電子顕微鏡連続切片画像セグメンテーションにおける深層学習の利用に関する研究

抄録

コネクトミクスと呼ばれる分野においては，電子顕微鏡連続切片画像の３次元再構築法により，神経系のミクロな構造の観察がなされている．この作業にあたっては，神経細胞の自動セグメンテーションが重要であり，近年では深層学習を用いた方法が注目を浴びている．しかし，深層学習の適用においては，精度向上を図るための工夫に数多くの選択肢が存在する．本稿では特にハイパーパラメータの設定に焦点を当て，その決定方法を検討する．既存手法のうち特に高い精度での処理が期待される，Deep Contextual Network（DCN）は，ネットワーク内部にて，空間周波数の異なる特徴マップを複数有している．本研究では，この構造に注目し，特徴マップの可視化に基づいたハイパーパラメータ調整手法を提案する．2種類のデータセットを用いた実験の結果，提案手法にて逆畳み込み層のフィルタサイズを変更することにより，DCNの精度を高められることが明らかになった．