[論文レビュー] Cell Detection by Functional Inverse Diffusion and Group Sparsity $-$ Part II: Practice

Pol del Aguila, Joakim Jaldén|arXiv (Cornell University)|Oct 4, 2017

Photoacoustic and Ultrasonic Imaging被引用数 2

ひとこと要約

本稿では、ELISPOT や Fluorospot などの生化学的画像アッセイにおける細胞検出のための新規アルゴリズムを提案する。関数的逆拡散と非負のグループスパarsity正則化を用いる。グループスパarsity正則化子のプロキシマル作用素を導出し、標準的な検出指標と最適輸送に基づく分布比較を用いて評価し、より高い精度と頑健性を示した。

ABSTRACT

In this two-part paper, we present a novel framework and methodology to analyze data from certain image-based biochemical assays, e.g., ELISPOT and Fluorospot assays. In this second part, we focus on our algorithmic contributions. We provide an algorithm for functional inverse diffusion that solves the variational problem we posed in Part I. As part of the derivation of this algorithm, we present the proximal operator for the non-negative group-sparsity regularizer, which is a novel result that is of interest in itself, also in comparison to previous results on the proximal operator of a sum of functions. We then present a discretized approximated implementation of our algorithm and evaluate it both in terms of operational cell-detection metrics and in terms of distributional optimal-transport metrics.

研究の動機と目的

• Part I で提示された変分問題を解くための効率的なアルゴリズムの開発を目的とする。
• 非負のグループスパarsity正則化子のプロキシマル作用素を導出すること。これは本研究を越えて広く応用可能な、新規な貢献である。
• 離散化されたバージョンのアルゴリズムを実装し、実際の生物学的画像データに適用して評価すること。
• 標準的な細胞検出指標と分布的最適輸送指標の両方を用いて、性能を評価すること。

提案手法

• アルゴリズムは、関数的逆拡散と非負のグループスパarsity正則化を含む変分問題を解く。
• 主なイノベーションは、非負のグループスパarsity正則化子のプロキシマル作用素の導出であり、これにより効率的な最適化が可能になる。
• 目的関数を反復的に最小化するために、プロキシマルスプリッティングフレームワークを採用する。
• ELISPOT および Fluorospot アッセイの2次元画像データへの実装を念頭に、アルゴリズムを離散化する。
• 標準的な検出指標（例：適合率、再現率）と、最適輸送に基づく分布的指標を用いて性能を評価する。

実験結果

リサーチクエスチョン

• RQ1 ノイズの多い生化学的画像における細胞検出を向上させるために、関数的逆拡散とグループスパarsity正則化をどのように効果的に組み合わせられるか？
• RQ2 非負のグループスパarsity正則化子のプロキシマル作用素の解析的形は何か？また、その形が効率的な最適化をどのように可能にするか？
• RQ3 本手法は、既存の手法と比較して、検出精度と分布の忠実度の両面で優れているか？
• RQ4 最適輸送に基づく指標は、標準的な検出指標を上回る意味のある評価を提供するか、その程度はいかほどか？

主な発見

• 非負のグループスパarsity正則化子のプロキシマル作用素は、本研究において新規な貢献であり、変分問題の効率的解法を可能にする。
• 標準的な検出指標で測定したところ、本手法はベースライン手法よりも優れた細胞検出性能を達成した。
• 最適輸送に基づく指標の使用により、本手法が競合手法よりも細胞の空間的分布をより正確に保持していることが明らかになった。
• 離散化された実装は、実世界の ELISPOT および Fluorospot 画像データにおいて、頑健性と計算上の実行可能性を示した。