深層学習は関連タスクを学べるか：関連タスク学習能力の獲得とバイオ画像への応用

点击翻译按钮获取中文摘要

バイオ分野に存在する簡易に取得可能な弱ラベルを用いた画像認識を目標として研究に取組んでいる．この研究目的は，AIによるバイオ画像解析において実応用の障壁となる，AIモデルの学習に大量の教師データが必要という問題を解決するためのものであり，画像認識技術の実応用促進に寄与する研究である．当該年度は，下記の2つの研究を進め，その成果が、WACVにおいて主著で採択された。また，共著者として，MIA 1本、WACV1本、MICCAI１本に論文が採択されており．具体的な研究の内容を以下に記す．(1)二種類の弱ラベルを用いた画像認識：簡易に取得可能なラベルとして，細胞種のラベル，細胞位置のラベルを用いた細胞セグメンテーション手法に取り組んだ．二種類のラベルを直接使用すると細胞間の境界の情報は取得できない．そこで，細胞間の境界を自動で作成する方法を考案し高精度なセグメンテーションを実現した （Nishimura et al., WACV 2023 採択）．(2)時系列ラベルと部分的なアノテーションを用いた細胞分裂検出手法の検討：タイムラプス中の細胞分裂に部分的にアノテーションされている際に有効な分裂検出手法を提案した．画像の時間順序を反転することにより分裂を細胞融合という異なるイベントに変換することによりアノテーションの見逃しを回避可能な手法を実現した．（Nishimura et al., MICCAI 2023 投稿中）．