お知らせ 研究会の開催と会場に参加される皆様へのお願い(2020年10月開催~)
電子情報通信学会 研究会発表申込システム
講演論文 詳細
技報閲覧サービス
[ログイン]
技報アーカイブ
 トップに戻る 前のページに戻る   [Japanese] / [English] 

講演抄録/キーワード
講演名 2016-03-22 11:25
Deep convolutional neural networkを用いた低酸素適応前後のアストロサイトの画像判別
田中草介新タ雅啓正本和人宮脇陽一電通大NC2015-91
抄録 (和) グリア細胞の一種であるアストロサイトは,脳血管から神経細胞への各種の栄養因子の運搬に関わる重要な細胞である.アストロサイトは低酸素症などの病態時に形状を変化することが知られており,この形状変化が脳内環境の変化に対する微小血管系の再構築のうえで何らかの機能を担っているのではないかと考えられている.しかし,具体的にどのような形状特徴が病態時に影響を受けるのかについては不明である.本研究では,アストロサイトの形状特徴を定量化する新しいアプローチとして,DCNN(Deep Convolutional Neural Network)を用いてアストロサイト画像の特徴量を定量化する手法を提案する.低酸素適応前後のアストロサイトの二光子顕微鏡画像データを例として,DCNNを用いて抽出した画像特徴量を入力とし,アストロサイトが低酸素適応状態にあるかどうかを予測することにより,抽出された画像特徴量にアストロサイトの形状変化の情報が含まれているかどうかを評価した.解析の結果,他の低次画像特徴量に比べ,DCNNの高階層で表現される特徴量は,アストロサイト画像の撮像条件に依存せず高い判別成績を示した.また,判別に有効な特徴量の数は比較的少数であることがわかった.以上の結果は,DCNNがアストロサイトの形状特徴を記述するに有効な方法であることを示している. 
(英) Abstract Astrocytes are a type of glial cells that regulate transportation of nutrition from blood to neurons. Previous studies showed astrocytes change their shape in case of pathological conditions such as hypoxia, suggesting functional roles in microvasculature remodeling in response to environmental changes in the brain. However, it remains unclear what morphological features are specifically influenced by such pathological conditions. In this study, we focused on examples of hypoxia-adapting astrocytes and proposed a novel approach using DCNN (Deep Convolutional Neural Network) to extract morphological features of the astrocytes that change between pre- and post-hypoxia adaptation. The image data of astrocyte, measured by the two-photon microscopy, was analyzed by DCNN and image features represented in a higher layer was used to predict whether each of given astrocyte images corresponds to pre- or post-hypoxia adaptation. Results showed that the prediction performance was accurate (> 95%) for DCNN-extracted features, significantly higher than for other simple image features. Analyses of extracted features further showed that only a small number of image features were important for the prediction. These results suggest that DCNN-extracted image features contain useful information to identify morphological changes of astrocytes during hypoxic adaptation
キーワード (和) アストロサイト / Deep convolutional neural network / 低酸素症 / 画像特徴量 / 細胞形状 / 二光子顕微鏡 / サポートベクタマシン / 機械学習  
(英) Astrocyte / Deep convolutional neural network / Hypoxia / Image feature / Cellular morphology / Two-photon microscopy / Support vector machine / Machine learning  
文献情報 信学技報, vol. 115, no. 514, NC2015-91, pp. 125-130, 2016年3月.
資料番号 NC2015-91 
発行日 2016-03-15 (NC) 
ISSN Print edition: ISSN 0913-5685  Online edition: ISSN 2432-6380
著作権に
ついて
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034)
PDFダウンロード NC2015-91

研究会情報
研究会 MBE NC  
開催期間 2016-03-22 - 2016-03-23 
開催地(和) 玉川大学 
開催地(英) Tamagawa University 
テーマ(和) ME, 一般 
テーマ(英)  
講演論文情報の詳細
申込み研究会 NC 
会議コード 2016-03-MBE-NC 
本文の言語 日本語 
タイトル(和) Deep convolutional neural networkを用いた低酸素適応前後のアストロサイトの画像判別 
サブタイトル(和)  
タイトル(英) Image classification of astrocytes for pre- and post-hypoxia adaptation using deep convolutional neural network 
サブタイトル(英)  
キーワード(1)(和/英) アストロサイト / Astrocyte  
キーワード(2)(和/英) Deep convolutional neural network / Deep convolutional neural network  
キーワード(3)(和/英) 低酸素症 / Hypoxia  
キーワード(4)(和/英) 画像特徴量 / Image feature  
キーワード(5)(和/英) 細胞形状 / Cellular morphology  
キーワード(6)(和/英) 二光子顕微鏡 / Two-photon microscopy  
キーワード(7)(和/英) サポートベクタマシン / Support vector machine  
キーワード(8)(和/英) 機械学習 / Machine learning  
第1著者 氏名(和/英/ヨミ) 田中 草介 / Sosuke Tanaka / タナカ ソウスケ
第1著者 所属(和/英) 電気通信大学 (略称: 電通大)
The University of Electro-Communications (略称: UEC Tokyo)
第2著者 氏名(和/英/ヨミ) 新タ 雅啓 / Masahiro Nitta / ニッタ マサヒロ
第2著者 所属(和/英) 電気通信大学 (略称: 電通大)
The University of Electro-Communications (略称: UEC Tokyo)
第3著者 氏名(和/英/ヨミ) 正本 和人 / Kazuto Masamoto / マサモト カズト
第3著者 所属(和/英) 電気通信大学 (略称: 電通大)
The University of Electro-Communications (略称: UEC Tokyo)
第4著者 氏名(和/英/ヨミ) 宮脇 陽一 / Yoichi Miyawaki / ミヤワキ ヨウイチ
第4著者 所属(和/英) 電気通信大学 (略称: 電通大)
The University of Electro-Communications (略称: UEC Tokyo)
第5著者 氏名(和/英/ヨミ) / /
第5著者 所属(和/英) (略称: )
(略称: )
第6著者 氏名(和/英/ヨミ) / /
第6著者 所属(和/英) (略称: )
(略称: )
第7著者 氏名(和/英/ヨミ) / /
第7著者 所属(和/英) (略称: )
(略称: )
第8著者 氏名(和/英/ヨミ) / /
第8著者 所属(和/英) (略称: )
(略称: )
第9著者 氏名(和/英/ヨミ) / /
第9著者 所属(和/英) (略称: )
(略称: )
第10著者 氏名(和/英/ヨミ) / /
第10著者 所属(和/英) (略称: )
(略称: )
第11著者 氏名(和/英/ヨミ) / /
第11著者 所属(和/英) (略称: )
(略称: )
第12著者 氏名(和/英/ヨミ) / /
第12著者 所属(和/英) (略称: )
(略称: )
第13著者 氏名(和/英/ヨミ) / /
第13著者 所属(和/英) (略称: )
(略称: )
第14著者 氏名(和/英/ヨミ) / /
第14著者 所属(和/英) (略称: )
(略称: )
第15著者 氏名(和/英/ヨミ) / /
第15著者 所属(和/英) (略称: )
(略称: )
第16著者 氏名(和/英/ヨミ) / /
第16著者 所属(和/英) (略称: )
(略称: )
第17著者 氏名(和/英/ヨミ) / /
第17著者 所属(和/英) (略称: )
(略称: )
第18著者 氏名(和/英/ヨミ) / /
第18著者 所属(和/英) (略称: )
(略称: )
第19著者 氏名(和/英/ヨミ) / /
第19著者 所属(和/英) (略称: )
(略称: )
第20著者 氏名(和/英/ヨミ) / /
第20著者 所属(和/英) (略称: )
(略称: )
講演者
発表日時 2016-03-22 11:25:00 
発表時間 25 
申込先研究会 NC 
資料番号 IEICE-NC2015-91 
巻番号(vol) IEICE-115 
号番号(no) no.514 
ページ範囲 pp.125-130 
ページ数 IEICE-6 
発行日 IEICE-NC-2016-03-15 


[研究会発表申込システムのトップページに戻る]

[電子情報通信学会ホームページ]


IEICE / 電子情報通信学会