| 研究課題/領域番号 |
18K19842
|
|---|
| 研究種目 |
挑戦的研究(萌芽)
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
中区分62:応用情報学およびその関連分野
|
|---|
| 研究機関 | 大阪大学 |
|---|
研究代表者 |
瀬尾 茂人 大阪大学, 情報科学研究科, 准教授 (30432462)
|
|---|
| 研究分担者 |
間下 以大 大阪大学, サイバーメディアセンター, 准教授 (00467606)
|
|---|
| 研究期間 (年度) |
2018-06-29 – 2021-03-31
|
| 研究課題ステータス |
完了 (2020年度)
|
| 配分額 *注記 |
6,240千円 (直接経費: 4,800千円、間接経費: 1,440千円)
2019年度: 2,600千円 (直接経費: 2,000千円、間接経費: 600千円)
2018年度: 3,640千円 (直接経費: 2,800千円、間接経費: 840千円)
|
|---|
| キーワード | バイオイメージインフォマティクス / 強化学習 / 深層学習 |
|---|
| 研究成果の概要 |
近年の顕微鏡技術の発展により、多種多様かつ大量の細胞動画像が日々産出されている。バイオイメージングの方法と目的は多岐にわたるが、細胞を撮影した動画像を解析するという場合には、細胞の認識と時空間的な追跡が、画像から情報を抽出するための普遍的なタスクとなる。従来これらは人力による追跡、もしくは各論的に開発されたアルゴリズムによって対応されてきた。
本研究では近年長足の進歩を遂げている深層学習と強化学習による方法を用いて、正解から動画像をシミュレーションで生成し、そのデータを用いて細胞の追跡というタスクを学習する方法を開発した。
|
| 研究成果の学術的意義や社会的意義 |
細胞の移動軌跡のシミュレーションと敵対的生成ネットワーク(GAN) を用いて、少数の正解付き訓練データから類似した疑似データを自動生成する方法の開発を行った。本研究では細胞動画像を対象とした研究を行ったが，シミュレーションとGANによる仮想動画の生成と、それを介した強化学習によって必要なタスクを獲得することができれば、様々な分野での応用が期待できる。
|
