◆发表要点
·通过使用Mac（Apple公司生产的PC），可以只进行与通常应用相同的操作，来对一直以来要求计算机相关的高级知识的AI进行图像分类。
·因为可以用自己的图像来学习，所以可以简单地分类符合自己目的的各种图像。

近年来，在生物学领域，带有自动摄影功能的显微镜也出现在身边，可以自动获取大量的图像。另一方面，其解析大多需要昂贵的解析系统或人手，亟需低成本自动解析大量图像的系统。 冈山大学资源植物科学研究所的长岐清孝副教授等人，将免费或廉价的应用程序组合在一起，在附近的Mac上进行机械学习，开发出了一种可以对包含分裂细胞的图像进行分类的方法，本研究成果于10月14日被刊登在英国的专业杂志《Chromosome Research》上。
用本方法的话，各个研究人员可以不用专家的帮助和昂贵的电脑，根据自己的图像数据，轻松地制作AI定制的图像自动分类器，可以用于各种各样的研究领域和研究以外的目的。在研究中，这样的简易图像分类器的潜在需求意外地多，是能为各种各样的领域研究的省力化做贡献的方法。机器学习是用于面部识别和汽车自动运转时的物体检测的技术，所以本方法不仅限于研究，可能也是实现大家生活中的定制“发现这个！”的方法。

◆研究者表示
以前，在发表论文的时候，审查员要求“那么，那个样品里有多少种细胞呢？数清后进行数值化的话会刊登”，花了6周时间自己数的时候，“请拿出不管什么形状的细胞都能自动数的简单又便宜的机器哦！”这样想来是开发本方法的契机。如果是简单又便宜的话，在研究的各种各样的场景中所能想到拜托专家时所害怕且琐碎的“把这个分开”“找这个”之类可以自己自动化。
■论文信息
论文名：Effectiveness of Create ML in microscopy image classifications: A simple and inexpensive deep learning pipeline for non-data scientists
刊登：Chromosome Research
作者：Kiyotaka Nagaki, Tomoyuki Furuta, Naoki Yamaji, Daichi Kuniyoshi, Megumi Ishihara, Yuji Kishima, Minoru Murata, Atsushi Hoshino and Hirotomo Takatsuka.
D O I：10.1007/s10577-021-09676-z
U R L：https://link.springer.com/article/10.1007/s10577-021-09676-z
＜详细研究内容＞
https://www.okayama-u.ac.jp/up_load_files/press_r3/press20211018-2.pdf
＜咨询窗口＞
冈山大学 资源植物科学研究所
副教授　长岐清孝
（TEL）086-434-1208
（FAX）086-434-1208