2020 Fiscal Year Annual Research Report
Weakly supervised learning using domain knowledge and meta-data in life science
| Project/Area Number |
20H04211
|
|---|
| Research Institution | Kyushu University |
|---|
Principal Investigator |
備瀬 竜馬 九州大学, システム情報科学研究院, 准教授 (00644270)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
末廣 大貴 九州大学, システム情報科学研究院, 助教 (20786967)
渡邉 和秀 国立研究開発法人理化学研究所, 生命医科学研究センター, 上級研究員 (40749397)
吉澤 明彦 京都大学, 医学研究科, 准教授 (80378645)
|
|---|
| Project Period (FY) |
2020-04-01 – 2023-03-31
|
| Keywords | バイオイメージインフォマティクス / 弱教師学習 / 半教師あり学習 / 教師なし学習 / 機械学習 |
|---|
| Outline of Annual Research Achievements |
本研究課題では，生命科学特有の簡易に取得可能な弱教師に鑑みて，従来検討されていなかった弱教師の問題設定の提案とその解決手法の提案及び実証に取り組んだ．具体的には，以下を進めた．
１）細胞の中心付近に位置する細胞核を染色して撮像する蛍光像を位相差像と同時に撮影することで，細胞全体の領域やフレーム間の細胞対応付けの正解は分からないがおおまかな細胞中心座標を簡便に取得でき，弱教師として活用することで，マニュアルアノテーションなしで細胞領域を分割することが可能な手法を提案し，高精度のセグメンテーションを実現した．
２）非侵襲タイムラプス画像における一部のフレームにおける細胞中心付近の座標を弱教師（対応付けの教師はなし）とした細胞追跡という全く新しい問題設定に取り組み，教師あり学習と同等のトラッキング精度を実現した．
３）病理画像における癌種別領域セグメンテーション問題において，少量の教師に加えて，クラス比率（弱教師）を用いてセグメンテーション精度向上を実現した．
その結果，国内会議発表7件に加え，（２）（３）の課題に関して，コンピュータービジョン分野のトップ国際会議であるECCV2020に2本の論文が採択（採択率26%），（１）に関しては様々な細胞種で適用可能なことを実験により示し，医療画像解析分野トップジャーナルMIAへ論文投稿（最初の査読結果：Minor Revisionで再投稿準備中）に至った．また，様々なバイオメディカル分野の研究者と議論する中で，新規の課題「画像の一部にしかアノテーションがついていない学習データからの物体検出」「少量の学習データからの細胞検出」「学習データとは細胞種が異なるテストデータにおける細胞検出精度の向上」といった複数の課題設定を行い，研究に着手した．
|
| Current Status of Research Progress |
Current Status of Research Progress
1: Research has progressed more than it was originally planned.
Reason
当初は，胞画像解析における基本タスク「検出＋クラス分類」「領域分割」「追跡」に対して，新規の問題設定と，手法の提案までを計画していたが，それぞれの課題について複数種のデータセットを用いて検証・改良を繰り返し，十分な精度を達成し，その結果，国内会議発表7件に加え，（２）（３）の課題に関して，コンピュータービジョン分野のトップ国際会議であるECCV2020に2本の論文が採択（採択率26%），（１）に関しては様々な細胞種で適用可能なことを実験により示し，医療画像解析分野トップジャーナルMIAへ論文投稿（最初の査読結果：Minor Revisionで再投稿準備中）に至った．
また，当初予定していなかった３つの新規課題についてもバイオ研究の専門家と議論を進め，研究を開始し，論文投稿に至った．これらのことから，「当面の計画以上に進展している」という評価に至った．
|
| Strategy for Future Research Activity |
「研究実績の概要」及び【現在までの進捗状況】に記したように，当面の計画以上に進んでおり，バイオ及び医学等の異分野の専門家と議論する中で当初想定していなかった様々な取り組むべき課題が上がってきており，研究を開始していることから，引き続き，専門家と連携して研究を推進していく予定である．また，当初設定していた弱教師学習に加えて，教師なし学習，半教師学習，不完全な学習データからの学習といったように，「学習データの作成コストの削減」という点にフォーカスして柔軟に研究を推進していく予定である．
また，これまでに開発した手法を実際の医療バイオ研究に活用することで，バイオ医療研究に貢献し，提案手法が広く活用できるということを示していく．さらに，その実利用のプロセスの中で得られたフィードバックを元に，さらに実問題で活用しやすい問題設定・手法の開発というように進めていく．その中で，共通部分とドメイン特化部分に整理して進めることで，弱教師問題のフレームワークを構築し，様々な課題に応用利用できる状態にする．
|
