| 研究領域 | 共鳴誘導で革新するバイオイメージング |
|---|
| 研究課題/領域番号 |
18H04747
|
|---|
| 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) |
2018-04-01 – 2020-03-31
|
| キーワード | 4次元画像 / 多重線型理論 / スパース符号化法 / 深層学習法 / 2.5D 畳込ニューラルネットワーク / 細胞分裂検出 |
|---|
| 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，膨大な生物画像情報が得られるようになってきた．生物画像は３次元空間情報に加え，動的時間情報などをもち，４次元画像である．本研究は機械学習を用いた４次元医用バイオ画像解析法の開発を目的とし、以下の研究成果が得られた。
（１）多重線形理論の枠組で多次元データを一つのテンソルとして効率よく解析する枠組を提案した。線虫の４次元微分干渉顕微鏡画像に対してShape Indexを用いた胚と核の自動セグメンテーション法と楕円Fitting法による位置合わせ法を確立した. その成果は国際学術誌IJCB(2018)で発表した。また、多重線型学習法を用いた４次元微分干渉顕微鏡画像解析法を開発した。その成果は現在論文投稿準備中である。
（２）多重線型スパース符号化法を用いたdynamicCT画像（4次元多時相CT画像）から効率の良い時空間特徴を抽出法を開発し、肝腫瘍性病変の鑑別精度を高めた。その成果は国際学会PCM2018で発表した。また、その拡張版は国際学術誌PRLに掲載決定である。
（３）近年注目されている深層学習法を用いた4次元生物画像解析法について研究を行なった。２段階2.5D 畳込ニューラルネットワークを用いた4次元顕微鏡画像における細胞分裂法を提案し、既存の検出法に比べ、高い精度で検出できたことを検証した。その成果は国際学会ICNC-FSDK2018で発表した。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
1: 当初の計画以上に進展している
理由
(1) 当初計画していた多重線形学習法による4次元医用生物画像解析について計画通りに進展している。それに加えて、近年注目されている深層学習法による4次元医用生物画像解析法を新たに提案・開発した。
(２) 国際学術誌に論文２編、国際学会での招待講演1件、一般講演（トップ国際学会MICCAIを含めむ）に論文3編を発表した。いずれも査読があります。
(３)新学術領域内の他のグループとの連携と共同研究が確実に進展し、連名でトップ国際学術誌と国際学会に投稿している。
|
| 今後の研究の推進方策 |
(1) 3次元空間情報と時間情報の効率良いの統合法の開発
(2) 多重線形理論と深層学習法の融合による４次元医用生物画像の解析枠組の確立
(3) 4次元医用生物画像（動的3次元ボリューム画像）データベースの拡充（公開）
(4) 4次元医用生物画像解析システムの開発
|
