研究課題
基盤研究(B)
深層学習(Deep Learning)を利用することで、今まで困難だったマウス胚発生の4次元蛍光顕微鏡画像から核同定を行う画像処理アルゴリズムを開発した。既存のマウス胚発生における細胞動態の解析では、4次元顕微鏡画像に対しては16細胞期以降の核同定の精度は非常に低くなってしまうといった問題点があった。本研究課題では、近年画像解析にて強力な手法として注目を集めている深層学習を用いた核同定アルゴリズムを開発し、50細胞期までの正確な核同定を行い、胚の質を評価し得る定量的な指標の獲得を行った。
学術的意義として、当研究課題で開発したQCANetは、極体を除いた細胞核のセグメンテーションを行うことに成功し、初期マウス発生過程における胚ごとの違いを定量的に比較することが可能であることが示された点が挙げられる。社会的意義としては、今後QCANetを用いて初期胚を定量的に評価するための最適な指標の探索を行うことで、経験的に定められた指標に代わる、産仔作出能との関連性が高い「胚の質を評価し得る指標」の確立が期待される点が挙げられる。
すべて 2020 2019 2018 2017 2016 その他
すべて 国際共同研究 (8件) 雑誌論文 (3件) (うち国際共著 1件、 査読あり 3件、 オープンアクセス 3件) 学会発表 (32件) (うち国際学会 14件、 招待講演 19件) 備考 (1件)
PLOS ONE
巻: 14 号: 9 ページ: e0221245-e0221245
10.1371/journal.pone.0221245
Applied Sciences
巻: 9 号: 24 ページ: 5503-5503
10.3390/app9245503
Frontiers in Physiology
巻: 7
10.3389/fphys.2016.00196
https://github.com/funalab/QCANet