Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

Chainerを使って細胞を数えてみた

51,480 views

Published on

Chainer meetup #03の発表資料です。
http://chainer.connpass.com/event/32917/

Published in: Technology

Chainerを使って細胞を数えてみた

  1. 1. Chainer を使って細胞を数えてみた 2016.7.2 samacoba Chainer Meetup #03 1
  2. 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
  3. 3. Convolution 当初のモデル案 正解T=102個出力Y=88個 loss= Mean squared error(Y,T)fully connect T-Yの差を縮めるよう学習させる 教師となる情報は「数情報」のみ、「位置情報」は入ってない X:細胞画像 B:核画像 数える 教師に正解の「数」を与える 3
  4. 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
  5. 5. Chainerで顔イラストの自動生成 Deconvolution2Dを使って画像を合成 5
  6. 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. 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. 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. 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. 10. おまけ 10
  11. 11. クリックしたら○が付き、位置が出力される ・100円ショップの☆型の飾り ・通常のデジカメで撮影 ☆を数えてみた 11 手動教師データ作成ソフト(javascript)
  12. 12. 入力 出力 Y:位置推定画像 convolution-deconvolution 学習流れ T:位置教師画像 クリックして位置を出す(88個) X:元写真 Backpropagation 12 トレーニング(元画像1枚 TAITAN X 10分程度)
  13. 13. Y:位置推定画像 Yより位置抽出 学習結果 1枚(88クリック)の画像から、別画像での推定が可能 13 ・トレーニング画像と別画像にて推定
  14. 14. 従来の画像処理 エッジ抽出 2値化 ヒストグラム フィルタ選択 照明の均一化 数分間クリックするだけでOK しきい値設定 ディープラニング 専門知識が必要 だれでも使える ハレーション画素数 露光時間 従来の画像処理とディープラニング 14
  15. 15. 別の特徴の抽出 星の「角」の教師にして、同様にトレーニング 15
  16. 16. Y:位置推定画像 Yより位置抽出 教師の与え方で、別の特徴をとらえてくれる 学習結果 16 ・トレーニング画像と別画像にて推定
  17. 17. ・花粉を数える ・菌を数える ・部品を数える ・角を数える ・車を数える ・人を数える 応用先 ・集団の動きをトレースする Ex.蟻の集団行動の研究 17 位置を抽出カウント
  18. 18. 18 ご清聴ありがとうございました 最後に昨年よりchainerを使ってきて、 ・WEBでの解説の投稿者の皆さま ・Chainer開発チームの皆さま いつもありがとうございます

×