| 研究課題/領域番号 |
24K20885
|
|---|
| 研究種目 |
若手研究
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
小区分62010:生命、健康および医療情報学関連
|
|---|
| 研究機関 | 弘前大学 |
|---|
研究代表者 |
藤本 健二 弘前大学, 医学研究科, 特任助教 (40982442)
|
|---|
| 研究期間 (年度) |
2024-04-01 – 2027-03-31
|
| 研究課題ステータス |
交付 (2024年度)
|
| 配分額 *注記 |
4,810千円 (直接経費: 3,700千円、間接経費: 1,110千円)
2026年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2025年度: 650千円 (直接経費: 500千円、間接経費: 150千円)
2024年度: 3,120千円 (直接経費: 2,400千円、間接経費: 720千円)
|
|---|
| キーワード | 細胞追跡 / 人間参加型機械学習 / Human-in-the-Loop機械学習 / 弱教師付き学習 / 人間参加型AI / バイオイメージインフォマティクス |
|---|
| 研究開始時の研究の概要 |
バイオイメージングで得られる動画像に対し，移動する細胞を追跡して移動軌跡を抽出することは，生命現象を理解する上で重要である．近年，深層学習によって高精度な追跡が実現されつつあるが，現状の深層学習は大量の「正解」を必要としており，「正解」の作成（＝人力での追跡）にかかる労力が大きい．そこで，少数の細胞についての「正解」のみでモデルを訓練した後，人間がモデルの出力を修正し，その修正に基づいて再度モデルを訓練するような繰返しによって段階的にモデルを訓練する「人間参加型」の細胞追跡手法を開発する．これにより「正解」の作成にかかる労力が小さくなり，より効率的かつ精緻な生命科学研究につながると期待される．
|
| 研究実績の概要 |
バイオイメージングを通じて撮影される細胞動画像から生命現象を理解する上で，個々の細胞の移動軌跡を推定する細胞追跡は重要なタスクである．深層学習技術の発展により高精度な細胞追跡が実現されつつあるが，既存の方法は人力での追跡 (アノテーション) によって作成した「正解」(教師データ) を大量に必要とする教師付き学習に基づいており，研究課題ごとに多様でニッチなデータを扱う細胞追跡においては，アノテーションにかかるコストが課題となっている．この問題に対し，本研究では，少数の動画像内の一部の細胞についてのみ「正解」を与えて深層学習モデルを訓練し，人間がその出力を修正してゆくことで段階的にモデルを訓練する Human-in-the-Loop (HITL) 型の細胞追跡手法の開発を目指す．
細胞追跡における主要なアプローチは，フレームごとに細胞を検出し，フレーム間で検出同士を対応付ける Tracking-by-Detection (TbD) 方式である．令和6年度は，TbD 方式のうち検出の対応付け部分で頻発するエラーのひとつである，細胞同士が密集・重畳した場合の細胞同士の取り違えに着目し，追跡結果を修正する方法を開発した．開発した方法は，細胞追跡の結果から重畳と再出現を検出し，重畳前後で同じ個体同士を対応付けるものであり，これによって細胞追跡の精度向上に成功した．今後，人間の介入 (人力での対応付けの修正) によって徐々に追跡性能を改良してゆくように拡張することで HITL 機械学習を実現する予定である．
|
| 現在までの達成度 |
現在までの達成度
3: やや遅れている
理由
研究代表者が雇用されていたプロジェクトに関連する業務の集中により，当初計画から遅延している．当初計画では，令和6年度中に HITL 型の細胞検出手法を開発し，多様なデータを用いた検証を始める予定であったが，そのいずれも達成できていない．ただし，2年目に開発する計画であった HITL 型の検出同士の対応付け手法については，ベースとなる方法がいったん完成し，HITL 型への拡張も進みつつある．
|
| 今後の研究の推進方策 |
異動に伴い研究に割くエフォートを大きくできるようになったため，研究の遅れを取り戻そうとしている．まず，令和6年度に開発した細胞追跡結果の修正手法を HITL 型に拡張するとともに，多様なデータを用いた実験と方法の改良を進める．さらに，TbD 方式における細胞の検出部分における HITL 手法の開発も進める．これらを令和7年度・令和8年度で実現する計画である．
|
