核セグメンテーション・ツール

概要

このモデルは顕微鏡画像に含まれる核を検出し、それぞれの核に割り当てる画像内のピクセルを指定します。このモデルは、特徴ピラミッド・ネットワーク (FPN) と ResNet50 バックボーンを使用した Mask R-CNN アーキテクチャーをベースに開発されています。モデルからは、所定の画像 (サイズは 64 x 64、128 x 128、または 256 x 256) から検出された核ごとのセグメンテーション・マスクと確率が出力されます。セグメンテーション・マスクは ランレングス符号化方式 (RLE) で圧縮されています。

このモデルのベースとなっているのは、Mask R-CNN の TF 実装です。 モデルのトレーニングには、アノテーションが付けられた生体画像を含む Broad Bioimage Benchmark Collection (登録番号 BBBC038、バージョン 1) が使用されています。

モデルのメタデータ

参考資料

• K. He.、G. Gkioxari、P. DollA!r、R. Girshick 共著「Mask R-CNN」(2017 IEEE International Conference、2980-2988 ページ「In Computer Vision」、2017 年 10 月)
• V. Ljosa、K.L. Sokolnicki、A.E. Carpenter 共著「Annotated high-throughput microscopy image sets for validation」(Nature methods, 9(7)、637-637 ページ、2012 年).
• Broad Bioimage Benchmark Collection [Ljosa らによる共作、Nature Methods、2012 年]
• Mask R-CNN GitHub リポジトリー

ライセンス

このモデルのデプロイ方法

このモデルは、以下のメカニズムを使用してデプロイできます。

• Docker Hub からデプロイする場合:

  docker run -it -p 5000:5000 codait/max-nucleus-segmenter
  

  Show more

• Red Hat OpenShift からデプロイする場合:

  Follow the instructions for the OpenShift web console or the OpenShift Container Platform CLI in this tutorial and specify codait/max-nucleus-segmenter as the image name.

• Kubernetes 上にデプロイする場合:

  kubectl apply -f https://raw.githubusercontent.com/IBM/MAX-Nucleus-Segmenter/master/max-nucleus-segmenter.yaml
  

  Show more

• ローカルにデプロイする場合: GitHub 上のモデルの README に記載されている手順に従います。

使用例

このモデルをテストまたは使用するには、以下の方法があります。

• cURL を使用してテストする

cURL を使用してモデルをテストする

モデルをデプロイしたら、コマンド・ラインからモデルをテストできます。以下に例を示します。

$ curl -F "image=@samples/example.png" -XPOST http://localhost:5000/model/predict

You should see a JSON response like that below:

{
  "status": "ok",
  "predictions": [
    {
      "mask": [
        3507,
        1,
        3571,
        5,
        3635,
        6,
        3700,
        5,
        3766,
        4,
        3831,
        2
      ],
      "probability": 0.9837305545806885
    }
    ...
  ]
}