| 研究課題/領域番号 |
16K15327
|
|---|
| 研究機関 | 信州大学 |
|---|
研究代表者 |
木村 文一 信州大学, 医学部, 講師(特定雇用) (10621849)
|
|---|
| 研究分担者 |
太田 浩良 信州大学, 学術研究院保健学系, 教授 (50273107)
佐藤 之俊 北里大学, 医学部, 教授 (90321637)
|
|---|
| 研究期間 (年度) |
2016-04-01 – 2019-03-31
|
| キーワード | Image analysis / Texture analysis / Signal intensity / GLCM / Support vector machine / Malignant mesothelioma / Local binary pattern / Tamura特徴量 |
|---|
| 研究実績の概要 |
悪性中皮腫と鑑別が困難な反応性中皮細胞の細胞診標本を用いて顕微鏡画像を取得し、核クロマチンの分布状態を数値解析ソフトウェアMatlab（ver.R2012a, MathWorks Inc., Natick, MA., USA）により作成されたコードを用いて、テクスチャ解析を行った。今年度はtexture特徴量のうち、local binary pattern（LBP）、Tamura特徴量および大津のしきい値により領域分割を行い、euchromatin面積比とheterochromatin領域、euchromatin領域の信号値を算出することにより反応性中皮細胞と悪性中皮腫細胞核の特徴を数値化した。反応性中皮細胞および悪性中皮腫の細胞核から得られた各特徴量に対して統計解析ソフトウェアIBM SPSS Statistics 22,（IBM Corp., Armonk, NY., USA）にて特徴量の有意差検定を行った。その後、得られた特徴量をもちいて機械学習機support vector machineによる判別分析を行った。各特徴量の算出と機械学習機support vector machineによる判別分析はMatlabでコードしたプログラムを用いて実施した。また、得られた特徴量に対して、従来から用いられている病理・細胞診断学的な顕微鏡を用いた細胞組織形態学的鑑別所見と比較することで、特徴量の意味と有用性を検討した。なお、第56回日本臨床細胞学会で発表した演題名「悪性中皮腫における客観的数量化技術開発および機械学習機による判別分析研究」は、ポスター優秀演題賞を受賞した。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
LBP特徴量はtarget pixelの信号値が周辺pixelの信号値との差に着目し、その組み合わせを頻度として算出している。Target pixelが周辺のpixelよりも輝度値が高い、すなわちTarget pixelが周辺のpixelよりも明るいことを示している。この頻度が低いと明るい点が少なく、クロマチンは増加していると考えられる。悪性中皮腫では、反応性中皮細胞よりこの頻度が少ない。一方、target pixelの周囲半分が、target pixelより信号値が高く、残りの半分は信号値が低いパターンは、クロマチン顆粒のcornerやedgeを表している。粗顆粒状のクロマチン分布では、このパターンの頻度は高くなる。反対に、細顆粒状のクロマチン分布では、これらのパターンの頻度が低くなると考える。以上のことから、反応性中皮細胞のクロマチン分布は細顆粒状であり、悪性中皮腫は粗顆粒状であると考えられる。
Tamura特徴量のcoarsenessは、target pixelの上下・左右隣の3x3,5x5,9x9,17x17および33x33 pixelサイズ枠の信号値平均の差を求め、一番大きい差のwindowサイズの頻度を表し、contrastでは、標準偏差および尖度を用いて算出。標準偏差が小さく、尖度が大きいほど、ばらつきが小さいことを意味する。反応性中皮細胞の方が悪性中皮腫よりも有意に低値を示しており、均質なクロマチン分布であることを示している。大津のしきい値を用いた各領域の信号値は、反応性中皮細胞の方が悪性中皮腫より高値を示した。
大津のしきい値を用いた信号では、78.3%、LBPが81.3%、Tamura特徴量が77.2%とLBPの方が高い判別率を示した。これら全ての特徴量を用いた判別結果では86.8％という結果を示し、手法を加えることで順調に高い判別率を得ることができた。
|
| 今後の研究の推進方策 |
平成30年度は、画像解析領域で使用されているfilter setを使用する。虹彩認識や指紋認識などの生体認証に必要なパターン認識技術にも利用されたgabor fiterやgaussian 1次・2次導関数によるfilterおよびlablacian filter setを用いて核画像に畳込み演算を行い、平均信号値、標準偏差、歪度および尖度をMatlabにて算出する。得られた特徴量に対して、統計学的有意差検定、機械学習機support vector macineで判別率を算出する。状況によりnon-linear support vector machine, random forestなど他の機械学習－識別器を用いた判別分析を行う。各特徴量の値と細胞の形態学的側面を比較して、特徴量と細胞形態の関係を現場で細胞診検査や病理診断を行っている細胞検査士や病理医に役立てるように解明したい。また同時に、その時点まで明らかになった研究成果について日本臨床細胞学会などで発表、海外紙に論文投稿を行い、学外研究者と議論をかわして研究方針の修正などブラッシュアップを行う。今年度は、判明した各種有効特徴量－アルゴリズムより、核特徴量計測用プロトタイプソフトウェアの開発を行う。研究分担者、研究協力者と協力し、プロトタイプソフトウェアの仕様調査を行い開発に役立てる。
|
| 次年度使用額が生じた理由 |
理由
当初予定していた交通費と宿泊費を安く抑えることができたため、次年度使用額が生じた。
使用計画
次年度使用額は平成30年度請求額と合わせて、数値解析ソフトウェアMatlabの年間保守契約費用、画像解析に関わるコンピュータ関連機器や消耗品の費用、研究打合せ・学会発表に関わる宿泊費・交通費、そしてプロトタイプソフトウェア開発費とする。
|
