| 研究課題/領域番号 |
18K19842
|
|---|
| 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
|
| 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 |
|---|
| 研究実績の概要 |
本研究の目的は、多様な細胞動画像から、細胞の追跡というタスクを人間以上の精度で行うための方法を開発することである。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論を開発する。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。
本年度は、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。細胞の移動については、免疫細胞の移動モデルであるpersistent random walkモデルを用いてシミュレーションを行い、二光子励起顕微鏡で撮影した好中球を模した外観となるよう、GANを用いてスタイルの転写を行った。これによって得られたデータを深層学習による細胞追跡の教師データとして用いることで、実際に追跡精度が向上することを確認した。
|
| 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
ADNetを従来手法とした深層強化学習による細胞追跡の方法を開発した。深さ方向の情報を加えて追跡を行うことで精度が向上することを示した。成果は論文として出版された。
|
| 今後の研究の推進方策 |
GANによる画像生成と細胞の動きの数理モデルのシミュレーションによって動画を生成し、強化学習によって細胞追跡を学習させるための環境の構築を行った。これによって実際に追跡精度が向上することを確認した。期間延長によって、補助事業の目的をより精緻に達成するための追加実験を実施し、学会参加と論文投稿を行う。
|
| 次年度使用額が生じた理由 |
年度末に成果報告のための出張を自粛したため，次年度使用額が生じた。
期間延長した最終年度には、計算資源の増強の費用、成果報告のための旅費として執行する。
|
