生体画像の処理に役立つ新しいアルゴリズム

May, 28, 2020, Moscow--Skoltech研究チームは、複雑な画像の中から特定の生体画像を正確に取り出す新しい生体画像処理法を発表した。

生物学者は、生体画像の形式で膨大な画像を入手している。これは、自動処理を途方もない仕事にする。研究者は、多くの生体画像を扱わなければならないことがあり、対象がオーバーラップしていたり、画像品質が悪く鮮明さがない顕微鏡画像ではこれは特にハードワークになる。

マシンラーニング(ML)は、コンピュータに生体画像の処理をするようにトレーニングする際に役立つ。データ分析が著しく高速に、正確、実験で一貫性が得られる。

Skoltech (CDISE)コンピュータビジョン研究所は、複雑な画像内の個々の細胞、生物、植物の部分を分割する新方法を提案した。Victor Lempitsky教授の元で研究しているVictor Kulikovが、研究の筆頭著者である。その新しい方法は、対象の分離作業を単純回帰問題にした。これは、付加的な「調和」信号をニューラルネットワークのインプット層に導入し、自動的に信号のパラメタを典型サイズに調整し、対象の配置を分離することによって達成された。

研究者は4タイプの画像を使った。植物の写真、多数のC. Elegants虫の写真、E. coliバクテリアの顕微鏡画像、HeLaガン細胞培養画像。その二段階ニューラルネットワーク訓練アルゴリズムは、その作業に素晴らしくうまく対処した。選択された画像タイプでトレーニングされると、ニューラルネットワークは、植物、虫、ガン細胞、個々のバクテリアの分離で他の方法を凌駕した。その新方法は、科学研究やヘルスケアアプリケーションに使用可能である。

「新方法の主な利点は、それが少ないデータセットからでも学習できることである。われわれのアルゴリズムが、生物学的研究およびラベル付けされた画像が入手しがたい他の分野の両方で用途を見つけられるように願っている」とLempitskyはコメントしている。

(詳細は､https://www.skoltech.ru)