2021 Fiscal Year Annual Research Report
深層学習は関連タスクを学べるか：関連タスク学習能力の獲得とバイオ画像への応用
| Project/Area Number |
21J21810
|
|---|
| Allocation Type | Single-year Grants |
|---|
| Research Institution | Kyushu University |
|---|
Principal Investigator |
西村 和也 九州大学, システム情報科学府, 特別研究員(DC1)
|
|---|
| Project Period (FY) |
2021-04-28 – 2024-03-31
|
| Keywords | Weakly supervised / Bioimage analysis / Machine learning / Image recognition |
|---|
| Outline of Annual Research Achievements |
本研究員は当該年度，バイオ分野に存在する簡易に取得可能な弱ラベルを用いた画像認識を目標に研究に従事した．弱ラベルを深層学習モデルでそのまま学習するだけでは，画像認識タスクの実現は難しい．そこで，深層学習モデルに関連タスクを学習させることにより，学習していない画像認識タスクを実現することを目標にしている．
当該年度においては，主に時系列ラベルを用いた手法の検討，二種類の弱ラベルを用いた画像認識に取組んだ．その結果，トップ国際ジャーナルMedical Image Analysis （IF:8.545），トップ国際会議論文MICCAI2021（Google Scholorにて医療画像解析分野会議1位、採択率：32％）においていずれも主著で採択され，画像認識分野の国内最大の会議であるMIRUで学生奨励賞を受賞している．また，共著者として，MICCAI2本，WACV1本に論文が採択されている．具体的な研究内容は以下の通りである．
(1)時系列ラベルを用いた細胞検出手法の検討：タイムラプス画像から細胞検出するという課題に対し，タイムラプスの時間的連続性を有効活用した検出手法の開発に取り組んだ．「タイムラプスを短い間隔で撮影すれば，細胞位置の移動量は少ない」というアイデアのもと，トラッキングを導入することで，時間的に時間少ない学習データで細胞検出を実現した（Nishimura et al., MICCAI 2021）．
(2)二種類の弱ラベルを用いた画像認識：簡易に取得可能なラベルとして，細胞種のラベル，細胞位置のラベルを用いた細胞セグメンテーション手法に取り組んだ．二種類のラベルを直接使用すると細胞間の境界の情報は取得できない．そこで，細胞間の境界を自動で作成する方法を考案し高精度なセグメンテーションを実現した （Nishimura et al., MICCAI 2022 投稿中）．
|
| Current Status of Research Progress |
Current Status of Research Progress
1: Research has progressed more than it was originally planned.
Reason
当初の想定であった二つの簡易ラベルを利用した画像認識に加え，時系列ラベルの利用にも成功したため上記の区分とした．下記の2つの研究を進め，その成果がトップ国際ジャーナルMedical Image Analysis （IF:8.545），トップ国際会議論文MICCAI2021（Google Scholorにて医療画像解析分野会議1位、採択率：32％）においていずれも主著で採択された．さらに，画像認識分野の国内最大の会議であるMIRUで学生奨励賞を受賞した．また，共著者として，MICCAI2本，WACV1本に論文が採択された．具体的な成果は以下の通りである．
(2) 時系列ラベルを用いた細胞検出手法の検討：タイムラプス画像から細胞検出するという課題に対し，タイムラプスの時間的連続性を有効活用した検出手法の開発に取り組んだ．「タイムラプスを短い間隔で撮影すれば，細胞位置の移動量は少ない」というアイデアのもと，トラッキングを導入することで，時間的に時間少ない学習データで細胞検出を実現した（Nishimura et al., MICCAI 2021）．
(3) 二種類の弱ラベルを用いた画像認識：簡易に取得可能なラベルとして，細胞種のラベル，細胞位置のラベルを用いた細胞セグメンテーション手法に取り組んだ．二種類のラベルを直接使用すると細胞間の境界の情報は取得できない．そこで，細胞間の境界を自動で作成する方法を考案し高精度なセグメンテーションを実現した （Nishimura et al., MICCAI 2022 投稿中）．
|
| Strategy for Future Research Activity |
昨年度の研究において，当初の想定であった二つの弱ラベルを用いた画像認識に加え，撮影順序ラベルの活用に成功した．この研究において，以下の二つの気づきを得た．
1. 細胞分裂により画像中の細胞の個数は単調増加するため，時系列ラベルは画像認識の難易度を示すラベルとしても活用可能である．
2. 画像の撮影順序は画像認識の一貫性を示し，複数の弱ラベルと合わせて使用することにより大幅な認識性能の向上に寄与する可能性がある．
以上の気づきを基に本年度は，当初想定していた複数ラベルを用いた画像認識に加え以下の二つの研究課題に着手予定である．
1. 時系列ラベルを難易度ラベルとしたcurriculum labelとした画像認識：細胞は分裂により画像あたりの細胞数が単調増加するため，培養初期に撮影された画像は認識難易度が低く，培養後期に撮影された画像は認識難度が高い．そこで，近年注目されている簡単なsampleから学習を開始し，徐々に難しいsampleを学習するcurriculum learningを基に，難易度のラベルを活用した画像認識に取組む．
2. 時系列ラベルを含む複数の弱ラベルに基づいた画像認識：時系列は推定結果の一貫性を付与可能なラベルであり，弱ラベルによって得た手がかりが正しいかどうかを判定に活用するとともに，一貫した推定結果を出力するように制約を与えることにより弱ラベルの効果をより高めることができるのではないかと考えた．そこで，時系列ラベルとその他の弱ラベルを活用した画像認識に挑戦する．また，昨年度の研究において着手した研究課題を整理し手法の拡張を行うことで，国際論文誌への投稿も目指す．
|
