2016 Fiscal Year Annual Research Report
深層学習を用いたマウス胚核同定画像解析アルゴリズムの開発
| Project/Area Number |
16H04731
|
|---|
| Research Institution | Keio University |
|---|
Principal Investigator |
舟橋 啓 慶應義塾大学, 理工学部(矢上), 准教授 (70324548)
|
|---|
| Project Period (FY) |
2016-04-01 – 2020-03-31
|
| Keywords | 画像解析 / 機械学習 / 深層学習 / 発生・分化 |
|---|
| Outline of Annual Research Achievements |
平成28年度は、山縣研究室から提供いただいたマウス胚4次元蛍光顕微鏡画像の特徴の分析、既存の画像処理アルゴリズムによる核同定結果の検証を行った。マウス胚に関する蛍光顕微鏡画像は既に申請者の研究室において開発された画像解析アルゴリズム(機械学習なし)を施すことで一定の分析は完了している。今年度は当該画像解析アルゴリズムの開発を更に進め、二値化アルゴリズムの改良、厚みの異なる胚への対応など、より汎用性を持つ画像解析アルゴリズムに拡張した。また、深層学習による核同定の優位性を示すためにはマウス胚だけでなく他の生物種に対しても適用し、検証を行う必要があるため、線虫胚の発生過程を共晶点顕微鏡下で観察し、4次元蛍光顕微鏡画像を取得した。線虫胚においても微小管と核を蛍光タンパク質で標識することで イメージングを行った。
また、平成28年度は上記ライブセルイメージングと並行して最適な特徴量を自動で学習する深層学習を用いて、4次元蛍光顕微鏡画像より核同定を行う画像解析アルゴリズムの検討を行った。画像処理の分野においては畳み込みニューラルネットワーク(Convolutional Neural Network: CNN)が高い精度を示すことが知られており、当該年度においても簡単な分類問題(細胞の生死判別)に対してCNNによる学習器による分類精度の検証を行った。SVM(Support Vector Machine), DNN(Deep Neural Network)等の異なる学習器での分類精度と比較した結果、CNNは安定して高い精度を示すことが確認された。この結果より、次年度以降の実装方針が決定した。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
当初の今年度の予定ではマウス胚、線虫胚のイメージング及びニューラルネットワークの構造と特徴抽出についての詳細な検討、既存の画像処理アルゴリズムで採用している特徴との比較、と言ったデータの拡充とアルゴリズムの調査を主眼としていた。実際には調査のみにとどまらず、種々の機械学習アルゴリズムの実装、及びその分類精度の比較まで進めることが出来た。今年度の成果は次年度以降の開発方針を決定する上で重要な情報であり、十分な成果を得られたと考えられる。
|
| Strategy for Future Research Activity |
今後は畳み込みニューラルネットワークを用いた核同定アルゴリズムの開発に注力する。既に機械学習を用いた細胞分類アルゴリズムの実装は完了しているため、細胞毎の判別問題として実装されているアルゴリズムを画素毎に核領域か否かの判別問題に置き換えることで核同定アルゴリズムに拡張することを計画している。
|
