研究課題
１．深層学習による細胞領域のセグメンテーション精度の向上細胞の動きを検出するには、顕微鏡画像中での細胞領域を検出するセグメンテーションと組み合わせることで、画像のノイズ等による細胞以外の領域の見せかけの移動を誤検出することを抑制することができる。そこで、深層学習により細胞領域を学習させ、細胞領域のセグメンテーションを行う手法を開発した。深層学習により領域認識の精度を向上させるには、できるだけ多くの学習データで学習させることが必要となる。このため、画像類推を用いた学習データ拡張により、顕微鏡の撮像条件や画像のコントラストの違いを意識した多様な学習データを生成することで学習データを量的だけでなく質的にも増やすことにより、細胞領域のセグメンテーション精度を向上させることができた。２．脂肪細胞領域のセグメンテーション1.の深層学習による細胞領域のセグメンテーションを、実際にマウス脂肪組織での脂肪細胞の認識に応用した。脂肪組織での脂肪細胞のセグメンテーションでは、脂肪細胞が持つ画像領域としての特徴が少なく、画像の撮像条件の違いや画像中のノイズの影響を受けやすいため、画像処理による自動認識が困難であった。1.で述べた手法により、撮像条件やノイズを考慮した多様な学習データを生成することができ、これにより、高脂肪食による負荷をかけ、肥満させたマウスにおける脂肪細胞の拡大を画像処理により検出することに成功した。このセグメンテーション手法を使うことで、アドレナリン刺激による脂肪細胞での脂肪の分解とエネルギー消費をDPP-4（ジベチブルペプチダーゼ-4）が阻害していることを見つけて、その影響を定量的に計測することができた。
すべて 2018
すべて 雑誌論文 (1件) (うち国際共著 1件、 査読あり 1件、 オープンアクセス 1件) 学会発表 (1件)
FEBS Open Bio
巻: 8 ページ: 1782～1793
10.1002/2211-5463.12498
