公募研究
組織・臓器内のダイバーシティに富む細胞間の相互作用解析において，画像データからの定量評価が重要である．この実現のために，異なる細胞腫・顕微鏡・密度に対応できる細胞画像解析技術を開発する必要がある．深層学習を用いた手法は画像処理を用いた手法より高精度を達成しているが，条件ごとに多量の学習データを集める必要があり，ダイバーシティに富む細胞画像解析における自動定量化への弊害となっていると考えられる．そこで，細胞の中心付近の座標というより簡易なアノテーション（弱教師）を利用して細胞検出を行う深層学習を行い，ネットワークを解析して，検出に利用した領域を抽出することで，細胞領域を自動で抽出可能な細胞領域認識手法を昨年度までに提案していた．今年度は，このような弱教師学習による細胞領域認識手法の開発及び検証を進めると共に，新たに，弱教師学習による細胞追跡手法の開発を進めた．細胞領域認識に関しては，核染色蛍光像から自動で細胞内の点を抽出することで，人手によるアノテーション全くなしで，従来手法より高精度な個々の細胞領域認識を実現した．この内容は，画像パターン認識分野における国内最大の会議MIRU2019で学生奨励賞受賞，医療画像解析のトップ国際会議MICCAI2019（採択率：30%）で採択される等，国内外で高い評価を得ている．細胞追跡に関しては，核染色蛍光像から細胞検出のための教師（弱教師）を自動生成し，この弱教師から対応付けを行うという新しい問題設定を行い，手法開発を進め，論文準備中である．これらの技術により，学習データの作成が大幅に削減され，本領域における研究に幅広く応用可能となる．開発した技術を学際分野における研究会で積極的に報告することで，新規のバイオ研究者との共同研究につなげている．また，このような弱教師学習に着目した新しい研究課題を考え，基盤研究Bの採択につなげた．
令和元年度が最終年度であるため、記入しない。
すべて 2020 2019
すべて 雑誌論文 (5件) (うち国際共著 1件、 査読あり 5件、 オープンアクセス 2件) 学会発表 (12件) (うち国際学会 2件)
IEEE CVPR, 2020.(oral, to be appeared, acceptance rate:22%)
巻: NA ページ: pp.1-10
https://arxiv.org/abs/2002.10749
MICCAI2019, (top conference in medial image analysis, early acceptance rate:16%)
巻: 1 ページ: pp.649-657
https://doi.org/10.1007/978-3-030-32239-7_72
巻: 1 ページ: pp.397-405
https://doi.org/10.1007/978-3-030-32239-7_44
41st Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC), 2019
巻: NA ページ: pp.1-5
10.1109/EMBC.2019.8856465
IEEE CVPR, 2019. (Top Conference in Computer Vision, Poster, acceptance rate:25%)
10.1109/CVPR.2019.01288
