Publicly Offered Research
Grant-in-Aid for Scientific Research on Innovative Areas (Research in a proposed research area)
植物学の分野でもディープラーニングが利用されるようになってきたが、細長い細胞膜のようなクラスの精度は低い。実はこれは画像認識の分野でも未解決の問題である。また、多数の教師付き画像を用意するのは植物学者にとって大変であるため、少ない教師付き画像から学習する研究も行う。また、人間は動画像中の時空間にまたがる高次の相関関係などを理解できないため、重要な情報を簡単に見落としてしまう可能性がある。そこで、動画像から自動的に時空間の周期性や変調の違いを発見できれば、植物学的発見の可能性もある。このように植物学の分野で有効かつ画像認識の分野でも新しい手法を提案するのが申請研究の目的である。
まず、ゼニゴケ精子の動画像からwild typeとmutantを識別し、判断根拠の可視化から要因解析を行った。ディープラーニングはゼニゴケの本体そのものや鞭毛の辺りが重要視しながら識別しているとの結果が得られた。また、細胞画像のセグメンテーションを行う方法としてEncoder-Decoder型のConvolutional Neural Networkが利用されるが、画像の解像度を下げていく過程で面積の小さい対象物の情報が少なくなり、結果として小さい物体や細長い物体のセグメンテーション精度が低下してしまう。そこで、多様な解像度の特徴マップを保持できるHigh-Resolution Networkを基に、対象物によって解像度を適応的に選択する方法を提案した。これにより、小さい物体や細長い物体のセグメンテーション精度を改善することができた。一般に、ディープラーニングの学習はどんなロス関数を使うかによって左右され、医用画像や細胞画像などではDiceロスが利用される。従来のDiceロスを改良するために式展開を行い、Adaptive t-vMF Diceロスを新たに提案した。これによりセグメンテーションの精度を改善することができた。また、判断根拠の可視化の研究も行った。まずは２つのネットワークの差を利用する方法を提案し、従来法に比べて定量的に良いことを示した。さらに、Vision Transformerの可視化についても研究を行い、定量評価により従来法を上回ることを確認した。
令和5年度が最終年度であるため、記入しない。
All 2024 2023 2022
All Journal Article (2 results) (of which Peer Reviewed: 2 results, Open Access: 2 results) Presentation (21 results) (of which Int'l Joint Research: 7 results)
Computers in Biology and Medicine
Volume: 168 Pages: 107695-107695
10.1016/j.compbiomed.2023.107695
Plant And Cell Physiology
Volume: 64 Issue: 11 Pages: 1331-1342
10.1093/pcp/pcad118
