機械学習及び Watershed 画像領域分割法の組み合わせを用いた
位相差顕微鏡画像の自動細胞計数法
I. 研究の背景・問題点
生物画像の解析では、像の自動分類やノイズ除去、領域分割、物体追跡、クラスタリングを始め、様々なところで機械学習が広く利用されています。
機械学習は、情報科学、確率・統計、数理最適化、統計物理学など、多くの分野に関わっています。そして、画像処理、情報推薦システム、バイオインフォマティクス、医用画像分析、細胞画像情報の分析など、幅広い分野において威力を発揮しています。
これまでコンピュータビジョンの分野では様々な画像解析手法が提案されてきたが、これらを生物画像に直接適用することは困難であります。
例えば、生物画像は画像中に色ムラやノイズを含んでいるケースも多く、また個々の細胞が単なる輝点でしか表わされないことも多いため、細胞同士が重なっている場合にうまく分離できない場合があります。
II. 研究目的・内容
的情報処理を獲得することです。本研究中、位相差法による顕微鏡画像での細胞計数を研究することを目的としています。
この研究内容は、以下の分野に焦点を当てています。密集した細胞の画像を解析するための細胞分割法を提案します。
この手法ではマーカ制御のWatershed 変換と畳み込みニューラルネットワーク(CNN)を組み合わせたものです。難易度の高いモダリティにおいて、密集した細胞集団をセグメント化します。Watershed 変換と深層学習を組み合わせることを提案します。
そこで、機械学習に入力するデータとして、これらを学習させることで、細胞の画像と細胞の計数関係性を学習させて、画像から自動で細胞追跡の判定解析が可能となることが期待されます。
