1
00:00:01,320 --> 00:00:05,960
ディープラーニング技術に関する
ビデオシリーズのパート2では

2
00:00:05,960 --> 00:00:09,480
パート1で作成した
トレーニングデータを用い

3
00:00:09,480 --> 00:00:13,800
標識を行わずに核を検出するソフトウェア設定方法をご紹介します

4
00:00:13,800 --> 00:00:16,320
最初にディープラーニングのレイアウトタブに移動し

5
00:00:16,320 --> 00:00:23,720
ディープラーニングツールウィンドウの新しいトレーニングをクリックします

6
00:00:23,720 --> 00:00:25,640
新しいトレーニング名を変更し

7
00:00:25,640 --> 00:00:30,480
最初のビデオを再生しながら
作成したデータセットを選択します

8
00:00:35,520 --> 00:00:40,120
ダイアログボックスのOKをクリックし数秒間待機します

9
00:00:50,080 --> 00:00:52,960
入力チャンネルを選びます

10
00:00:52,960 --> 00:00:58,280
ラベルフリーで核を検出するには
透過光チャンネルを選びます

11
00:00:58,280 --> 00:01:02,120
今回はトレーニングデータを用い
位相コントラスト画像から

12
00:01:02,120 --> 00:01:07,000
核を検出するため
透過光ではなくPHを選びます

13
00:01:07,000 --> 00:01:12,520
トレーニングのラベルクラスは核のみで
前のビデオで定義しました

14
00:01:12,520 --> 00:01:15,960
トレーニング構成を選べます

15
00:01:15,960 --> 00:01:19,360
通常は標準ネットワークで問題ありません

16
00:01:19,360 --> 00:01:22,800
複雑な構成には大規模なネットワークが適しますが

17
00:01:22,800 --> 00:01:24,600
所要時間が長くなります

18
00:01:24,600 --> 00:01:31,560
ここではデフォルトの反復回数を維持します
必要に応じ後で増加できます

19
00:01:31,560 --> 00:01:37,240
NVIDIA Quadro P2000を使用した場合
処理時間は約50分でした

20
00:01:37,240 --> 00:01:40,440
精度確認方法は複数あります

21
00:01:40,440 --> 00:01:42,840
トレーニング層と

22
00:01:42,840 --> 00:01:45,960
ニュートラルネットワークが
核を識別した推論層と呼ばれる層の

23
00:01:45,960 --> 00:01:49,240
類似性がデフォルトで示されます

24
00:01:49,240 --> 00:01:53,160
最低値は0で最大値は1です

25
00:01:53,160 --> 00:01:57,680
トレーニング処理中に類似性が高くなります

26
00:01:57,680 --> 00:02:01,600
反復学習が終了するたびにチェックポイントが作成されます

27
00:02:01,600 --> 00:02:03,760
ニュートラルネットワークの精度を確認するには

28
00:02:03,760 --> 00:02:06,560
各チェックポイントでデータを検証します

29
00:02:06,560 --> 00:02:10,120
検証データはトレーニングデータセットから選びます

30
00:02:10,120 --> 00:02:15,040
赤いエリアは検証データの位相コントラストチャンネルから
推論される核です

31
00:02:15,040 --> 00:02:19,560
赤い丸はトレーニングラベルで
正しい核エリアを示します

32
00:02:19,560 --> 00:02:22,120
例ではデータに問題はないようですが

33
00:02:22,120 --> 00:02:24,320
いくつか検出もれがあります

34
00:02:24,320 --> 00:02:27,880
ニュートラルネットワークの保存は
チェックポイントとトレーニング終了時に可能です

35
00:02:27,880 --> 00:02:29,960
例では続行します

36
00:02:29,960 --> 00:02:32,880
例では、チェックポイントを5つ作成し

37
00:02:32,880 --> 00:02:35,800
トレーニング処理が終了しました

38
00:02:35,800 --> 00:02:37,880
トレーニング完了です

39
00:02:37,880 --> 00:02:40,360
検出は非常に正確で

40
00:02:40,360 --> 00:02:45,080
最初のチェックポイントで認めたエラーはありません

41
00:02:45,080 --> 00:02:47,600
チェックポイント5のニュートラルネットワークを保存し

42
00:02:47,600 --> 00:02:55,280
他の画像で使用できます

43
00:02:55,280 --> 00:02:58,280
ニュートラルネットワークのトレーニングは完了しました

44
00:02:58,280 --> 00:03:00,680
カウントと計測レイアウトタブへ移動し

45
00:03:00,680 --> 00:03:04,240
ニュートラルネットワークを他の画像に適用します

46
00:03:04,240 --> 00:03:09,440
例で使う画像は
インストールガイドから入手できます

47
00:03:09,440 --> 00:03:16,320
画像を2つ開きます

48
00:03:16,320 --> 00:03:21,360
ニュートラルネットワークを位相コントラストチャンネルへ
適用し核を推論します

49
00:03:21,360 --> 00:03:26,120
カウントと計測機能を
推論した核に適用しカウントします

50
00:03:26,120 --> 00:03:30,200
処理をワンクリックマクロとして記録します

51
00:03:30,200 --> 00:03:35,280
必要に応じバッチマクロのトグルを無効にし
マクロの作成をクリックします

52
00:03:35,280 --> 00:03:47,920
マクロ名を定義し記録を開始します

53
00:03:47,920 --> 00:03:51,080
メニューバーからニュートラルネットワーク処理を選び

54
00:03:51,080 --> 00:03:57,160
ニュートラルネットワークを選びます

55
00:03:57,160 --> 00:03:59,360
入力チャンネルはPHにする必要があります

56
00:03:59,360 --> 00:04:03,920
ニュートラルネットワークを位相コントラストチャンネルで
トレーニングしたからです

57
00:04:03,920 --> 00:04:15,280
マクロ記録の出力ボックスとして
新しいドキュメントの作成からチェックを外すことをお勧めします

58
00:04:15,280 --> 00:04:18,520
核を識別する推論結果層は

59
00:04:18,520 --> 00:04:21,040
確率層として示されます

60
00:04:21,040 --> 00:04:25,640
赤いエリアはPHチャンネルから推論した核を示します

61
00:04:25,640 --> 00:04:29,160
灰色の値はDAPI蛍光の強度ではなく

62
00:04:29,160 --> 00:04:32,840
物体が核である確率です

63
00:04:32,840 --> 00:04:35,200
画像はDAPIチャンネルを含みます

64
00:04:35,200 --> 00:04:37,400
データ検証のみが目的です

65
00:04:37,400 --> 00:04:41,000
推論処理に使用するためではありません

66
00:04:41,000 --> 00:04:45,840
追加の解析は
カウントと計測モジュールで実施できます

67
00:04:45,840 --> 00:04:49,200
クリックし確率層を有効にします

68
00:04:49,200 --> 00:04:53,360
確率閾値が核に適用されます

69
00:04:53,360 --> 00:04:56,880
閾値を設定し2つの近接する核が
適切に分離され

70
00:04:56,880 --> 00:05:05,680
すべての核が適切に検出されるようにします

71
00:05:05,680 --> 00:05:09,720
各物体の計測結果は表に示されます

72
00:05:09,720 --> 00:05:13,520
この時マクロ記録を停止できます

73
00:05:13,520 --> 00:05:27,200
検出物体層が作成されたことを確認します

74
00:05:27,200 --> 00:05:33,520
解析処理はマクロの実行をクリックすると
他の画像へ適用できます

75
00:05:49,600 --> 00:05:53,320
戻って閾値をDAPIチャンネルへ適用し

76
00:05:53,320 --> 00:05:56,240
確率チャンネルと比較できます

77
00:05:56,240 --> 00:06:06,600
DAPIチャンネルを選び確認しやすいよう色を変えます

78
00:06:06,600 --> 00:06:10,680
近接する2つの核を分離することは

79
00:06:10,680 --> 00:06:13,680
閾値をどのように調整しても不可能です

80
00:06:13,680 --> 00:06:15,920
上位2つの物体を分離すると

81
00:06:15,920 --> 00:06:19,680
他の多くの核が適切に検出されません

82
00:06:19,680 --> 00:06:23,440
ニュートラルネットワークのラベルフリー核検出に
位相コントラスト画像を使うと

83
00:06:23,440 --> 00:06:28,760
従来のDAPI染色法よりも
精度が高いことを実証しています

84
00:06:28,760 --> 00:06:32,400
染色せずに核を識別でき

85
00:06:32,400 --> 00:06:35,840
ディープラーニングの技術で

86
00:06:35,840 --> 00:06:40,440
蛍光励起による光毒性を除外するため
細胞を健康な状態で維持できます

87
00:06:40,440 --> 00:06:45,160
cellSensソフトウェアのディープラーニング
技術の詳細は

88
00:06:45,160 --> 00:06:48,240
olympus-lifescience.comを
ご覧下さい

89
00:06:48,240 --> 00:06:49,960
ご視聴ありがとうございます