YOLOvME：コロニーカウント、塗抹標本評価、野生生物検出
Martin Schätz氏がYOLOv5を活用し、感染症研究、コロニーカウント、野生生物モニタリングにおける画像分析を効率化する方法をご紹介します。
数え切れないほどの画像、データ、結果などを評価しなければならなかったことはありませんか？さらに、これらの評価を手作業で行わなければならなかったことはありませんか？もちろん、非常に時間のかかる作業です。
Martin Schätz氏にとって、Ultralytics YOLOv5は、感染症の研究とモニタリングにおける画像解析に必要な時間を短縮するのに役立つツールでした。Martin氏は複数の仕事を掛け持ちしていますが、その仕事の本質はバイオイメージ解析にあり、本人はこの分野を「コンピューターサイエンスと生物学の間にある領域」と表現しています。私たちは、コロニーのモニタリングと計数に関するMartin氏の仕事について詳しく知るため、同氏にいくつか質問しました。
Ultralytics YOLOv5で具体的に何をしていますか？#
Martin氏がプロジェクトにUltralytics YOLOv5を導入した背景には、物体検出、分類、計数の既存プロセスを自動化する必要性がありました。また、Long-Term Evolution ExperimentのようなケースにもYOLOv5を活用しようとしています。
細菌コロニーの計数#
研究室では、寒天プレート上で培養した細菌コロニーは、通常、技術者が手作業で計数します。しかし、手作業による計数では、誤りの多い結果につながる可能性があります。この問題に対処するため、Martin氏はUltralytics YOLOv5を使用して計数プロセスを自動化しました。このアプローチにより、コロニーの検出と分類に伴う誤差と時間を大幅に削減できました。
顕微鏡画像における物体検出と分類#
顕微鏡下の世界で検査を行うには、スメアを評価する必要があります。これは現在でも主に手作業で行われているプロセスです。そしてご存じのとおり、手作業のプロセスは、結果に誤差やばらつきが生じやすくなります。さらに、特定の形状を物体検出するための適切なツールは存在する一方で、さまざまな物体を自動で計数・分類するための、より専門的なツールが必要とされています。
野生動物の検出とモニタリング#
「私の同僚たちは森林やその他の場所で野生動物を記録しており、通常は動画を手作業で確認しています。つまり、何百本もの動画を座って確認しなければなりません。」
動画上でイノシシやシカが現れる箇所を手作業で探すには膨大な時間がかかることを踏まえ、Martin氏は物体検出によってこのプロセスを確実に最適化できると考えました。ここではUltralytics YOLOv5を導入することで、動物がカメラの視野に入った際に、野生動物を簡単かつ即座に検出できるようになりました。
機械学習とVision AIの世界に入ったきっかけは何ですか？#
Martin氏は修士課程で、自身が「画像解析への古典的なアプローチ」と呼ぶ分野を研究しました。学位課程を修了する頃には、ディープラーニングが次第に注目を集めるようになっていましたが、当時は単に「畳み込みネットワーク」と呼ばれていました。
この時期、Martin氏はデータマイニングに取り組んでいましたが、そのデータはあまり活用しやすいものではありませんでした。データを実際に扱えるようになりたいと考えたMartin氏は、機械学習とVision AIの世界に飛び込むことを選びました。
Ultralytics YOLOv5を始める人には何を勧めますか？#
現在、MLとVision AIを学ぶプロセスはかなり複雑になることがあります。しばらくVision AIを利用してきたMartin氏は、始めたいと考えている人に向けて3つのポイントを挙げました。
- 「科学者として、私はまずすべてを読むことを好みます。そうすれば、最初に完全には理解できなかったことを読み返せるからです。」モデルのトレーニングに取り組む前に基礎的な理解を身につけておくと、初心者にとってプロセスがはるかに容易になります。
- さらにMartin氏は、他の人のユースケースを研究することの有用性にも言及しました。他の人が何をしているかを見ることで、自分の用途やプロジェクトへの刺激を得られます。
- プロジェクトを繰り返し実行してテストしてください。何かを変更する必要があると分かったら、戻って変更を加え、さらにテストと反復を重ねながら前進し続けてください。
Martin Schätz氏は、共焦点顕微鏡におけるバイオイメージ解析とデータ処理を中心に研究と教育に取り組む研究者です。Martin氏が取り組んでいるプロジェクトの目的は、感染症の研究とモニタリングにおける画像解析プロセスを最適化することです。Martin氏の3つのプロジェクトに関するドキュメントと詳細は、同氏のGitHubリポジトリで確認できます。さらに、Martin氏は、生物学・顕微鏡分野の科学画像解析で最も広く利用されているツール（これらのトレーニング済みディープラーニングモデルを含む）を推進する組織であるNEUBIASにも参加しています。
皆さまのYOLOv5のユースケースもぜひご紹介ください。ソーシャルメディアで@Ultralyticsをタグ付けし、#YOLOvMEを付けて投稿すると、掲載される可能性があります。
