Evident LogoOlympus Logo

Ask the Experts

ディープラーニング:新たなアプリケーションへの扉を開く

ManoelとKathyのウェビナーに参加しましょう。明視野画像での細胞の検出、肉眼では難しい細胞分類作業など、困難な画像解析作業に取り組むために、ディープラーニングの力を解き放つ方法を解説してくれます。

講演者:

Manoel Veiga氏(ライフサイエンスリサーチ、アプリケーション専門家)
Kathy Lindsley氏(ライフサイエンス、アプリケーション専門家)

よくある質問

ウェビナーFAQ | ディープラーニング

ディープラーニングアルゴリズムを適用後に定量的な強度測定を行えますか?

ディープラーニングアルゴリズムでは、蛍光信号の位置が予測されますが、強度は予測されません。 ただし、ディープラーニングに基づいてセグメンテーションを行ってから、二次チャンネルを使用して定量的な強度解析(蛍光など)を実行できます。

例えば、ラベルフリーでタンパク質発現を計測し、かなり低出力で標本を照らす場合、明視野画像でセグメンテーションを実行してから、二次チャンネルで蛍光を計測できます。 強度は低いが一定のバックグラウンドがある場合、信号がカメラノイズよりほんの少し高くても、定量解析を実行できます。

ディープラーニングソフトウェアは染色組織スライド(HEなど)に適用できますか?

はい、cellSens™ソフトウェアには、RGB画像用の特別なニューラルネットワークアーキテクチャーがあります。 このRGBネットワークには、さまざまな色の貢献をわずかに修正する拡大手順が組み込まれていて、RGBのわずかな変化や色のバランスに対してニューラルネットワークの安定した処理が確保されます。

ディープラーニングソフトウェアの学習にはどれくらいの画像が必要ですか?

重要なパラメーターは画像の数ではなく、注釈付きのオブジェクトの数です。 場合によっては20~30個のオブジェクトでうまくいきますが、そのニューラルネットワークを似たようなコントラストの画像の解析にしか使用できなくなります。 それより先の、ラベルフリーの解析や難しい条件下のオブジェクト解析を行う場合、通常、数千もの注釈が必要になります。 このように高度な注釈を実現するには、蛍光観察などを使用して自動的にグラウンドトゥルースを適用できます。

オリンパスのディープラーニングアルゴリズムはU-Netを基にしていますか?

はい、U-Netから着想を得ています。 全く同じではありませんが、全体的な構造はU-Netに基づいています。

ディープニューラルネットワークと畳み込みニューラルネットワークの違いは何ですか?

ニューラルネットワークには入力層と出力層があります。 ディープニューラルネットワークには、入力層と出力層の間に1つ以上の中間層があります(複数の中間層があるのが一般的です)。 畳み込みニューラルネットワークは、中間層が相互に畳み込み合う、ディープニューラルネットワークの1クラスです。 畳み込みは数学的手法の一種で、画像解析タスクに非常に有効に作用します。 このため、畳み込みニューラルネットワークは顕微鏡画像の解析に使用されます。 ディープラーニングは画像解析以外の分野でも使用されています。 これらの用途では畳み込みネットワークを必要とせず、代わりに別の種類のネットワークが使用されます。


関連製品

イメージングソフトウェア

cellSens

直感的な操作とシームレスなワークフローを実現するcellSensソフトウェアは、ユーザーインターフェースをカスタマイズ可能なので、レイアウトを自由に変えられます。各種パッケージをご用意し、お客様特有のイメージングニーズに合わせたさまざまな機能を提供しています。Graphic Experiment Managerとウェルナビゲーター機能により、5D画像取り込みが容易になります。TruSight™ デコンボリューションで解像度の向上を実現し、カンファレンスモードを使用して画像を共有しましょう。

  • TruAI™ ディープラーニングセグメンテーション解析により実験効率が向上し、ラベルフリーの核検出と細胞カウントが可能
  • モジュール式のイメージングソフトウェアプラットフォーム
  • 直感的なアプリケーション主導のユーザーインターフェース
  • 単純なスナップショットから高度な多次元リアルタイム実験まで、豊富に取りそろえられた機能セット

ディープラーニング:新たなアプリケーションへの扉を開く

ManoelとKathyのウェビナーに参加しましょう。明視野画像での細胞の検出、肉眼では難しい細胞分類作業など、困難な画像解析作業に取り組むために、ディープラーニングの力を解き放つ方法を解説してくれます。

よくある質問

ウェビナーFAQ | ディープラーニング

ディープラーニングアルゴリズムを適用後に定量的な強度測定を行えますか?

ディープラーニングアルゴリズムでは、蛍光信号の位置が予測されますが、強度は予測されません。 ただし、ディープラーニングに基づいてセグメンテーションを行ってから、二次チャンネルを使用して定量的な強度解析(蛍光など)を実行できます。

例えば、ラベルフリーでタンパク質発現を計測し、かなり低出力で標本を照らす場合、明視野画像でセグメンテーションを実行してから、二次チャンネルで蛍光を計測できます。 強度は低いが一定のバックグラウンドがある場合、信号がカメラノイズよりほんの少し高くても、定量解析を実行できます。

ディープラーニングソフトウェアは染色組織スライド(HEなど)に適用できますか?

はい、cellSens™ソフトウェアには、RGB画像用の特別なニューラルネットワークアーキテクチャーがあります。 このRGBネットワークには、さまざまな色の貢献をわずかに修正する拡大手順が組み込まれていて、RGBのわずかな変化や色のバランスに対してニューラルネットワークの安定した処理が確保されます。

ディープラーニングソフトウェアの学習にはどれくらいの画像が必要ですか?

重要なパラメーターは画像の数ではなく、注釈付きのオブジェクトの数です。 場合によっては20~30個のオブジェクトでうまくいきますが、そのニューラルネットワークを似たようなコントラストの画像の解析にしか使用できなくなります。 それより先の、ラベルフリーの解析や難しい条件下のオブジェクト解析を行う場合、通常、数千もの注釈が必要になります。 このように高度な注釈を実現するには、蛍光観察などを使用して自動的にグラウンドトゥルースを適用できます。

オリンパスのディープラーニングアルゴリズムはU-Netを基にしていますか?

はい、U-Netから着想を得ています。 全く同じではありませんが、全体的な構造はU-Netに基づいています。

ディープニューラルネットワークと畳み込みニューラルネットワークの違いは何ですか?

ニューラルネットワークには入力層と出力層があります。 ディープニューラルネットワークには、入力層と出力層の間に1つ以上の中間層があります(複数の中間層があるのが一般的です)。 畳み込みニューラルネットワークは、中間層が相互に畳み込み合う、ディープニューラルネットワークの1クラスです。 畳み込みは数学的手法の一種で、画像解析タスクに非常に有効に作用します。 このため、畳み込みニューラルネットワークは顕微鏡画像の解析に使用されます。 ディープラーニングは画像解析以外の分野でも使用されています。 これらの用途では畳み込みネットワークを必要とせず、代わりに別の種類のネットワークが使用されます。


関連製品

イメージングソフトウェア

cellSens

直感的な操作とシームレスなワークフローを実現するcellSensソフトウェアは、ユーザーインターフェースをカスタマイズ可能なので、レイアウトを自由に変えられます。各種パッケージをご用意し、お客様特有のイメージングニーズに合わせたさまざまな機能を提供しています。Graphic Experiment Managerとウェルナビゲーター機能により、5D画像取り込みが容易になります。TruSight™ デコンボリューションで解像度の向上を実現し、カンファレンスモードを使用して画像を共有しましょう。

  • TruAI™ ディープラーニングセグメンテーション解析により実験効率が向上し、ラベルフリーの核検出と細胞カウントが可能
  • モジュール式のイメージングソフトウェアプラットフォーム
  • 直感的なアプリケーション主導のユーザーインターフェース
  • 単純なスナップショットから高度な多次元リアルタイム実験まで、豊富に取りそろえられた機能セット
Experts
Kathy Lindsley
Application Specialist, Life Science Applications

Kathy Lindsleyと申します。オリンパスでアプリケーションスペシャリストとして、カメラベースのイメージングシステムのサポートをしております。Iowa State Universityで生物化学の学士号を取得しています。2006年に、リサーチイメージングセールス担当としてオリンパスに入社し、2012年にlife science applications groupに異動しました。オリンパス入社前は、学術研究のリサーチアシスタントを15年間務め、パッチクランプ、カルシウムイメージング、組織培養、免疫組織化学の経験を積んでまいりました。

Manoel Veiga
Application Specialist, Life Science Research
Olympus Soft Imaging Solutions

こんにちは。Manoel Veigaと申します。オリンパスのソフトウェアにディープラーニングを導入したチームに所属しています。2017年にオリンパスに入社し、ハイコンテントスクリーニング、画像解析、ディープラーニングの専門知識を身につけました。蛍光寿命イメージングのエキスパートでもあります。

私は、物理化学の博士課程で初めてデータ解析に興味を持ちました。畳み込みニューラルネットワークの分析力と信じられないような画像解析タスクに取り組める能力を知ってから、さらに興味が深まりました。

ディープラーニング:新たなアプリケーションへの扉を開く2024年2月27日
このページはお住まいの地域ではご覧いただくことはできません。
Ask the Expert Sign-up

By clicking subscribe you are agreeing to our privacy policy which can be found here.

このページはお住まいの地域ではご覧いただくことはできません。

このページはお住まいの地域ではご覧いただくことはできません。