Deep Learningを用いたデジタル病理画像からの遺伝子変異推定

使用深度学习从数字病理图像估计基因突变

基本信息

批准号：
16H06766
负责人：
河村大輔
金额：
$ 1.91万
依托单位：
Tokyo Medical and Dental University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Research Activity Start-up
财政年份：
2016
资助国家：
日本
起止时间：
2016-08-26 至 2018-03-31
项目状态：
已结题

项目摘要

本研究では、Deep Learning（深層学習）を腫瘍のデジタル病理画像に適用することで、治療の選択に影響を与える遺伝子変異の有無を病理画像から推定し、遺伝子変異と相関する組織学的特徴を病理医が解釈可能な形で提示することを目指す。本年度は、Deep Learningの教師データを効率よく得るために、腫瘍を含む領域・含まない領域を手動で選択するためのGUIシステム（PathologyMap）を開発した。本システムは地図画像の表示用に開発され、病理医を含む多くのユーザに日常的に利用されているGoogle MapのAPIをベースに実装を行った。そのため、操作方法を学ぶための時間および開発期間が大幅に短縮され、短時間で多くの教師データを生成することが可能となった。本システムを用いて、申請者の研究室に所属する病理医が、実際のデジタル病理画像約３８０症例から腫瘍を含む領域・含まない領域を選択し、教師データを作成した。また、デジタル病理画像では画像サイズが一般画像と比較して極めて大きいため、入力画像の解像度を調整する必要がある。しかし、高倍率画像では複数の細胞からなる構造レベルの情報が失われ、低倍率画像では細胞レベルの情報が失われるという問題があった。そのため、低倍率から高倍率まで３種類の拡大倍率の画像を同時に学習する深層学習技術であるMulti-resolution Convolutional Autoencoderを開発した。本手法を実際のデジタル病理画像に適用し、単独の倍率のみから学習したモデルに比べて性能が向上することを示した。

在这项研究中，通过将深度学习应用于肿瘤的数字病理图像，我们的目的是推断出或不存在影响病理图像中治疗选择的基因突变，并提出与遗传突变相关的组织学特征，以病理学家可以解释的方式将其相关。今年，我们开发了一个GUI系统（病理图），该系统使您能够手动选择包含肿瘤的区域并且没有肿瘤，以便有效地获得深度学习的教学数据。该系统是为显示地图图像而开发的，并根据Google Map API实现，该系统每天都在包括病理学家在内的许多用户使用该系统。这大大减少了学习如何操作系统的时间和开发时间，从而可以在短时间内生成大量的教师数据。使用该系统，属于申请人实验室选定区域的病理学家，其中包含大约380张实际数字病理图像，并创建了教师数据。此外，由于与一般图像相比，数字病理图像的图像大小非常大，因此有必要调整输入图像的分辨率。但是，存在一个问题，因为在高放大图像中，有关多个单元的结构水平的信息会丢失，并且在低放大图像中丢失了细胞水平的信息。因此，我们开发了多分辨率卷积自动编码器，这是一种深度学习技术，同时学习了三种类型的放大倍率，从低到高放大倍率。该方法应用于实际的数字病理图像，并表明与仅通过单个放大倍数训练的模型相比，性能得到了提高。