ロシアのOstagramというプロジェクトで、ニューラルネットワークによって2枚の画像をブレンドして出力する。かなり繊細な処理が為されていて驚く。このカンディンスキーとボッティチェリのブレンドとかやばい。 pic.twitter.com/qATX08qYMy— はるか (@H_K_K_0202) 2016年3月11日
興味深い試みだと思います。想像するに、各画像の特徴量を機械学習で抽出してブレンドまたはフィルターさせてるのかと思います(魅せる絵に仕上がってるあたり、このあたりのアルゴリズムも興味深いですが)。
Ostagram: blending two images after extracting their characteristics with machine learning. Pretty interesting!
特徴量を抽出し、画像データに意味を与えるプロセスは生物画像の解析でも重要です。例えば細胞がたくさん写っている生データから、「どれが細胞か」を検出させることは基本的な処理ですが、それでも論文を当たると結構なバリエーションがあります。
ハーバード大学の内田先生たちのグループは、神経細胞のつながりをラベルした透明化脳のイメージングを行い、77個の3次元全脳データからラベルされた細胞を抽出して定量解析を行った試みを発表されています[Menegas, elife 2015]。この時細胞同定（セグメンテーション）に使われているのがilasticでした。
Softwares like "ilastic" utilize machine-learning for segmenting biological information in imaging data. In Menages et al., 77 rabies virus-labeled mouse brains were subjected to whole-brain 3D imaging and following image analysis with the software.
最初の例のような機械学習のパワフルさを見ていると、やはり自分の研究でもうまく使っていかなければならないという思いが強くなります。ドシロートですが、少し勉強を始めてみようと、教科書は買ってるのですが。
本棚の肥やしになる前に読まないとですね^^;
References:
Menages et al.
Dopamine neurons projecting to the posterior striatum form an anatomically distinct subclass.
eLife 4: e10032, 2015.
0 件のコメント:
コメントを投稿