2017 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29年度は山縣研究室から提供いただいたマウス胚3次元蛍光顕微鏡画像から核のみをセグメンテーションするアルゴリズムの実装を行った。前年度の実装結果を反映し、セグメンテーションアルゴリズムには多層のニューラルネットワークから構成される深層学習を用いた。学習に用いるデータセット作成においては、マウス胚4次元蛍光顕微鏡画像から4細胞期のある 1 time point のみを切り出し、それに伴う正解データ(セグメンテーション画像)を手動で作成した。また、取得された3次元蛍光顕微鏡画像はZ軸方向の解像度がXY軸方向の解像度と比較して粗いため、蛍光顕微鏡画像を単純に3次元再構成を行った際には実際の胚と異なる形状となってしまう問題があった。そこでXY軸、Z軸の解像度を合わせるために顕微鏡画像および正解データに対してZ軸方向の補間を行った。学習器の実装においては、深層学習アルゴリズムとして Convolutional Neural Network をベースに3次元セグメンテーションアルゴリズムを実装した。 実装した3次元セグメンテーションアルゴリズムのセグメンテーション精度を評価するため、異なる time point における細胞期(4, 7, 8, 9, 13, 14)の画像を用いて検証を行った。評価に用いた画像は学習データに含まれていないため、同アルゴリズムが汎化性の高い学習が行われているか(一般的な核の形状的特徴を学習できているか)を確認することが出来る。当該年度に実装したアルゴリズムは4細胞期のデータのみ学習させた学習器にもかかわらず、異なる細胞器を含めたセグメンテーションにて平均精度 98.74% (voxel accuracy) を達成した。
|
Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
今年度は深層学習を用いた核同定アルゴリズムの開発を行った。核同定の精度は voxel accuracy にて 98.74% を達成し、当初の想定以上の成果を達成できた。一方、発生が進み核が密集しているような状態(50細胞期等)では個々の voxel が核か否かを判別することには成功しているが、同定された隣り合う核が融合してしまい、個々の核を判別することが困難であることが明らかとなった。次年度の計画として、密集した核の分離が可能となるようなアルゴリズムを開発する必要がある。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 |
今後は実装した学習器の精度向上を目指し、異なる細胞期画像の学習や、ハイパーパラメータのチューニングを行う。また、セグメンテーション評価を voxel-wise で行っていることから、一般的にセグメンテーション評価に用いられているrand error や warping error による評価を行うことを計画している。 また、核同定アルゴリズム自体の改良として、50細胞期など核が密集した状態でも正確に個々の核を同定可能となるアルゴリズムの開発を行うことを計画している。
|