2021 Fiscal Year Annual Research Report
Development of a cell tracking algorithm using deep learning
| Project/Area Number |
20H03244
|
|---|
| 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) |
2020-04-01 – 2023-03-31
|
| Keywords | 画像解析 / 深層学習 / 機械学習 / 細胞系譜 / 細胞追跡 |
|---|
| Outline of Annual Research Achievements |
令和3年度は連続する2つの時刻間の細胞の対応関係1つずつに対してコストの算出を行う学習モデル(1対1モデル)を構築した。研究協力者である近畿大学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を入力とし、畳み込みニューラルネットワーク(CNN)を用いて物体の特徴を抽出することでマウス胚(核)の形態的特徴を活用したトラッキングアルゴリズムの開発を行った。細胞核の形状取得には既に当研究室にて実装が完了している深層学習を用いた細胞同定アルゴリズムであるQCANetを用い、研究協力者である東京大学小林徹也博士に提供いただいた整数計画法によるトラッキングアルゴリズムを基盤に深層学習による拡張を行った。提供いただいた整数計画法によるトラッキングアルゴリズムはトラッキングのコストを最小化する最適化問題を解くアルゴリズムとして構成され、コストは時系列画像のフレーム間毎の各細胞同士の重心間距離が採用されている。当該年度は上記アルゴリズムを拡張し、細胞核の形状から特徴を抽出し連続する2つの時刻間の細胞の対応関係1つずつに対してコストの算出を行う学習モデル(1対1モデル)を構築した。1対1モデルは先行研究と比較して高精度なコストを推論することに成功している一方、全細胞の対応関係のコストを求める必要があるため実行時間が膨大になるという問題点が残っている。
学術論文はまだ出ていないが、招待講演3回、ポスター発表1報にて本研究の進捗を報告した。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
今年度はマウス胚4次元蛍光顕微鏡画像から細胞同定を行い、細胞追跡を行うアルゴリズムの構築を主な計画としており、既に細胞核の同定は完了している。整数計画法によるトラッキングアルゴリズムはトラッキングのコストを最小化する最適化問題を解くアルゴリズムとして構成されており、今年度は上記時系列画像からコストを求める学習器の構築を行った。現在、連続する2つの時刻間の細胞の対応関係1つずつに対してコストの算出を行う学習モデル(1対1モデル)は高精度なコストを推論することに成功している。全細胞の対応関係のコストを求める必要があるため実行時間が膨大になるという問題点が残っているが、既にその対応策の実装方針が提案されており、十分な成果を得られたと考えられる。
|
| Strategy for Future Research Activity |
令和4年度では、1対1モデルの実行時間が膨大になるという問題点を解決することを目的として、連続する2つの時刻間の細胞の全対応関係に対するコストを算出する学習モデルの構築を行う。構築するモデルの入力には時刻 t と t+1 の細胞核蛍光顕微鏡画像とすべての細胞領域が区画化されたセグメンテーション画像と距離画像を与え、出力として細胞同士の全対応関係に対するコストを記述したコスト行列を得る。モデルの学習および評価は着床可能な時期の直前である40細胞期までのマウス胚、および線虫胚時系列3次元細胞核蛍光顕微鏡画像により行い、トラッキング精度評価には真の対応関係の総数に対する正解と一致した対応関係数の比である association accuracy を使用する。
|
