分散学習ネットワークモデルを用いた病理組織画像の特徴抽出の最適化

利用分布式学习网络模型优化病理组织图像特征提取

基本信息

批准号：
21K12111
负责人：
小野直亮
金额：
$ 2.5万
依托单位：
Nara Institute of Science and Technology
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2021
资助国家：
日本
起止时间：
2021-04-01 至 2024-03-31
项目状态：
已结题

项目摘要

本研究では、深層学習を用いてマウスの膵臓の腫瘍からサンプリングした組織を５つの異なる染色技術、すなわち、HE (ヘマトキシリン & エオシン染色)、MT (マッソントリクローム染色)、およびCD31 (分化クラスター 31)、CK19 (サイトケラチン 19)、および Ki67 (増殖マーカー Ki67)の３つの免疫染色方法で染色し、得られた画像から細胞構造の特徴を抽出し、潜在空間に埋め込むモデルを構築した。病理組織画像からランダムに切り出した画像をもとにVector Quantized Variational Autoencoders (VQ-VAE)をもとにしたオートエンコーダーを用いて特徴抽出を最適化したのち、細胞の種類の異なるパターンを区別するために教師なしクラスタリングの手法をもちいて学習させた。クラスター間の画像の特徴の差異を最大化する情報量最大化のアルゴリズムによって、埋め込まれた潜在空間におけるサンプルの分布を解析し、クラスター構造を最適化した。クラスター間の分離を評価する統計的な指標である Dunn インデックスを用いて、クラスター数に依存する分離の精度を評価し、教師なし学習の課題で最適なクラスター数を決定した。

In this study, tissue sampled from tumors in the mouse pancreas using deep learning was stained using five different staining techniques: HE (hematoxylin & eosin staining), MT (Masson trichrome staining), and CD31 (differentiated cluster 31), CK19 (cytokeratin 19), and Ki67 (proliferation marker Ki67), and a model in which cell structure features were extracted from the构建了获得的图像并嵌入了潜在空间。从病理组织学图像中随机提取的图像是使用基于矢量量化的变异自动编码器（VQ-VAE）的自动编码器优化的，然后使用无监督的聚类技术来区分不同类型的细胞类型。通过一种算法分析了嵌入式潜在空间中样品的分布，以最大化信息量，从而最大程度地提高了簇之间的图像特征差异，并且优化了群集结构。使用Dunn索引，一个用于评估簇之间分离的统计指标，我们评估了取决于集群数量的分离的准确性，并确定了无监督学习任务的最佳簇数。

项目成果

期刊论文数量（0）

专著数量（0）

科研奖励数量（0）

会议论文数量（0）

专利数量（0）

Feature Extraction and Unsupervised Clustering of Histopathological Images of Pancreatic Cancer Using Information Maximization

DOI：
10.1109/gcce56475.2022.10014057
发表时间：
2022-10
期刊：
2022 IEEE 11th Global Conference on Consumer Electronics (GCCE)
影响因子：
0
作者：
M. I. Rumman;N. Ono;K. Ohuchida;M. Altaf-Ul-Amin;Ming Huang;Shigehiko Kanaya
通讯作者：
M. I. Rumman;N. Ono;K. Ohuchida;M. Altaf-Ul-Amin;Ming Huang;Shigehiko Kanaya

Straightforward Clustering for Morphological-Level Pancreatic Carcinoma Identification

用于形态学水平胰腺癌识别的直接聚类