カテゴリー: yasutake-medical-image-analysis

疾患，特に腫瘍に対して確定診断をつける際，病理診断は必須のプロセスである．病理診断は単独もしくは複数の病理医の観察のもと行われる．本研究で取り扱う精巣胚細胞腫瘍の診断においては一般的に，診断時には各組織型ごとの占拠割合の記載が必要となるが，症例数が少ない組織型や複数の組織型の混在等があるため，割合を求めるための作業負荷が大きい．深層学習を活用し，診断前に各組織型ごとの割合が自動算出できれば，診断にかかる人的コストを大幅に削減できると考える．

本研究では，深層学習アルゴリズムであるYOLOv8-segを用いて，組織切片画像（Whole Slide Image: WSI）から精巣腫瘍の組織型を学習させ，推論を行う．組織型ごとにアノテーションを行った5枚のWSIを用いた．含まれる組織型は，セミノーマ，胎児性腫瘍，絨毛癌，卵黄嚢腫瘍，奇形腫である．各画像を細胞が視認できるレベルまで細かく分割し，データセット数700枚程度で追加学習を行った．

正常領域を含めた画像全体の正解率は１枚目(Fig. 2)97.47%，2枚目86.51%，3枚目60.45%，4枚目89.88%，5枚目96.49%となった．

用意した画像は，主に胎児性腫瘍の領域が大きく，胎児性腫瘍以外の4種類の領域は微小領域であったため，正解率への影響は小さい．そのため，今回の正解率の高さは，胎児性腫瘍の領域の検出精度の高さと言え，最も卵黄嚢腫瘍と奇形腫の領域が大きい３枚目の画像では学習が不十分のため，正解率が低い．

今後の展望として，追加学習やモデルの改良等を通して，胎児性腫瘍の領域以外の精度を上げたいと考える．

アレルギー性鼻炎は現代社会において多くの人が経験する疾患であり，その研究においてモデル動物としてマウスが広く使用されています．本研究が対象とするアレルギー性鼻炎の実験では，マウスの鼻腔にブタクサ花粉を注入してアレルギー反応を誘発し，その直後に起こるくしゃみや鼻擦り行動を人手で観測・記録しています．しかし，この手法では実験者の拘束時間が長く，休憩を挟まずに観察する必要があるため，実験者への負担が大きいという課題があります．本研究では，アレルギー性鼻炎モデルにおけるマウスのくしゃみや鼻擦り行動を自動的に検出するシステムの開発を，人や動物を対象とした体の部位をトラッキングする動画解析ライブラリであるDeepLabCutの出力結果に基づく行動認識と，3DCNNを用いた動画分類の2つの手法から目指しています．

DeepLabCutの出力結果による行動認識では，くしゃみの検出精度が20回中6回 (Fig. 1)，鼻擦りが７回中６回 (Fig. 2)という結果になりました．3DCNNを用いた動画分類では，くしゃみや鼻擦りを正確に検出するには至らず，依然として改善が必要な状況です (Fig. 3)．

また，実験者の負担軽減のためにマウス行動検出支援アプリの開発も行いました (Fig. 4)．

今後は，より高精度なデータセット収集やモデルの精度向上を図ります．