| 研究課題/領域番号 |
21K12111
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分62010:生命、健康および医療情報学関連
|
|---|
| 研究機関 | 奈良先端科学技術大学院大学 |
|---|
研究代表者 |
小野 直亮 奈良先端科学技術大学院大学, データ駆動型サイエンス創造センター, 准教授 (60395118)
|
|---|
| 研究分担者 |
大内田 研宙 九州大学, 大学病院, 講師 (20452708)
|
|---|
| 研究期間 (年度) |
2021-04-01 – 2024-03-31
|
| 研究課題ステータス |
完了 (2023年度)
|
| 配分額 *注記 |
3,900千円 (直接経費: 3,000千円、間接経費: 900千円)
2023年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
2022年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
2021年度: 2,080千円 (直接経費: 1,600千円、間接経費: 480千円)
|
|---|
| キーワード | 深層学習 / 病理組織画像 / 教師なしクラスタリング / 膵がん / 免疫染色 / 多種染色法 |
|---|
| 研究開始時の研究の概要 |
病理組織画像のような特殊な画像に対してニューラルネットワークを適用しようとする場合には、既存のモデルではなく画像の特性に合わせた特徴抽出の方法を最適化させる必要がある。本研究では申請者が開発した分散学習型オートエンコーダーを用い、教師なし学習による画像の特徴のクラスタリングを学習させる。学習したモデルをもとに、膵がんの細胞の形状のパターンを分類するための深層学習モデルを構築し、膵臓組織の細胞の表現型を定量的な指標で表せるようにすることで、膵がんの状態の理解と分析につがなると期待できる。
|
| 研究実績の概要 |
本研究では、深層学習を用いた病理画像分析手法を開発した。膵臓がんのモデルマウスであるKPC マウスからサンプルした病理組織画像の全スライド画像 (WSI) を用いて手法を実装。KPC マウスで観察される膵臓の異常は、ヒトの病理学的特徴と類似している。WSI からランダムな画像パッチを作成し、深層学習をもとにした畳み込みオートエンコーダーのフレームワークを使用して、これらの画像を高次元の潜在空間の表現に埋め込む。分類モデルの学習においては教師データとなるアノテーションの作成がボトルネックとなるが、本研究では「情報最大化」手法を応用した教師なしクラスタリングの手法を適用して細胞組織の画像の自動的な分類を実現した。さらに、非線形次元削減手法である UMAP を用いて、潜在空間における画像情報の分布を可視化した。教師なしクラスタリングにおいては最初に定義するクラスタの種類数が分類のパフォーマンスを大きく制限するが、本研究ではクラスタの分類を評価する指標であるXie-Beni インデックス、Calinski-Harabasz インデックス、C インデックス、Hartigan インデックス、Dunn インデックス、および Mclain-Rao インデックスの 6 つの評価指標を用い、グリッドサーチにより最適なクラスタ数を決定した。本研究のモデルは膵臓がんの病理組織画像を対象としているが、提案手法はより一般的な組織画像の解析に利用することが可能であり、高解像度の病理画像における細胞組織の分類をもとにして異常検出など医療従事者が診断を下す際の見落としを防ぐなどの診断支援に活用されると期待できる。
|
