2018 Fiscal Year Annual Research Report
Universal image processing framework based on machine-learning for bioimage-informatics
| Project/Area Number |
17K19402
|
|---|
| Research Institution | Kyushu University |
|---|
Principal Investigator |
内田 誠一 九州大学, システム情報科学研究院, 教授 (70315125)
|
|---|
| Project Period (FY) |
2017-06-30 – 2019-03-31
|
| Keywords | バイオイメージ・インフォマティクス / 機械学習 / 画像情報学 |
|---|
| Outline of Annual Research Achievements |
生物学では，顕微鏡等によるイメージング結果に対し，目視での主観的判断ではなく，画像解析による客観的定量化が必須になってきている．しかし，生物学者が主体的・自主的に画像解析を実施するのは容易でない．これに対し本研究では「バイオ画像情報処理メタモデル」と呼ぶソフトウエアの構築を目的とした．同モデルは，解析目的を達成するために必要な画像処理技術とそれらの組合せ方に関する知識の集合体である．
H30年度も，H29年度に引き続き，10件程度のバイオイメージ・インフォマティク協働研究を進めながら画像解析ニーズとそこで利用される画像処理のノウハウを蓄積すると共に，メ
タモデル構成の第一ステップとして，バイオ画像情報処理メタモデルの基本ネットワークを実現した．このネットワークの各ノードは，二値化やエッジ抽出のような，単機能画像処理モジュールである．具体的には，各モジュールはいわゆるConv-Deconv型のディープニューラルネットワークであり，原画像を入力信号とし，期待する処理後の画像を教師信号として与えることで，その画像処理を模倣するように学習される．H30年度は，このモジュールとなるべくニューラルネットワークを複数構築し，特に領域抽出，形状変換，超解像度，対象拡大という，比較的複雑な処理を必要とする画像処理についても，モジュール化が可能であることを確認した（いずれも論文もしくは学会発表で公表済み）．さらに，これらそれぞれを事前学習しておき，バイオ画像処理等の実際の応用においては，それらモジュールを連結して追加学習すれば，比較的少量の追加学習用サンプルでも，高性能が発揮できることを確認した（画像処理データセットにおいて，世界トップレベルを達成）．本研究ではこれを「Modular U-net」と呼び，現在国際会議論文投稿中である．
|
Research Products
(8 results)
-
[Journal Article] Scribbles for Metric Learning2019
Author(s)
Daisuke Harada, Ryoma Bise, Hiroki Tokunaga, Wataru Ohyama, Sanae Oka, Toshihiko Fujimori, Seiichi Uchida
-
Journal Title
the 41st Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC'19)
Volume: -
Pages: 印刷中
Peer Reviewed
-
-
-
-
-
-
-
