慶應義塾大学学術情報リポジトリ(KOARA)KeiO Associated Repository of Academic resources

慶應義塾大学学術情報リポジトリ(KOARA)

ホーム  »»  アイテム一覧  »»  アイテム詳細

アイテム詳細

アイテムタイプ Article
ID
2019000007-20190008  
プレビュー
画像
thumbnail  
キャプション  
本文
2019000007-20190008.pdf
Type :application/pdf Download
Size :119.8 KB
Last updated :Dec 16, 2022
Downloads : 86

Total downloads since Dec 16, 2022 : 86
 
本文公開日
 
タイトル
タイトル 機械学習を用いた循環器疾患の病態解明と治療方法の開発  
カナ キカイ ガクシュウ オ モチイタ ジュンカンキ シッカン ノ ビョウタイ カイメイ ト チリョウ ホウホウ ノ カイハツ  
ローマ字 Kikai gakushū o mochiita junkanki shikkan no byōtai kaimei to chiryō hōhō no kaihatsu  
別タイトル
名前 Cardiovascular research by machine learning  
カナ  
ローマ字  
著者
名前 湯浅, 慎介  
カナ ユアサ, シンスケ  
ローマ字 Yuasa, Shinsuke  
所属 慶應義塾大学医学部臨床教室専任講師  
所属(翻訳)  
役割 Research team head  
外部リンク  
 
出版地
 
出版者
名前 慶應義塾大学  
カナ ケイオウ ギジュク ダイガク  
ローマ字 Keiō gijuku daigaku  
日付
出版年(from:yyyy) 2020  
出版年(to:yyyy)  
作成日(yyyy-mm-dd)  
更新日(yyyy-mm-dd)  
記録日(yyyy-mm-dd)  
形態
1 pdf  
上位タイトル
名前 学事振興資金研究成果実績報告書  
翻訳  
 
 
2019  
 
開始ページ  
終了ページ  
ISSN
 
ISBN
 
DOI
URI
JaLCDOI
NII論文ID
 
医中誌ID
 
その他ID
 
博士論文情報
学位授与番号  
学位授与年月日  
学位名  
学位授与機関  
抄録
iPS細胞を心筋細胞や血管内皮細胞へ分化誘導し、再生医療の開発や創薬研究など様々な目的で研究に用いられているが、それらの分化細胞を用いて研究を行うには何らかの手法で同定・評価・純化などを行う必要がある。一般的に位相差顕微鏡で観察すると、目的とする細胞が分化誘導されたことは分からず、またどの細胞が目的の細胞かは分からない。そこで顕微鏡観察により分化細胞を同定するために、免疫染色や細胞系譜解析などの分子生物学的手法を用いる。多くの分化細胞を位相差顕微鏡で観察しても、目的とする分化細胞の形態的特徴を人間が学習し見分けることはできない。近年、機械学習が進歩し、人間が処理しきれない情報を用いて様々な問題を解決できるようになってきており注目されている。特にニューラルネットワークを用いた深層学習による画像認識は、性能と汎用性における進歩が目覚ましい。本研究においては、人間が識別できない分化細胞の顕微鏡画像と機械学習を用いて、分化細胞の同定とその応用を目指している。
ヒトiPS細胞を血管内皮細胞へ分化誘導すると、培養皿上で様々な種類の細胞の中に血管内皮細胞は存在する。一般的にどのような目的細胞でも分化誘導効率は10~80%程度であり、残りの20~90%程度は目的とする細胞以外の様々な細胞が混在している。位相差顕微鏡を用いてそれらの細胞を観察しても、どの細胞が血管内皮細胞かは判別不可能である。これまでに機械学習を用いて分化血管内皮細胞が同定可能かの検証を行ってきた。血管内皮細胞を分化誘導した際の混在した細胞集団において、深層学習により機械に学習させると位相差画像のみで血管内皮細胞かどうか見分けられるようになることを見出した。さらに様々な条件を最適化することにより正答率95%以上まで向上させることができた。
Machine learning enables learning from large data sets to solve complex problems. In conventional machine learning, the knowledge of human experts is used for feature extraction. Deep learning, a form of machine learning, uses multiple layers in neural networks, i.e., deep neural networks and can extract patterns from several types of data to accomplish complex tasks such as image classification. This technique is rapidly advancing due to innovative algorithms and improved computing power. Induced pluripotent stem cells (iPSCs) which can be established from somatic cells by expression of defined genes, hold great promise in regenerative medicine, disease modeling, drug screening, and precision medicine. iPSCs can differentiate into numerous cell types, although differentiation efficiencies vary among cell lines and are easily affected to various experimental conditions. We cannot identify the types of differentiated cells by the microscopic phase-contrast images without molecular techniques such as immunostaining and lineage tracing. We hypothesized that phase-contrast images of differentiated cells contain discriminative morphological characters that can be used by a convolutional neural network to identify differentiated cells. We showed that deep learning techniques can be used to identify iPSC-derived endothelial cells based only on phase-contrast images. Here, we improve the accuracy of the method to identify endothelial cells.
 
目次

 
キーワード
 
NDC
 
注記

 
言語
日本語  

英語  
資源タイプ
text  
ジャンル
Research Paper  
著者版フラグ
publisher  
関連DOI
アクセス条件

 
最終更新日
Dec 16, 2022 10:40:05  
作成日
Dec 16, 2022 10:40:05  
所有者
mediacenter
 
更新履歴
Dec 16, 2022    インデックス を変更
 
インデックス
/ Public / 塾内助成報告書 / 学事振興資金研究成果実績報告書 / 2019年度
 
関連アイテム
 

ランキング

最も多く閲覧されたアイテム
1位 新自由主義に抗す... (427) 1st
2位 斎藤隆夫の「粛軍... (340)
3位 慶應義塾図書館史... (271)
4位 認知文法から考え... (265)
5位 M&Aにおける... (263)

最も多くダウンロードされたアイテム
1位 <<Qu'... (1470) 1st
2位 新参ファンと古参... (437)
3位 731部隊と細菌戦 ... (314)
4位 日本における美容... (268)
5位 新自由主義に抗す... (267)

LINK

慶應義塾ホームページへ
慶應義塾大学メディアセンターデジタルコレクション
慶應義塾大学メディアセンター本部
慶應義塾研究者情報データベース