Construction of a large-scale analysis platform for cancer histopathology using deep texture representation

利用深度纹理表示构建大规模癌症组织病理学分析平台

• 批准号: 21H03836
• 负责人: 河村 大輔
• 金额: $ 9.9万
• 依托单位: The University of Tokyo
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (B)
• 财政年份: 2021
• 资助国家: 日本
• 起止时间: 2021-04-01 至 2025-03-31
• 项目状态: 未结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-21H03836/
• 关键词: 深層学習; デジタル病理画像; 癌; 病理組織画像; がん

病理組織標本はがん細胞そのものやがん細胞と間質の細胞との相互作用が作り出す組織形態を通してがんに関する様々な情報を与えてくれる。近年、病理組織スライド全体を専用のスキャナで取り込んだWhole Slide Image(WSI)が得られるようになり、組織画像のデジタル化が進んでいる。しかし、大量のWSIを効率よく客観的・定量的に評価する技術が存在しないため、ゲノム情報のように数千-数万症例規模の比較解析による新たな知見の獲得が困難になっている。申請者は、これまで深層学習技術を用いてがん種横断的に組織学的特徴を数値化する独自技術を開発してきた。本研究ではこの技術を用い、多種多様な組織像を体系的に収集・分類することであらゆる組織形態を含んだリファレンスデータを構築する。さらに、このリファレンスデータを用いてWSIに含まれる組織全体を数値化し、人手によるWSIの前処理を行うことなく大量のWSIを客観的、定量的に評価するための汎用的な解析基盤を開発する。またこの解析基盤を用いて多くのWSIを解析することで、臨床的に重要な知見の獲得を目指す。令和4年度は引き続き複数の医療機関から希少腫瘍を含む多種多様な症例のWSI画像を収集した。また、令和3年度に構築したデータセットを訓練データとして高精度な細胞・組織セグメンテーションモデルを開発した。本モデルの精度を評価したところ、病理医の識別精度と同等か細胞種によってはそれ以上であることが示された。これにより画像として類似していても異なる細胞を区別可能とすることが可能となった。さらに、本モデルを利用し、胃がん症例に対して上皮細胞を抽出し、その深層テクスチャの類似性に基づくクラスタリングを行い、クラスタごとに上皮細胞のサブタイプの情報を付与することで、胃がんの上皮形態リファレンスを構築した。

Pathological tissue samples は が ん cells そ の も の や が と ん cells stromal cells の と の interaction が as り す organization form を tong し て が ん に masato す る others 々 な intelligence を and え て く れ る. In recent years, histopathologic ス ラ イ ド all を 専 with の ス キ ャ ナ で take り 込 ん だ Whole Slide Image (WSI) が ら れ る よ う に な り portraits, organization の デ ジ タ ル change が into ん で い る. し か し, massive の WSI を sharper rate よ く guest 観 · に of quantitative evaluation of 価 す が る technology is し な い た め, ゲ ノ ム intelligence の よ う に thousands to tens of thousands of cases scale の comparative analytic に よ る new た な knowledge の が difficult に な っ て い る. Applicants は, こ れ ま で deep learning technology を with い て が ん kind of cross sectional に histology of 徴 を the numerical change す る technology alone を open 発 し て き た. This study で は こ の technology を い, many many others like を な organization system of に 収 collection, classification す る こ と で あ ら ゆ る を morphology including ん だ リ フ ァ レ ン ス デ ー タ を build す る. さ ら に, こ の リ フ ァ レ ン ス デ ー タ を with い て WSI に containing ま れ る organizes all を the numerical し, manpower に よ る WSI の 処 before Richard を line う こ と な く large の WSI を guest 観, quantitative に review 価 す る た め の domestic な resolution plate を open 発 す る. ま た こ の parsing base plate を with い て more く の WSI を parsing す る こ と で important な knowledge, clinical に の get を refers す. In the 4th year of the Reiwa era, 続 続 続 multiple numbers of <s:1> medical related ら ら rare abscesses を containing む various and multiple な cases <e:1> WSI portraits を publications た た. ま た, make and 3 year に build し た デ ー タ セ ッ ト を training デ ー タ と し て high-precision な cells, tissues, セ グ メ ン テ ー シ ョ ン モ デ ル を open 発 し た. This モ デ ル を の precision evaluation 価 し た と こ ろ the identification accuracy, pathology, medical の と equally か cells of に よ っ て は そ れ above で あ る こ と が shown さ れ た. こ れ に よ り portrait と し て similar し て い て も different な る cells を differences may have と す る こ と が may と な っ た. さ ら に, this モ デ ル を using し, stomach が ん cases に し seaborne て epithelial cells を drew し, そ の deep テ ク ス チ ャ の similarity に base づ く ク ラ ス タ リ ン グ を い, ク ラ ス タ ご と に epithelial cells の サ ブ タ イ プ の intelligence を give す る こ と で, stomach が ん の epithelial morphological リ フ ァ レ ン ス を build し た.

项目成果

Advanced deep learning applications in diagnostic pathology

• DOI: 10.33611/trs.2021-005
• 发表时间: 2021
• 期刊: Translational and Regulatory Sciences
• 作者: D. Komura;S. Ishikawa

Universal encoding of pan-cancer histology by deep texture representations

• DOI: 10.1016/j.celrep.2022.110424
• 发表时间: 2022-03-01
• 期刊: CELL REPORTS
• 影响因子: 8.8
• 作者: Komura, Daisuke;Kawabe, Akihiro;Ishikawa, Shumpei
• 通讯作者: Ishikawa, Shumpei

Restaining-based annotation for cancer histology segmentation to overcome annotation-related limitations among pathologists.

• DOI: 10.1016/j.patter.2023.100688
• 发表时间: 2023-02-10
• 期刊: PATTERNS
• 影响因子: 6.5
• 作者: Komura, Daisuke;Onoyama, Takumi;Shinbo, Koki;Odaka, Hiroto;Hayakawa, Minako;Ochi, Mieko;Herdiantoputri, Ranny Rahaningrum;Endo, Haruya;Katoh, Hiroto;Ikeda, Tohru;Ushiku, Tetsuo;Ishikawa, Shumpei
• 通讯作者: Ishikawa, Shumpei

ディープラーニングを用いた細胞セグメンテーションのための癌病理組織画像データセット

使用深度学习进行细胞分割的癌症病理图像数据集

• 发表时间: 2022
• 作者: Sumiya Kazuki;Izumi Hiroto;Adachi Yoshiyuki;Mochizuki Shinichi;Sakurai Kazuo;河村大輔; 斧山巧; 新保幸輝; 小高滉人; 遠藤春哉; 越智三枝子; 加藤洋人; 牛久哲男; 石川俊平
• 通讯作者: 河村大輔; 斧山巧; 新保幸輝; 小高滉人; 遠藤春哉; 越智三枝子; 加藤洋人; 牛久哲男; 石川俊平

深層ニューラルネットワークによるがん病理組織形態の数値化

使用深度神经网络量化癌症病理组织形态学

• 发表时间: 2022
• 作者: Sutrisno Linawati;Chen Huajian;Yoshitomi Toru;Kawazoe Naoki;Yang Yingnan,Chen Guoping;河村大輔
• 通讯作者: 河村大輔