| 講演名 | 2017-03-14 高次画像特徴量を用いた低酸素順応下におけるアストロサイト形態の経時変化の解析 西野 智博(電通大), 田中 草介(電通大), 新タ 雅啓(電通大), 須貸 拓馬(電通大), 正本 和人(電通大), 宮脇 陽一(電通大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | アストロサイトは脳血管から神経細胞への酸素供給や栄養補給を制御する重要な役割を担う細胞である．その細胞形態は，低酸素症などの病態時に変化すると言われているが，病態発現時からどのような時間経過をたどって細胞形態が変化するのかについて，これまで分かっていない．一方，我々はアストロサイトの形状変化を捉える新しいアプローチとしてDeep Convolutional Neural Network (DCNN)を用いる手法を提案し，その有効性を示してきた．そこで本研究では，低酸素順応後の複数日において，同じマウス個体の同じアストロサイトの形態を二光子顕微鏡で撮像し，それぞれの顕微鏡画像をDCNNで解析することにより，低酸素順応下でアストロサイトの形態が経時的にどう変わるのかについて検証を行った．DCNNで抽出された画像特徴量を入力とし，アストロサイトが低酸素状態にあるかどうかを予測する判別分析を行った結果，予測成績は低酸素順応が進むにつれて向上した．また，予測に必要な特徴量は低酸素順応が進むにつれて減少すること，またその特徴量は低酸素順応の異なる条件間で部分的にしか一致しないことが分かった．以上の結果は，低酸素順応下でアストロサイトに与えられた動的かつ連続的影響を，DCNNによって抽出された高次画像特徴量によって捕捉できる可能性を示唆している． |
| 抄録(英) | Astrocytes play an important role in controlling oxygen and nutrition from the blood to neurons. Although the shape of astrocytes is known to change under pathological conditions such as hypoxia, it is unclear how it dynamically changes after the onset of the pathological conditions. Our previous studies proposed an approach using deep convolutional neural network (DCNN) to describe morphological changes of astrocytes and demonstrated that DCNN-extracted image features are effective to discriminate astrocytes for pre- and post-hypoxia adaptation. In this study, we further extend this approach to analysis of dynamical changes of astrocyte shapes over the time course of hypoxia adaptation. We measured the same astrocyte images from one mouse using the two-photon microscope at multiple days after hypoxia induction, and performed classification analysis to predict whether given astrocyte images are measured during pre- or post-hypoxia adaptation using DCNN-extracted image features. Results showed that prediction accuracy gradually increased while the number of image features necessary for pre-/post-adaptation prediction decreased as hypoxia adaptation progressed. Further analyses revealed that the predictive image features only partially agreed between different stages of hypoxia adaptation. These results suggest that DCNN-extracted image features are effective to capture dynamical and continuous changes of astrocyte morphology during hypoxia adaptation. |
| キーワード(和) | アストロサイト / Deep convolutional neural network / 低酸素順応 / 高次画像特徴量 / 細胞形状 / 二光子顕微鏡 / サポートベクタマシン / 機械学習 |
| キーワード(英) | Astrocyte / Deep convolutional neural network / Hypoxial adaptation / Higher-order image feature / Cellular morphology / Two-photon microscopy / Support vector machine / Machine learning |
| 資料番号 | NC2016-91 |
| 発行日 | 2017-03-06 (NC) |
| 研究会情報 | |
| 研究会 | MBE / NC |
|---|---|
| 開催期間 | 2017/3/13(から2日開催) |
| 開催地（和） | 機械振興会館 |
| 開催地（英） | Kikai-Shinko-Kaikan Bldg. |
| テーマ（和） | ME, 一般 |
| テーマ（英） | |
| 委員長氏名（和） | 福岡 豊(工学院大) / 佐藤 茂雄(東北大) |
| 委員長氏名（英） | Yutaka Fukuoka(Kogakuin Univ.) / Shigeo Sato(Tohoku Univ.) |
| 副委員長氏名（和） | 中島 一樹(富山大) / 萩原 将文(慶大) |
| 副委員長氏名（英） | Kazuki Nakajima(Univ. of Toyama) / Masafumi Hagiwara(Keio Univ.) |
| 幹事氏名（和） | 田中 久弥(工学院大) / 高野 博史(富山県立大) / 田中 宏喜(京都産大) / 青西 亨(東工大) |
| 幹事氏名（英） | Hisaya Tanaka(Kogakuin Univ.) / Hiroshi Takano(Toyama Pref. Univ.) / Hiroki Tanaka(Kyoto Sangyo Univ.) / Toru Aonishi(Tokyo Inst. of Tech.) |
| 幹事補佐氏名（和） | 堀江 亮太(芝浦工大) / 金 主賢(富山大) / 秋間 学尚(東北大) / 篠沢 佳久(慶大) |
| 幹事補佐氏名（英） | Ryota Horie(Shibaura Inst. of Tech.) / Kim Juhyon(Univ. of Toyama) / Hisanao Akima(Tohoku Univ.) / Yoshihisa Shinozawa(Keio Univ.) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on ME and Bio Cybernetics / Technical Committee on Neurocomputing |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | 高次画像特徴量を用いた低酸素順応下におけるアストロサイト形態の経時変化の解析 |
| サブタイトル（和） | |
| タイトル（英） | Analysis of temporal change of astrocyte morphology under hypoxial adaptation using higher-order image features |
| サブタイトル（和） | |
| 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） | 低酸素順応 / Hypoxial adaptation |
| キーワード(4)（和/英） | 高次画像特徴量 / Higher-order 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） | 西野 智博 / Tomohiro Nishino |
| 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） | 田中 草介 / Sosuke Tanaka |
| 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） | 新タ 雅啓 / Masahiro Nitta |
| 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） | 須貸 拓馬 / Takuma Sugashi |
| 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） | 正本 和人 / Kazuto Masamoto |
| 第 5 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 6 著者 氏名（和/英） | 宮脇 陽一 / Yoichi Miyawaki |
| 第 6 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) |
| 発表年月日 | 2017-03-14 |
| 資料番号 | NC2016-91 |
| 巻番号（vol） | vol.116 |
| 号番号（no） | NC-521 |
| ページ範囲 | pp.159-164(NC), |
| ページ数 | 6 |
| 発行日 | 2017-03-06 (NC) |