＮの構築を図ったものである。今年度は、このモデルをさらに改善するため、マルコフ確率場(ＭＲＦ)を導入したＭＲＦハイパーグラフＴｒａｎｓｆｏｒｍｅｒを構築した。条件としては、ノードやハイパーエッジ間でマルコフ性を導入し、すべてのハイパーエッジをクリークとして扱い、異なるハイパーエッジ間のノードはガウス分布に従うものとし、最適なハイパーグラフ構造に再構築する方法を検討した。視覚的質問応答応用としてデータセットＶＱＡーｖ２に対してＭＲＦハイパーグラフＴｒａｎｓｆｏｒｍｅｒを適用した結果、ハイパーグラフに基づく従来手法を越える適合性能を得ることができた。次に、ＳＨＧＮＮの応用として人物の行動認識を取り上げ、人物スケルトンに対して、スパース・ハイパーグラフの構築を行った。各関節部位をノードに割り当て、スパース表現によりどの連結が重要かを抽出し、人物スケルトンのハイパーグラフをスパース化するものである。公開されている行動認識データセットNTU-RGB+D等を用いた評価実験を行い、従来手法のＨｙｐｅｒ－ＧＮＮやＤＨＧＣＮなどに比べて高い識別性能を達成した。さらに、これまで緊急の社会問題となっている薬学リスクマネジメントにおける調剤過誤防止に引き続き取り組んでいる。すなわち事故に繋がらないヒアリハットの2009年分から蓄積した約30万件の事例データセットを構築し、ヒアリハット検索を行うための用法用量などの情報抽出を継続して行っている。