| 研究領域 | 細胞システムの自律周期とその変調が駆動する植物の発生 |
|---|
| 研究課題/領域番号 |
20H05428
|
|---|
| 研究種目 |
新学術領域研究(研究領域提案型)
|
| 配分区分 | 補助金 |
|---|
| 審査区分 |
生物系
|
|---|
| 研究機関 | 立命館大学 |
|---|
研究代表者 |
陳 延偉 立命館大学, 情報理工学部, 教授 (60236841)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2022-03-31
|
| 研究課題ステータス |
完了 (2021年度)
|
| 配分額 *注記 |
7,800千円 (直接経費: 6,000千円、間接経費: 1,800千円)
2021年度: 3,900千円 (直接経費: 3,000千円、間接経費: 900千円)
2020年度: 3,900千円 (直接経費: 3,000千円、間接経費: 900千円)
|
|---|
| キーワード | 分裂細胞検出 / 非分裂細胞セグメンテーション / 深層学習 / 時間変化 / サイズ変化に頑健 / 4次元顕微鏡画像 / 細胞分裂 / 三次元ネットワーク / 時間ボリュームの対応付け / 自動検出 / 動態顕微鏡画像 / 時空間特徴 |
|---|
| 研究開始時の研究の概要 |
本研究では、畳み込みニューラルネットワークとリカレントニューラルネットワークを組み合わせた人工知能手法を用いた三次元バイオ動態顕微鏡画像における細胞分裂の自動検出法を開発することを目的とする。具体的に以下の研究開発を行う。(1) Scale-insensitive detection：全スケール連結ネットワークを開発し、様々なサイズの細胞分裂を検出する。(2)Orientation-robust detection：三次元ネットワークを開発し、様々な方向に分裂する細胞を検出する。(3)Fast detection: ネットワークの軽量化モデルを開発し、高速に検出する。
|
| 研究実績の概要 |
バイオイメージング技術の飛躍的な進展により，大量なバイオイメージが得られるようになってきた. バイオイメージは3次元空間情報に加え, 動的時間情報ももつ. このような多次元画像から有効な特徴を自動的に抽出し，解析を行うことは，バイオイメージの表現型解析において重要な課題である. 本研究では，深層学習を用いた4次元動態顕微鏡画像における分裂細胞の自動検出法の開発を目的とし，以下の研究成果が得られた.
(1)時間変化を考慮に入れた細胞サイズ変化に頑健な深層学習手法を開発した. Recurrent Full-Scale Deep Layer Aggregation (RDLA++)というネットワークを提案し，近年注目されているCenterNetの検出部と融合することにより，高精度な動態顕微鏡画像における分裂細胞検出法を提案した. 既存法に比べ，高い検出精度を実現した. その成果はBMC Bioinformatics誌(IF 3.242)に掲載された.
(2)非分裂細胞のマスクラベルと分裂細胞の領域を塗りつぶしたラベルをラベル画像とし,深層学習セマンティックセグメンテーションネットワーク(U-Net)を用いて、画素ごとに3クラス分類することによって、非分裂細胞のセグメンテーションと分裂細胞の検出を同時に実現した. その成果は令和3年電気関係学会関西連合大会で発表した.
(3) 深層学習を用いて,成長する植物組織内部を撮影した顕微鏡動画における細胞のセグメンテーションと分裂細胞の検出を同時に実現する手法を開発した. 2021年度電気関係学会関西支部大会で発表し,奨励賞を受賞した.
(4) 植物顕微鏡画像における細胞の検出と追跡を行うシステムを開発した. その成果を2022年度電気学会知覚情報/次世代産業システム合同研究会で発表した.
|
| 現在までの達成度 (段落) |
令和3年度が最終年度であるため、記入しない。
|
| 今後の研究の推進方策 |
令和3年度が最終年度であるため、記入しない。
|
