| 研究課題/領域番号 |
16K12526
|
|---|
| 研究種目 |
挑戦的萌芽研究
|
| 配分区分 | 基金 |
|---|
| 研究分野 |
生命・健康・医療情報学
|
|---|
| 研究機関 | 大阪大学 |
|---|
研究代表者 |
新岡 宏彦 大阪大学, データビリティフロンティア機構, 特任准教授(常勤) (70552074)
|
|---|
| 研究分担者 |
田川 聖一 大阪大学, 産業科学研究所, その他 (60592764)
|
|---|
| 研究期間 (年度) |
2016-04-01 – 2018-03-31
|
| 研究課題ステータス |
完了 (2017年度)
|
| 配分額 *注記 |
2,600千円 (直接経費: 2,000千円、間接経費: 600千円)
2017年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
2016年度: 1,820千円 (直接経費: 1,400千円、間接経費: 420千円)
|
|---|
| キーワード | 深層学習 / ディープラーニング / 人工知能 / 再生医療 / 細胞分化 / 顕微鏡 / 内視鏡 / ラマン分光 / 画像解析 / 位相差顕微鏡 / ラマン顕微鏡 / スペクトル解析 / 機械学習 / 生物・生体工学 / 再生医学 |
|---|
| 研究成果の概要 |
深層学習を用いて、培養細胞の分化や細胞種を蛍光分子等使わず非侵襲に判断することの出来る技術の構築を行った。C2C12細胞(マウス筋芽細胞)の分化誘導を開始した日をDay0とし、CNN (Convolutional Neural Network)にDay0、Day3、Day6の位相差画像データを分類させたところ91.8%の正答率を達成した。また、DNN (Deep Neural Network)により3種類の生体組織由来のラマンスペクトルデータを86.2%の精度で分類することに成功した。さらに、アンチストークスラマン散乱(CARS)を用いることでデータ取得速度を大幅に向上させた。
|
