公募研究
まず、ゼニゴケ精子の動画像からwild typeとmutantを識別し、判断根拠の可視化から要因解析を行った。ディープラーニングはゼニゴケの本体そのものや鞭毛の辺りが重要視しながら識別しているとの結果が得られた。また、細胞画像のセグメンテーションを行う方法としてEncoder-Decoder型のConvolutional Neural Networkが利用されるが、画像の解像度を下げていく過程で面積の小さい対象物の情報が少なくなり、結果として小さい物体や細長い物体のセグメンテーション精度が低下してしまう。そこで、多様な解像度の特徴マップを保持できるHigh-Resolution Networkを基に、対象物によって解像度を適応的に選択する方法を提案した。これにより、小さい物体や細長い物体のセグメンテーション精度を改善することができた。一般に、ディープラーニングの学習はどんなロス関数を使うかによって左右され、医用画像や細胞画像などではDiceロスが利用される。従来のDiceロスを改良するために式展開を行い、Adaptive t-vMF Diceロスを新たに提案した。これによりセグメンテーションの精度を改善することができた。また、判断根拠の可視化の研究も行った。まずは２つのネットワークの差を利用する方法を提案し、従来法に比べて定量的に良いことを示した。さらに、Vision Transformerの可視化についても研究を行い、定量評価により従来法を上回ることを確認した。
令和5年度が最終年度であるため、記入しない。
すべて 2024 2023
すべて 雑誌論文 (2件) (うち査読あり 2件、 オープンアクセス 2件) 学会発表 (12件) (うち国際学会 5件)
Computers in Biology and Medicine,
巻: 168 ページ: 1-11
10.1016/j.compbiomed.2023.107695
Plant and Cell Physiology
巻: 64 ページ: 1331-1342
10.1093/pcp/pcad118
