2018 Fiscal Year Annual Research Report
生成器の改良による細胞画像のセグメンテーション
Publicly Offered Research
| Project Area | Resonance Biology for Innovative Bioimaging |
|---|
| Project/Area Number |
18H04746
|
|---|
| Research Institution | Meijo University |
|---|
Principal Investigator |
堀田 一弘 名城大学, 理工学部, 教授 (40345426)
|
|---|
| Project Period (FY) |
2018-04-01 – 2020-03-31
|
| Keywords | ディープラーニング / 細胞画像 / セグメンテーション / 生成器 |
|---|
| Outline of Annual Research Achievements |
最近では、細胞画像に対してもディープラーニングを用いるのが標準になってきている。ディープラーニングの中でもConvolutional Neural Network(CNN)の有効性が示されている。最近では、CNNに基づく生成器と識別器を用意し、互いに競い合わせながら良い生成器を作成する研究も盛んである。この方法はGenerative Adversarial Networkと呼ばれ、入力を画像にすると様々な画像変換を学習することができる。つまり、入力を細胞の顕微鏡画像、出力をセグメンテーション結果の画像とすると、細胞画像のセグメンテーションにも利用できる。
ここではこの方法によるセグメンテーション精度を向上させる研究を行った。生成器がセグメンテーション結果を出力し、その結果の良さを識別器が判定する。この作業を繰り返しながら生成器の精度を向上させるのだが、識別器は生成器により作成されたセグメンテーション結果のどこが良くないのかを知っているはずである。そこで、識別器の中の情報を生成器にリークすることにより、生成器のセグメンテーションを向上させる方法を提案した。細胞画像を用いた実験により、提案手法の有効性を確認した。
また、ベースとなる方法は同じであるが、異なるアプローチにより精度を改善する研究も行った。従来は生成器と識別器は１つづつであるが、複数の識別器を用いる方法を考案した。また、複数の生成器と複数の識別器を用いるアプローチも提案した。細胞画像を用いた実験により、従来よりも精度が向上することを確認した。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
概要の所にも書いたが、いくつかのアプローチにより精度を向上させることができており、おおむね順調に進展していると言える。
|
| Strategy for Future Research Activity |
今年は様々な細胞画像に対して精度を検証していく予定である。また、更なる精度の改善を目指す。
|
