|
本研究では，染色なしで定量的な組織診断を可能にする「定量位相イメージングを用いた病理診断」において，AI技術を適用してスループットと診断の正確性を向上させることを目的として，以下の研究を実施した．
（１）深層学習による高解像化定量位相画像の瞬時取得：
深層学習によって高解像化した定量位相画像は，実際に高解像光学系で取得した定量位相画像と同等の精度での組織診断を行えるだけの品質を達成できるかを調査した．2022年度はいくつかの高解像化深層学習手法や，定量位相画像から算出するいくつかの特徴量マップについて検討したが，指標値のうえでの高解像化には成功したものの，病理診断精度の向上までは確認できなかった．期間全体として深層学習による定量位相画像の高解像化フローが確立できたものの，深層学習によって復元可能な解像度比や特徴量マップなどの詳しい特性の調査と病理診断への応用は今後の検討課題として残った．
（２）機械学習による組織診断の高精度化：
複数のマーカーを組み合わせて組織診断を行うために，機械学習を用いて複数マーカーを用いた識別率を比較した．2022年度は，2021年度までに提案した局所エントロピーを含む複数のマーカーを分類学習器に適用し，単独マーカーの場合よりも高い識別率を達成できるマーカーの組み合わせ方があることを確認した．特に，複数のマーカーに対して主成分分析を行い，それぞれのマーカーの寄与率を可視化することに成功した．その結果，局所空間自己相関長は他との組み合わせに不向きである傾向が見られたものの，それ以外のマーカーは組み合わせによる精度向上への貢献が見られた．期間全体を通じては，複数の特徴量を組み合わせることによる精度向上が確認できたことに加え，それらの寄与を可視化できるようになった点で期待以上の知見が得られたと考える．
|
