EVICAN：細胞および核セグメンテーションにおけるアルゴリズム開発のためのバランスされたデータセット

深層学習を定量的画像解析に活用する傾向は急激に増加している。しかし、高精度で広範に展開可能な深層学習アルゴリズムを訓練するには、大量のアノテーション済み（真値）データが必要となる。画像データセットには、十分な数の例示対象（例えば細胞）を含むだけでなく、画像の多様性（異質性）も十分に確保されている必要がある。本研究では、複数の顕微鏡、コントラスト手法、倍率から得られた30種類の異なる細胞株の部分的にアノテーションされたグレースケール画像から構成される新規データセット「EVICAN（Expert Visual Cell Annotation）」を提示する。このデータセットは、コンピュータビジョン応用における学習データとして直ちに利用可能である。4600枚の画像と約26,000個のセグメンテーション済み細胞を含み、細胞生物学における深層学習アプリケーション開発に向けた、類を見ないほど多様性に富んだトレーニングデータセットを提供する。マスクR-CNNの実装を用いて、明視野画像からの細胞および核の自動セグメンテーションを実現し、Jaccard指数が0.5を超える条件下で平均精度（mean average precision）61.6％を達成した。