| 研究課題/領域番号 |
19K22975
|
|---|
| 研究機関 | 京都府立医科大学 |
|---|
研究代表者 |
吉田 隆司 京都府立医科大学, 医学(系)研究科(研究院), 講師 (10546641)
|
|---|
| 研究分担者 |
足立 善昭 金沢工業大学, 先端電子技術応用研究所, 教授 (80308585)
山口 武志 金沢工業大学, 先端電子技術応用研究所, 研究員 (20593437)
|
|---|
| 研究期間 (年度) |
2019-06-28 – 2022-03-31
|
| キーワード | 生体磁気計測 / 計算機シミュレーション / 深層学習 / iPS細胞 / 再生医療 |
|---|
| 研究実績の概要 |
iPS細胞由来心筋細胞は再生医療や薬効試験における細胞材料として有望な候補だと考えられているが、その実用化にあたり高速かつ自動化可能な品質評価手法が必要とされている。我々は磁場計測が非侵襲・非接触・非破壊的であり、また生体の組成によって減衰することがないことに着目し、超高感度磁束計であるSQUIDセンサを用いて、細胞の電気活動に伴って生じる微弱な自発磁場を計測することによって、細胞の状態を定量的に評価する手法を検討してきた。
細胞の微小磁場を検出する手法として、数値シミュレーションにより推定した細胞磁場波形と現実のノイズを合成した教師データによる深層学習が有効であることを前年度までに示してきた。今年度は検出精度を改善するため、学習パラメーターのチューニングや、教師データとして使用するiPS細胞由来心筋細胞の自発磁場推定データの改善を行った。
具体的には時系列信号データをフーリエ シンクロスクイーズド変換によって時間-周波数領域に変換し、使用する周波数の領域を変えながら学習・ピーク検出を行い、生体磁気のピーク波形と背景ノイズを精度よく分離することに最も適した領域を見いだすことに成功した。また細胞集団のシミュレーションから推定した電気活動の伝播速度を実験値と比較することで、ギャップ結合の強度パラメータを推定し、現実の細胞をより良く再現するモデルの作成を行った。
さらに精度の向上を検証するため、細胞の磁場を模倣した人工磁場をSQUIDセンサで測定し、深層学習によりピーク波形の検出を行った。その結果、前年度までのネットワークと比較し、ピークの検出力が大きく向上したことを示すことに成功した。
また細胞磁場のような微小なスケールにおいてはFFTやScaledTemplate法といった従来の生体シグナル検出手法と比較しても、深層学習の方が優れていることを明らかに出来た。
|
