Chainerを使って細胞を数えてみた
- 2. 細胞カウント 試薬は細胞にダメージを与える ⇒細胞画像から細胞を数えたい ・細胞を数えることは培養の基本作業 B:核画像 C:合成画像A:細胞画像 カウントが難しい カウントが容易 試薬が必要 2
- 4. 核位置の推定 X：細胞画像 ⇒ Y：核「推定」画像に変換後、 カウントする 核の場所を推定 ｶｳﾝﾄ DNN Y:核推定画像 T:核画像（教師） X：細胞画像 教師に「核画像」を与える 画像 ⇒ 画像の変換方法は？ ⇒「位置情報」が与えられる 4
- 6. 12 34 29 94 28 44 67 58 33 1 0 0 0 1 0 0 0 1 * 12 0 0 0 28 0 0 0 33 = sum 77 1 0 0 0 1 0 0 0 1 * 30 0 0 0 30 0 0 0 30 =30 畳込みconvolution 逆畳込みDeconvolution 画像を小さくできる 画像を大きくできる Convolution-Deconvolution Convolution Deconvolution 元画像サイズへの画像変換が可能 6
- 7. convolution 前半はconvolution、後半はdeconvolution deconvolution X:細胞画像 Y:核推定画像 学習モデル T:核画像（教師） Loss = Mean squared error(Y,T) 核の位置を推定させるように学習させる 7
- 8. Y’: 極大位置Y:核推定画像 maxpooling など使って 極大値の位置を抽出 位置の抽出とカウント 0 0 10 0 0 0 10 30 10 0 10 30 50 30 10 0 10 30 10 0 0 0 10 0 0 10 30 30 30 10 30 50 50 50 30 30 50 50 50 30 30 50 50 50 30 10 30 30 30 10 0 0 0 0 0 0 0 0 0 0 0 0 50 0 0 0 0 0 0 0 0 0 0 0 0 A B A*(A==B) 3×3 maxpooling 8 極大値抽出例 ポイントの数を カウント 8個
- 9. 0 200 400 600 800 1000 1200 1400 1600 pic_2 pic_4 pic_6 pic_8 pic_10 細胞個数 T：正解数 Y：推定数 カウント結果 精度はまずまず ただし、異なる状態だと精度は出ない 9
- 10. おまけ 10