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。 |
