2018 Fiscal Year Annual Research Report
Extraction and visualization of structural features of diseased cells using deep neural network
Publicly Offered Research
| Project Area | Multidisciplinary computational anatomy and its application to highly intelligent diagnosis and therapy |
|---|
| Project/Area Number |
17H05285
|
|---|
| Research Institution | The University of Electro-Communications |
|---|
Principal Investigator |
宮脇 陽一 電気通信大学, 大学院情報理工学研究科, 教授 (80373372)
|
|---|
| Project Period (FY) |
2017-04-01 – 2019-03-31
|
| Keywords | 形態特徴 / グリア細胞 / 深層学習 / イメージング / 病態 |
|---|
| Outline of Annual Research Achievements |
本年度は、前年度までの課題で得られた結果をもとにして、課題３であるグリア細胞の疾患変異性特徴量の可視化と応用に中心的に取り組んだ。この目標達成のために、以下の項目を実施した。
（１）グリア細胞の形状特徴量を用いた疾患状態予測と疾患変異性特徴量の同定：グリア細胞画像から抽出した特徴量のうち、どの特徴量が疾患時に大きな影響を受けるのかをスパースモデリングの手法を用いて解析し、ごく一部の特徴量からも疾患状態が予測可能であることを確認した。
（２）疾患変異性特徴量の可視化：（１）の方法で同定された特徴量に対応する画像部分がどこであるかを可視化し、形態変異に関与している細胞部位を解釈可能にすることを試みた。結果、疾患予測に重要な特徴量が局在する空間位置を、細胞画像に重ね書きして可視化する技術の開発に成功した。
（３）空間特異性の解析：疾患によって強い変化をうける特徴量がどこに局在しているかを解析した。細胞体近辺あるいはその周辺部に局在している場合などが見受けられたが、現時点では体系的に統一した傾向は見られていない。
以上の結果より、当初の研究目的であったグリア細胞の形態特徴と病態との連関を示すことに成功し、またその関係性を細胞画像上で可視化する技術の開発に成功したといえる。その一方で、細胞形態変化の特異性に統一的な解釈を与えるには至っていない。こうしたばらつきは、例えば血管との距離や皮質表面からの深さなど、細胞が位置する情報などとの関連を付加的に解析することにより吸収できる可能性もあると考えている。
|
| Research Progress Status |
平成30年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
平成30年度が最終年度であるため、記入しない。
|
Research Products
(10 results)
