曖昧な低線量放射線影響の評価に向けた機械学習によるビジュアライズ手法の提案

Approach of machine-learning-based visualization for the evaluation of fuzzy effects of low-dose radiation

神崎 訓枝   ; 迫田 晃弘   ; 片岡 隆浩*; 山岡 聖典*

Kanzaki, Norie; Sakoda, Akihiro; Kataoka, Takahiro*; Yamaoka, Kiyonori*

低線量放射線の曖昧な生体影響評価は、基本的な統計手法や機械学習を用いても容易ではない。本研究では、このような影響の評価手法の確立を目的とし、機械学習の一種である自己組織化マップの改良を行った。具体的には、(1)似通ったトポロジーを持つクラス毎に、自己組織化マップによって、入力データを学習させた参照ベクトルを作成する。(2)得られた参照ベクトルすべてを自己組織化マップによって再解析する。この手順で、ベンチマークと低線量放射線に関するデータセットを解析したところ、複雑なトポロジーやデータ分布にも対応できることがわかった。

It is not easy to evaluate fuzzy effects of low-dose radiation by basic statistical analysis or basic machine learning. In the present study, the modification of self-organizing maps, which is a kind of machine learning, was made for the evaluation of such effects: namely many reference vectors which learned input dataset by self-organizing maps were reanalyzed with the same technique. Based on this procedure, we analyzed a dataset about low-dose radiation as well as a benchmark dataset, suggesting that the modified self-organizing maps can work even for input data with complex topology and data distribution.