2017 Fiscal Year Annual Research Report
Development of analysis method for multi-resolution Calcium imaging data
Publicly Offered Research
| Project Area | Principles of memory dynamism elucidated from a diversity of learning systems |
|---|
| Project/Area Number |
16H01269
|
|---|
| Research Institution | Tokyo Institute of Technology |
|---|
Principal Investigator |
青西 亨 東京工業大学, 情報理工学院, 准教授 (00333352)
|
|---|
| Project Period (FY) |
2016-04-01 – 2018-03-31
|
| Keywords | 自動細胞検出 / カルシウムイメージング / 非負値行列因子分解 / 多重解像度 |
|---|
| Outline of Annual Research Achievements |
神経科学の分野において、カルシウムイメージングは多細胞の活動を同時記録する重要な手法の一つである。近年、二光子顕微鏡などの計測装置の急激な発展により、広視野から数万個の細胞の活動を計測することが可能になった。このような計測装置の急速な進歩により、我々は巨大なデータをいかに解析するかという問題に直面するようになった。我々は、多重解像度技術を用いた細胞検出方法を開発することを目標として、以下の２つのアルゴリズムを開発した。
アルゴリズム１：理化学研究所脳科学総合研究センター村山チームで開発されている超広視野二光子顕微鏡で取得される大規模イメージングデータに適用できる、低計算コスト細胞検出アルゴリズム(Low-computational cost cell detection (LCCD) algorithm)を構成した。まず、他のグループから提案されているCNMF(neuron 2016)とSuite2P(bioRxiv 2016)と比較し、LCCDはほぼ同等の細胞検出性能を有することが確認できた。次に、理研村山チームから提供を受けた超広視野二光子顕微鏡の大規模データを用いて、LCCDは実用的な時間で多数の細胞を検出できることを確認した。この大規模データに対して、CNMFとSuite2Pは動作しなかった。現在英文論文の執筆をしている。
アルゴリズム２：多重解像度非負値行列因子分解(Multi-resolution non-negative matrix factorization(MNMF))による細胞検出法を開発した。低解像度データより大域的情報、高解像度データから局所詳細情報を得て、これらを結合することにより、細胞検出能力の向上を実現する。CNMFとSuite2Pと比べて、MNMFは高い細胞検出性能を有することが確認できた。現在英文論文の執筆をしている。
|
| Research Progress Status |
29年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
29年度が最終年度であるため、記入しない。
|
