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 |
22H04735
|
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 | 名城大学 |
研究代表者 |
堀田 一弘 名城大学, 理工学部, 教授 (40345426)
|
研究期間 (年度) |
2022-04-01 – 2024-03-31
|
研究課題ステータス |
交付 (2023年度)
|
配分額 *注記 |
7,540千円 (直接経費: 5,800千円、間接経費: 1,740千円)
2023年度: 3,770千円 (直接経費: 2,900千円、間接経費: 870千円)
2022年度: 3,770千円 (直接経費: 2,900千円、間接経費: 870千円)
|
キーワード | 深層学習 / 植物画像 / 細胞画像 / セグメンテーション / ディープラーニング / 要因解析 |
研究開始時の研究の概要 |
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。
|
研究実績の概要 |
植物画像や細胞画像のセマンティックセグメンテーションを行う際、細胞膜などの面積が小さいクラスは面積が大きいクラスに比べてセグメンテーション精度が低下してしまう。これは植物画像や細胞画像を自動解析する際に大きな問題となる。この問題に対処するためにいくつかの方法を提案した。一般に、面積の小さい対象は大きい解像度で処理し、面積の大きい対象は小さい解像度で処理すべきと考えられる。これを自動的に学習により実現するために、Gating networkを利用して画素単位で解像度選択を行う方法を提案した。これにより、クラス毎に適切な解像度で処理することができ、面積の小さいクラスの精度を改善することができた。また、一般に、多クラスよりも2クラス識別の方が精度が高い性質を利用し、2クラスづつ識別したnetworkから多クラス識別のnetworkに知識蒸留を行う方法を提案した。これにより、面積の小さいクラスの精度を改善することができた。また、教師の与え方を工夫することで細胞膜のような細長い対象の精度を改善する方法も提案した。 また、植物や細胞画像のセグメンテーションを行うためには、対象の教師付きデータが必要となるが、教師データは専門家が作成しないといけないため時間と労力が必要である。そこで、少ない教師付きデータから学習する方法についても研究を行った。画素間の関係を利用することにより、従来よりも少ない教師付きデータから学習することができた。
|
現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
植物画像や細胞画像のセグメンテーションで問題となる2つの課題について取り組んだ。1つ目は面積の小さいクラスの精度が低下する問題であり、いくつかの方法により精度を改善することができた。2つ目は、学習に多数の教師付きデータが必要となる問題であり、これも画素間の関係を利用することにより改善することができた。これらの結果からおおむね順調に進展していると言える。
|
今後の研究の推進方策 |
今後も引き続き面積の小さいクラスの精度をさらに改善するための研究を行っていく。また、少ない教師付きデータからの学習に関しても継続して研究を行う。
|