深層学習を用いたマウス胚核同定画像解析アルゴリズムの開発
【研究分野】システムゲノム科学
【研究キーワード】
画像解析 / 機械学習 / 深層学習 / 発生・分化
【研究成果の概要】
深層学習(Deep Learning)を利用することで、今まで困難だったマウス胚発生の4次元蛍光顕微鏡画像から核同定を行う画像処理アルゴリズムを開発した。既存のマウス胚発生における細胞動態の解析では、4次元顕微鏡画像に対しては16細胞期以降の核同定の精度は非常に低くなってしまうといった問題点があった。本研究課題では、近年画像解析にて強力な手法として注目を集めている深層学習を用いた核同定アルゴリズムを開発し、50細胞期までの正確な核同定を行い、胚の質を評価し得る定量的な指標の獲得を行った。
【研究の社会的意義】
学術的意義として、当研究課題で開発したQCANetは、極体を除いた細胞核のセグメンテーションを行うことに成功し、初期マウス発生過程における胚ごとの違いを定量的に比較することが可能であることが示された点が挙げられる。
社会的意義としては、今後QCANetを用いて初期胚を定量的に評価するための最適な指標の探索を行うことで、経験的に定められた指標に代わる、産仔作出能との関連性が高い「胚の質を評価し得る指標」の確立が期待される点が挙げられる。
【研究代表者】
【研究種目】基盤研究(B)
【研究期間】2016-04-01 - 2020-03-31
【配分額】16,380千円 (直接経費: 12,600千円、間接経費: 3,780千円)