抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
【背景】リアルタイムで生細胞の分子活性を可視化することができるので,タイムラプス顕微鏡は生物医学実験で広く使用されている。しかし,生物医学研究者は手動で細胞系統分析を行っている。自動系統追跡アルゴリズムの開発は,挑戦的なタスクである。過去20年間,深層ニューラルネットワーク(DNN)はコンピュータビジョンタスクにおいて優れた性能を示した。それらは複雑な視覚特徴を学習でき,長距離時間的依存性を捉え,自動細胞系統解析に使用できる可能性がある。【方法】本研究では,細胞系統解析(Cell-STN)のためのマルチタスク時空間特徴ベースの深層ニューラルネットワークを提案する。セル-STNは,著者らの畳み込み長短期記憶ベースのコアブロックを活用することにより,顕微鏡画像シーケンスから時空間特徴を抽出する。そして,提案したCell-STNは,マルチタスク方法で,細胞位置,有糸分裂事象,およびアポトーシス事象を予測するために,タスク特異的ネットワークを利用した。【結果】著者らは,3つのインハウスデータセット(MCF7,U2OS,およびHCT116)と1つの公開データセット(Fluo-N2DL-Hela)に関するCell-STNを評価した。細胞追跡のために,ピーク毎の精度,トラックワイズ精度,エンドピーク精度,および空間距離を計量として使った。全体の結果は,セル-STNモデルが他の最先端のセルトラッカーより優れていることを示した。有糸分裂とアポトーシス作業のために,著者らは,計量として精度,F1スコア,時間的距離,および空間距離を使用した。セル-STNモデルはすべてのデータセットで最高の性能を達成した。【結語】本研究は,顕微鏡画像における細胞系統解析のための新規DNNアプローチを示した。Cell-STNは4つのデータセットで優れた性能を示した。さらに,Cell-STNは最小訓練データを必要とし,タスク特異的層を追加することにより新しい生物学的事象検出タスクに適応できる。このアルゴリズムは,実世界の生物医学研究に使用できる可能性がある。【JST・京大機械翻訳】