遺伝子発現情報のクラスタリングにもとづいた肺がん組織病理画像の特徴抽出
Publicly Offered Research
| Project Area | Multidisciplinary computational anatomy and its application to highly intelligent diagnosis and therapy |
|---|
| Project/Area Number |
15H01123
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research on Innovative Areas (Research in a proposed research area)
|
| Allocation Type | Single-year Grants |
|---|
| Review Section |
Science and Engineering
|
|---|
| Research Institution | Nara Institute of Science and Technology |
|---|
Principal Investigator |
小野 直亮 奈良先端科学技術大学院大学, 情報科学研究科, 助教 (60395118)
|
|---|
| Project Period (FY) |
2015-04-01 – 2017-03-31
|
| Project Status |
Completed (Fiscal Year 2016)
|
| Budget Amount *help |
¥3,380,000 (Direct Cost: ¥2,600,000、Indirect Cost: ¥780,000)
Fiscal Year 2016: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000)
Fiscal Year 2015: ¥2,080,000 (Direct Cost: ¥1,600,000、Indirect Cost: ¥480,000)
|
|---|
| Keywords | 医用画像解析 / Deep Neural Network / 遺伝子発現解析 / 生体生命情報学 / 組織画像検査 |
|---|
| Outline of Annual Research Achievements |
本研究では、肺がんの遺伝子発現が細胞の形状の表現型にあたえる影響を理解する為、さまざまながんを網羅した多元データベースであるThe Cancer Genome Atlas より肺腺癌の組織画像と遺伝子発現データを取得し、その関係性をモデル化した。画像認識には畳み込みニューラルネットワークをもちい、まず肺腺癌の組織画像からランダムに切り出したサンプルデータをもとに、教師なし学習である自己複合写像のネットワークの最適化を行い、情報量を1/16まで圧縮しても元の画像を効率よく再構成可能な特徴量ベクトルを抽出するネットワークを構築した。次に、抽出された特徴ベクトルをもとに、遺伝子発現プロファイルからクラスタリングによって得られた3種類のサブタイプを判別するモデルを学習した。通常の畳み込みニューラルネットワークでは局所的なピクセルの特徴に着目するため、肺腺癌の細胞パターンのような情報を分類するのは困難であったが、ネットワークの構造を多層化し、情報の縮約を繰り返することによって、多数の細胞の視野に含む2048x2048画素（およそ1mm角）の画像を入力データとして利用することを可能にし、異なる細胞の種類の分布といった統計的な情報も含めて学習させることにより、最終的に99.6%の高精度で肺腺癌のサブタイプを判別できることを示した。本研究で構築した深層学習モデルによる病理組織画像の特徴抽出システムは肺がんだけでなく多様な細胞画像の学習と分類に応用可能であると期待できる。
|
| Research Progress Status |
28年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
28年度が最終年度であるため、記入しない。
|
Report
(2 results)
Research Products
(4 results)
