Optimization of feature extraction of histopathological images using deep learning

2023 Fiscal Year Final Research Report

• Project/Area Number: 21K12111
• Research Category: Grant-in-Aid for Scientific Research (C)
• Allocation Type: Multi-year Fund
• Section: 一般
• Review Section: Basic Section 62010:Life, health and medical informatics-related
• Research Institution: Nara Institute of Science and Technology
• Principal Investigator: ONO Naoaki 奈良先端科学技術大学院大学, データ駆動型サイエンス創造センター, 准教授 (60395118)
• Co-Investigator(Kenkyū-buntansha): 大内田 研宙 九州大学, 大学病院, 講師 (20452708)
• Project Period (FY): 2021-04-01 – 2024-03-31
• Keywords: 医用画像解析 / 深層学習 / 病理組織画像 / 診断支援

Outline of Final Research Achievements

In this study, we implemented a model for classifying cellular tissues using unsupervised learning with deep learning, utilizing whole slide images (WSI) of KPC mice to aid in the diagnosis of pancreatic cancer. Random patches (128×128 and 64×64 pixels) created from the WSIs were embedded into a latent space through nonlinear mapping by an autoencoder, and clustering was performed using information maximization. The clustering results were visualized in a two-dimensional space using UMAP, where clusters corresponding to different physiological cell types were observed. To determine the optimal number of clusters, various internal cluster validation indices were evaluated, indicating the presence of 13 or 14 different structures.

Free Research Field

システムズバイオロジー

Academic Significance and Societal Importance of the Research Achievements

本研究は、膵臓癌の診断支援におけるコンピュータ支援診断（CAD）の役割を強化する点で重要である。教師なし学習を用いたクラスタリング手法により、膵臓組織の異なる特徴を自動的に分類することが可能となった。特に、複数の染色法を組み合わせることで、注釈のないデータからでも細胞組織の分類を実現し、病変部位の詳細な把握を可能にした。この技術は、医療現場における診断精度の向上と、診断作業の効率化に寄与する。また、病理学研究における新たな情報の発見にも繋がる可能性がある。