Lab.

※本ページは岡山大学大学院環境生命科学研究科の情報です。大阪大学大学院人間科学研究科行動統計科学研究分野の情報はこちらのページを参照してください。

研究室の概要

山本研究室では，データ解析で広く利用される多変量解析や機械学習などの統計的手法の数理的基礎理論の研究，応用研究，そして，それらの教育を行っています．クラスタリングや主成分分析に代表される情報圧縮手法や統計的因果推論など，統計科学に関連する話題を広く扱っています．応用領域としては医学，疫学，社会学，心理学などを主な対象とし，数値シミュレーションなども利用しながら，データ解析手法の開発やその性質の解明に取り組んでいます．さらに，統計手法を駆使したデータ解析による科学への貢献やソフト ウェアの開発も行っています．

メンバー（2023年度）

教員

  • 山本倫生 (YAMAMOTO Michio)
    • 研究テーマ: 多変量解析法，関数データ解析，欠測問題と因果推論，計量心理学，生物統計学，医学統計学
    • Webサイト: http://michioyamamoto.com

M2

  • 入江一月 (IRIE Kazuki)
    • 研究テーマ: ベイジアンネットワーク、空間データ
    • 卒論タイトル: ベイジアンネットワークにおける連続変数の離散化の影響の数値的検討
  • 塩飽大基 (SHIAKU Daiki)
    • 研究テーマ: 因果推論，因果効果の識別条件
    • 卒論タイトル: 因果推論における因果効果識別方法の比較検討

OB/OG

  • 長栞菜 (CHOU Kanna)
    • 在籍期間: 2020年4月-2023年3月
    • 修論タイトル: 単調性の仮定を置くことによる単純な因果効果の存在範囲の導出
    • 卒論タイトル: Targeted Maximum Likelihood Estimator (TMLE) を用いた平均処置効果の推定－アルゴリズムの選択による推定制度の影響評価－
  • 川崎輝 (KAWASAKI Hikaru)
    • 在籍期間: 2021年4月-2022年3月
    • 卒論タイトル: glmultiパッケージを用いた変数選択における閾値の決定方法について
  • 岸本和久 (KISHIMOTO Kazuhisa)
    • 在籍期間: 2018年4月-2021年3月
    • 修論タイトル: 2次の重み付き一般化推定方程式を用いたデータ融合手法の開発
    • 卒論タイトル: データ融合によるマルチソースデータの解析
  • 飯田智宏 (IIDA Tomohiro)
    • 在籍期間: 2020年4月-2021年3月
    • 卒論タイトル: 関数線形回帰におけるwavelet-based Lassoの最適パラメータ推定
  • 角南玖斗 (SUNAMI Hisato)
    • 在籍期間: 2020年4月-2021年3月
    • 卒論タイトル: 競合リスクを伴うデータに対する処置の分解を利用した因果効果の推定
  • 川植沙由理 (KAWAUE Sayuri)
    • 在籍期間: 2019年4月-2020年3月
    • 卒論タイトル: LiNGAMによる因果探索の頑健性の数値検討～未観測共通原因と分布の種類が与える影響の評価～
  • 佐々木将輝 (SASAKI Masaki)
    • 在籍期間: 2019年4月-2020年3月
    • 卒論タイトル: 共変量の欠測を考慮した生存時間予測のための因子分析モデルの開発
  • 越智梓 (OCHI Azusa)
    • 在籍期間: 2018年4月-2019年3月
    • 卒論タイトル: 部分集団間での治療効果の質的交互作用の推定に関する研究

研究業績

学術論文

  • Suzuki, E., Yamamoto, M., Yamamoto, E. “A general explanation of the counterfactual definition of confounding”, Journal of Clinical Epidemiology (in press). doi: 10.1016/j.jclinepi.2022.02.002. [paper]
  • Suzuki, E., Yamamoto, M., Yamamoto, E. “Exchangeability of measures of association before and after exposure status is flipped: its relationship with confounding in the counterfactual model”, Journal of Epidemiology (in press). doi: 10.2188/jea.JE20210352. [paper]
  • Akamatsu S. , Terada, N., Takata R., Kinoshita, H., Shimatani, K., Momozawa, Y., Yamamoto, M., Tada, H., Kawamorita, N., Narita, S., Kato, T., Nitta, M., Kandori, S., Koike, Y., Inazawa, J., Kimura, T., Kimura, H., Kojima, T., Terachi, T., Sugimoto, M., Habuchi, T., Arai, Y., Yamamoto, S., Matsuda, T., Obara, W., Kamoto, T., Inoue, T., Nakagawa, H., Ogawa, O. (2022). “Clinical utility of germline genetic testing in Japanese men undergoing prostate biopsy,” JNCI Cancer Spectrum, 6(1), doi: 10.1093/jncics/pkac001. [paper]
  • Zeng, Y., Shimizu, S., Cai, R., Xie, F., Yamamoto, M., and Hao, Z. (2021). “Causal discovery with multi-domain LiNGAM for latent factors,” Proceedings of the 30th International Joint Conference on Artificial Intelligence (IJCAI-21), Pages 2097-2103. [paper]
  • Ogawa, S., Shimidzu, H., Fukuda, K., Tsunekawa, N., Hirano, T., Sato, F., Yura, K., Hasunuma, T., Ochi, K., Yamamoto, M., Sakamoto, W., Hashimoto, K., Ogata, H., Kanao, T., Nemoto, M., Inagaki, K., Tamura, T. (2021). “Multiple Mutations in RNA Polymerase β-Subunit Gene (rpoB ) in Streptomyces incarnatus NRRL8089 Enhance Production of Antiviral Antibiotic Sinefungin: Modeling rif Cluster Region by Density Functional Theory”, Bioscience, Biotechnology, and Biochemsitry, accepted. [paper]
  • Oshima, T., Yoshikawa, T., Miyagi, Y., Morita, S., Yamamoto, M., Tanabe, K., Nishikawa, K., Ito, Y., Matsui, T., Kimura, Y., Yokose, T., Hiroshima, Y., Aoyama, T., Hayashi, T., Ogata, T., Cho, H., Rino, Y., Masuda, M., Tsuburaya, A., Sakamoto, J. (2020). “Biomarker analysis to predict the pathological response to neoadjuvant chemotherapy in locally advanced gastric cancer: An exploratory biomarker study of COMPASS, a randomized phase II trial”, Oncotarget, 11: 2906–2918. [paper]
  • Takahashi, H., Otsuki, J., Yamamoto, M., Saito, H., Hirata, R., Habara, T., Hayashi, N. (2019). “Clinical outcomes of MII oocytes with refractile bodies in patients undergoing ICSI and single frozen embryo transfer”, Reproductive Medicine and Biology, 00, 1–7. doi: 10.1002/rmb2.12305
  • Terada, Y., Yamamoto, M. (2019). “Kernel normalized cut: a theoretical revisit”, Proceedings of the 36th International Conference on Machine Learning (ICML 2019), PMLR 97: 6206–6214. [paper]
  • Kaido, T., Shinoda, M., Inomata, Y., Yagi, T., Akamatsu, N., Takada, Y., Ohdan, H., Shimamura, T., Ogura, Y., Eguchi, S., Eguchi, H., Ogata, S., Yoshizumi, T., Ikegami, T., Yamamoto, M., Morita, S., Uemoto, S. (2018). “Effect of herbal medicine Daikenchuto on oral and enteral caloric intake after liver transplantation: a multicenter, randomized controlled trial”, Nutrition, 54: 68–75. doi: 10.1016/j.nut.2018.02.022.
  • Nishi, H., Ishii, A., Nakahara, I., Matsumoto, S., Sadamasa, N., Kai, Y., Ishibashi, R., Yamamoto, M., Morita, S., Nagata, I. (2018). ”Different Learning Curves between Stent Retrieval and a Direct Aspiration First Pass Technique for Acute Ischemic Stroke”. Journal of Neurosurgery, 5:1-8, Jan 2018. doi: 10.3171/2017.6.JNS17872.
  • Hida, K., Okamura, R., Sakai, Y., Konishi, T., Akagi, T., Yamaguchi, T., Akiyoshi, T., Fukuda, M., Yamamoto, S., Yamamoto, M., Nishigori, T., Kawada, K., Hasegawa, S., Morita, S., Watanabe, M. (2018). “Open versus laparoscopic surgery for advanced low rectal cancer: a large multicenter propensity score matched cohort study in Japan”. Annals of Surgery, 268(2):318–324, Aug. 2018. doi: 10.1097/SLA.0000000000002329.

学会発表

2022
  1. 山本倫生．”統計的因果推論と交絡調整”．第57回人間科学セミナー，大阪大学人間科学部ラーニングコモンズ，2022年11月10日．
  2. 寺田吉壱，山本倫生．”代表点を用いた大規模クラスタリングの近似法とその性質”．科研費シンポジウム「大規模複雑データの理論と方法論～新たな発展と関連分野への応用～」，つくば国際会議場，2022年11月4日-5日．
  3. 瀬戸ひろえ，木虎秀二，山本倫生．”確率予測モデルの信頼性評価手法の提案”．2022年度日本分類学会シンポジウム，稚内市生涯学習総合支援センター，2022年10月29日-30日．
  4. 山本倫生．[invited], “Sufficient Dimension Reductionを用いた確率的介入に基づく因果効果の推定”．2022年度日本分類学会シンポジウム，稚内市生涯学習総合支援センター，2022年10月29日-30日．
  5. 寺田吉壱，山本倫生．”ベクトル量子化による大規模クラスタリングの近似法とその性質”．科研費シンポジウム「データサイエンスと周辺領域の双方向的理解への挑戦」，慶應義塾大学，2022年9月9日-10日．
  6. 山本倫生．”弱い共通サポート条件下での確率的介入に基づく因果効果の推定”．科研費シンポジウム「データサイエンスと周辺領域の双方向的理解への挑戦」，慶應義塾大学，2022年9月9日-10日．
  7. 山本倫生．”十分次元削減を用いた確率的介入に基づく因果効果の推定”．2022年度統計関連学会連合大会，成蹊大学，2022年9月4日-9月8日．
  8. 寺田吉壱，山本倫生．”ベクトル量子化による大規模クラスタリングの計算量削減法とその性質”．日本行動計量学会 第50回大会，沖縄県市町村自治会館，2022年8月28日-31日．
  9. 山本倫生．”確率的介入に基づく因果効果の十分次元削減を用いた推定方法の提案”．日本行動計量学会 第50回大会，沖縄県市町村自治会館，2022年8月28日-31日．
  10. 塩飽大基，坂本亘，山本倫生．”構造的因果モデルに基づく因果効果識別方法の検討-バックドア基準とフロントドア基準の量的評価-“．日本行動計量学会 第50回大会，沖縄県市町村自治会館，2022年8月28日-31日．
  11. Terada, Y., Yamamoto, M. [invited], “Fast Approximation for large-scale clustering,” The 11th Conference of the IASC-ARS, Doshisha University, Kyoto, Japan, February, 2022.
  12. Yamamoto, M. [invited], “Estimation of the causal effects of stochastic interventions based on sufficient dimension reduction,” The 11th Conference of the IASC-ARS, Doshisha University, Kyoto, Japan, February, 2022.
2021
  1. 山本倫生，寺田吉壱．”スパースな経時測定データにおけるクラスタ構造の推定”．日本行動計量学会 第49回大会，オンライン開催，2021年8月30日-9月2日．
  2. 岸本和久，山本倫生．”2次の重み付き一般化推定方程式を用いたデータ融合手法の提案”．日本行動計量学会 第49回大会，オンライン開催，2021年8月30日-9月2日．
  3. Zeng, Y., Shimizu, S., Cai, R., Xie, F., Yamamoto, M., Hao, Z. “Causal discovery with multi-domain LiNGAM for latent factors”.  Causal Analysis Workshop Series 2021 (CAWS2021), Virtual, 2021年7月16日.
  4. 山本倫生，寺田吉壱．”スパースな経時測定データに対する関数クラスタリング”．日本分類学会 第40回大会，聖路加国際大学，東京（ハイブリッド開催），2021年7月3日．
  5. 角南玖斗，”競合リスクを伴うデータに対する処置の分解を利用した因果効果の推定”，日本行動計量学会 岡山地域部会 第74回研究会，オンライン開催，2021年3月6日．
  6. 岸本和久，[優秀賞受賞], “2値データに対する一般化推定方程式を用いたデータ融合手法の開発”，日本行動計量学会 岡山地域部会 第74回研究会，オンライン開催，2021年3月6日．
  7. 鈴木越治，山本倫生，山本英二．”曝露と非曝露を入れ替えた場合に関連指標が変わるか否か―反事実モデルにおける交絡との関係”．第31回日本疫学会学術総会，佐賀（オンライン開催），2021年1月27–29日．
2020
  1. Yamamoto, M., Terada, Y. [invited], “K-means clustering for sparsely sampled longitudinal data”, 13th International Conference of the ERCIM WG on Computational and Methodological Statistics (CMStatistics 2020), Virtual Conference, 19-21 December, 2020.
  2. 山本倫生，寺田吉壱，”スパース経時測定データに対する関数クラスタリング”，第25回 情報・統計科学シンポジウム，オンライン開催，2020年12月4日．
  3. 岸本和久，山本倫生，”非単調欠測の下での一般化推定方程式によるデータ融合手法の開発”，日本分類学会第39回大会，同志社大学，2020年11月．
  4. 岸本和久，山本倫生，”2次の重み付き一般化推定方程式を用いたデータ融合手法の提案”，2020年度統計関連学会連合大会，オンライン開催，2020年9月．
  5. 岸本和久，”2次の重み付き一般化推定方程式を用いたデータ融合手法の提案”，日本計算機統計学会若手セミナー2020，オンライン開催，2020年9月．
  6. 寺田吉壱，山本倫生，”クラスタリングにおける汎用的な計算コスト削減法について”，2020年度統計関連学会連合大会，オンライン開催，2020年9月．
  7. 山本倫生，寺田吉壱，”スパースな経時測定データに対するK-means法”，2020年度統計関連学会連合大会，オンライン開催，2020年9月．
  8. 鈴木越治，三橋利晴，山本倫生，高尾総司，頼藤貴志，山本英二，”AI、データサイエンス、因果推論：産業保健への展望”，第93回日本産業衛生学会，旭川市民文化会館・アートホテル旭川，北海道，2020年5月13–16日．
2019
  1. 山本倫生，”関数データ解析によるスパース経時測定データの解析”，第5回岡山大学AI研究会，岡山大学，2019年11月．
  2. 山本倫生，寺田吉壱，”多変量関数データに対する正準相関分析の定式化と解の存在性について”，滋賀大学，2019年9月．
  3. 寺田吉壱，山本倫生，”関数データに対する部分空間クラスタリング”，2019年度統計関連学会連合大会，滋賀大学，2019年9月．
  4. 山本倫生，寺田吉壱，谷岡健資，”クラスタリング法のcheat sheat”，日本行動計量学会第47回大会，大阪大学，2019年9月．
  5. 寺田吉壱，山本倫生，”クラスタリング法の落とし穴”，日本行動計量学会第47回大会，大阪大学，2019年9月．
  6. Yamamoto, M., Terada, Y. [invited], “Functional canonical correlation analysis for multivariate stochastic processes”, The 3rd International Conference on Econometrics and Statistics (EcoSta 2019), the National Chung Hsing University (NCHU), Taichung, Taiwan, 25-27, June, 2019.
  7. Terada, Y., Yamamoto, M. [invited], “Regularized subspace clustering for functional data”, The 3rd International Conference on Econometrics and Statistics (EcoSta 2019), the National Chung Hsing University (NCHU), Taichung, Taiwan, 25-27, June, 2019.
  8. 山本倫生，”距離学習を用いた十分次元削減マッチングによる因果効果の推定”，第169回Kyoto Biostatistics Seminar (KBS)，京都大学医学部・大学院医学研究科G棟，京都大学，2019年6月．
  9. Terada, Y., Yamamoto, M. “Kernel normalized cut: a theoretical revisit”, The 36th International Conference on Machine Learning (ICML 2019), Long Beach Convention Center, California, U.S., June, 2019.
  10. 岸本和久，”マルチソースデータに対するデータ融合手法の比較”，日本行動計量学会 岡山地域部会 第71回研究会，岡山理科大学，2019年3月．
  11. 越智梓，”質的交互作用における外れ値に対して頑健な推定方法の開発”，日本行動計量学会 岡山地域部会 第71回研究会，岡山理科大学，2019年3月．
  12. 山本倫生，”Sufficient Dimension Reductionを用いた因果効果の推定”，「複雑データ解析法に関する研究会」，統計数理研究所，2019年2月．
2018
  1. 山本倫生，”因果効果の推定における十分次元削減の有効性の検討”，第161回Kyoto Biostatistics Seminar (KBS)，京都大学医学部・大学院医学研究科G棟，京都大学，2018年10月．
  2. Yamamoto, M. [invited], “A component-based approach for the clustering of multivariate categorical data”, The 2nd International Conference on Econometrics and Statistics (EcoSta 2018), The City University of Hong Kong, Hong Kong, June, 2018.
  3. Terada, Y., Yamamoto, M. [invited], “Subspace clustering for functional data”, The 2nd International Conference on Econometrics and Statistics (EcoSta 2018), The City University of Hong Kong, Hong Kong, June, 2018.
  4. 山本倫生，”多変量カテゴリカルデータに対するクラスター構造の推定とその可視化について”，「複雑多変量データの解析法に関する研究」研究会，統計数理研究所，2018年2月．
Translate this web page »