| 研究課題/領域番号 |
17K12779
|
|---|
| 研究種目 |
若手研究(B)
|
| 配分区分 | 基金 |
|---|
| 研究分野 |
生命・健康・医療情報学
|
|---|
| 研究機関 | 名古屋市立大学 |
|---|
研究代表者 |
大佐賀 智 名古屋市立大学, 医薬学総合研究院(医学), 助教 (60790772)
|
|---|
| 研究期間 (年度) |
2017-04-01 – 2020-03-31
|
| 研究課題ステータス |
完了 (2019年度)
|
| 配分額 *注記 |
1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
2018年度: 650千円 (直接経費: 500千円、間接経費: 150千円)
2017年度: 650千円 (直接経費: 500千円、間接経費: 150千円)
|
|---|
| キーワード | サイトメトリー / 機械学習 / クラスタリング / フローサイトメトリー |
|---|
| 研究成果の概要 |
フローサイトメトリーデータの機械学習に基づく細胞集団の自動分類手法として、測定条件の違いによるデータの分布の大幅な変動をアフィン変換として記述し、自動分類時にアフィンパラメータを推定しそれを打ち消すように補正することで、測定条件に対して頑健な自動分類法を提案した。これを人工データと実際のフローサイトメトリーデータに適用し、2次元の低次元なデータであれば提案手法が有効であることが確かめられた。しかしながら、通常フローサイトメトリーで得られる10次元程度のデータについては、提案手法によるパラメータ推定が収束には至らず、適切な分類ができないことが明らかとなった。
|
| 研究成果の学術的意義や社会的意義 |
フローサイトメトリーにおいて測定条件によるデータの変動は大きな問題であり、実臨床や多施設共同研究での利用の障害になっている。本提案手法は高次元データでは十分なパフォーマンスを発揮できず実用に耐えるものにはなっていないが、測定条件に対して頑健な自動分析法を開発する上で本手法のアプローチは重要な示唆を与えるものと考えている。また、それは将来的にはフローサイトメトリーのより広い応用にもつながると期待している。
|
