生命科学分野におけるモデル生物の自動飼育・監視・分析システムの実現

2022 Fiscal Year Research-status Report

• Project/Area Number: 22K11997
• Research Institution: Tokyo University of Science, Yamaguchi
• Principal Investigator: 山本 眞也 山陽小野田市立山口東京理科大学, 工学部, 講師 (10552375)
• Co-Investigator(Kenkyū-buntansha): 嶋本 顕 山陽小野田市立山口東京理科大学, 薬学部, 教授 (70432713) ; 告 恭史郎 山陽小野田市立山口東京理科大学, 薬学部, 助教 (40825121)
• Project Period (FY): 2022-04-01 – 2025-03-31
• Keywords: 行動推定 / ロギングシステム / 自動飼育

Outline of Annual Research Achievements

令和4年度の課題として，(A)画像解析によるゼブラフィッシュの活動のさらなる高精度なロギング，(B)機械学習によるゼブラフィッシュの状態判別と経過予測手法についての研究を行った．
(A)については，棲息深度をリアルタイムに計測する手法についての研究を主に行った．特に，研究用飼育で用いる集合水槽装置の構造上，カメラなどの機器を側面に設置することは難しいため，上方に設置したカメラから取得したシルエット画像の画素面積と特徴点間の距離を用いて深度を推定する手法を実装した．結果として，平常時は比較的高い精度で棲息深度を推定可能となったが，水面の波紋や反射に大きく影響を受けるため，色空間をRGBからHSVに変更するなどの改良が必要であると考えている．
また，(B)については，予備段階として，姿勢推定および行動推定の実装を行った．動体検出によって得られたログデータを用いて，頭部・重心・腹部・尾部とそれらからなる角度の座標・角度，前回データとの差分による移動ベクトル，棲息深度を特徴量として用意し，姿勢推定では，深度に関する分類である水平・上昇・下降，行動の分類である直進・左折・右折の3x3パタンの姿勢分類を行った．また，時系列データに有意な機械学習 LSTM を用いて，不安行動，競争行動，死亡，その他 の4パタンの行動分類を行った．現時点での行動推定の分類精度は68～79%前後であり高いとは言えない．また，分類数が少ないことや推定に時間がかかるのも問題であり，さらなる改善が必要と思われる．

Current Status of Research Progress

3: Progress in research has been slightly delayed.

Reason

令和4年度の課題として設定した(A)画像解析によるゼブラフィッシュの活動のさらなる高精度なロギング，(B)機械学習によるゼブラフィッシュの状態判別と経過予測手法についての研究は比較的順調であったものの，外部発表までには至らなかったため，やや遅延が認められる．

Strategy for Future Research Activity

令和5年度の計画は，(B)機械学習によるゼブラフィッシュの状態判別と経過予測手法の考案と実装の続きとして，深度推定手法の改良や姿勢分類や行動分類の見直しを行い，より精度の高い分類が可能となるよう研究をすすめる．また，行動分類に用いたLSTMに変わるより高速に動作する機械学習アルゴリズムを導入し比較検討を行う．また，行動推定結果を用いた行動予測や異常検知の手法について試作を行う．
さらに，(C)リアルタイムロギング機構の実装を行うため，これまでの研究成果であるそれぞれの機構をネットワーク接続し，リアルタイムに連携動作するシステムを構築する．

Causes of Carryover

令和4年度は，対外発表が難しい状況にあったため次年度へ繰り越しとなった．