← ER-FlowScan Suite へ戻る

BIOHUB CELL TRACKING細胞の検出と系譜追跡（3D + 時間 顕微鏡データ）

Biohub Cell Tracking は、発生中の胚を撮影した 3D + 時間の顕微鏡データから、 細胞核を検出し、時間方向につないで系譜を再構成する研究モジュールです。 出力は画像ではなくグラフで、各時刻の核が node、同一細胞の対応が edge、 1 つの親から 2 本出れば分裂を表します。検出漏れが 1 個あるだけで、 そこから先の系譜がまるごと切れるのが難しさです。 詳細は Biohub Cell Tracking の技術 をご覧ください。

研究者向け解析ワークステーション画面の概念アニメーション（合成データ、実推論結果ではありません）: 安定視点の 3D ボックス内で発光する細胞移動軌跡（ネオンストリーム）と分裂分岐（黄色 Fork）、直交 2D 顕微鏡スライス検出、時間同期系譜樹（デンドログラム）を統合したイメージ図
3,947 チームKaggle 参加チーム（最終。登録 13,351 名中、提出者 4,478 名＝約33.5%）
95,438 件国際コンペティション全体の総提出（Submission）数（最終）
0.741単体検証モデルの Kaggle Public Score（holdout 校正 0.7021）
390位・銅メダル最終 Kaggle Private Score 0.920（3,947チーム中・上位 約9.9%）。Public は 0.955・416位（公開手法＋自社後処理最適化）
199 本監査で対応が取れた実 Zarr データ（179 学習 / 20 holdout）
約 730 万推論 3 モデル合計パラメータ（UNet+Transformer+DeepCenter）

研究／コンペティション段階のモジュールです（Kaggle Biohub - Cell Tracking During Development）。 最終成績（Private 0.920・390位で銅メダル／Public 0.955・416位）は、公開手法の推論出力に自社の出力後処理最適化を適用した結果であり、自社学習モデルの成果ではありません（自社学習単体は 0.741）。 学習済みの重みと中間データは本サイトでは配布していません。データセットと再現対象の出典は データ・モデルについて を参照してください。

モデル構造・パラメータ可視化

3 つの推論モデル（Temporal 3D U-Net + Transformer + DeepCenter）の内部構造、テンソル形状、パラメータ数比較、二 seed 融合の非対称性をインタラクティブに可視化。

Biohub Cell Tracking の技術

出力するグラフの構造、3 モデル推論とパラメータ数内訳（約 730 万）、モデル容量拡大の検証（拡大による精度変化の検証）、二 seed 融合の非対称性、評価指標の特性を利用した操作手法を採らなかった判断、改善要因の分離計画。

Solar Filament の技術

同じくコンペティション課題。公式指標の実装と再現性への配慮を同じ方針で扱っています。

MediSeg-AI の技術

医用画像セグメンテーション。3D ボリュームを扱う U-Net の設計が共通します。