深層学習を用いたマイクロプラスチックス画像の高精度自動分析手法の確立（木藤教授）

研究分野	生命科学（環境科学）
掲載誌	IOP Conference Series Earth and Environmental Science
論文題目	Deep-MAP: a user-friendly platform for deep learning-based microplastics classification.
著者	Yutaro Okumura, Arriel Fadhilah, Riyanto Haribowo, Shin-ichiro Kidou
所属機関	Nagoya-City Univ.（名古屋市立大学） Universitas Brawijaya, Indonesia (ブラウィジャヤ大学)
学生著者	1. Yutaro Okumura 博士前期課程2年 2. Arriel Fadhilah 博士後期課程1年
概要	近年、河川や海洋におけるマイクロプラスチック（MPs）汚染は深刻な環境問題となっており、生態系や人間の健康への影響が懸念されている。この汚染の程度を把握するには、顕微鏡画像を用いたMPsの同定と定量化が不可欠であるが、手作業による分析は時間がかかり、労力もかかる上、分析者によるバイアスが生じやすい。この課題に対処するため、本研究では、深層学習を用いたMPs画像の高精度自動分析手法の確立を目指した。具体的には、1) エンドツーエンドのセグメンテーションモデル（YOLOv8m-seg）、2) 検出と分類を行う2段階モデル、3) 従来の画像前処理を組み合わせたモデルの3つの異なるモデルを体系的に比較・評価した。その結果、前処理を行わないエンドツーエンドのセグメンテーションモデルが最高の性能を示し、マスクmAP@0.50–0.95は0.555、マスクmAP@0.50は0.873であった。また、前処理における過度な背景除去は、モデル認識に不可欠な境界情報が失われるため、性能を低下させることが判明した。これらの知見に基づき、我々は最高性能のモデルを基盤とし、Google Colaboratory上で実装されたユーザーフレンドリーな解析ツール「Deep-MAP」を開発した。このツールを使用することで、ユーザーは顕微鏡画像をアップロードし、MPの数、種類、面積、色に関する集計結果を自動的に取得できる。Deep-MAPは、専門知識を必要としないため、開発者とエンドユーザー間のギャップを埋めるのに役立つ。
掲載日	3/26/2026
DOI	https://doi.org/10.1088/1755-1315/1593/1/012048
備考

Deep-MAPを用いたMPsの効果的な検出方法の確立（Chat GPTを用いて作図）