Deep learningを用いた肥大心筋の識別系の確立と新規心不全治療薬の同定

利用深度学习建立肥厚心肌识别系统并识别新型心力衰竭疗法

• 批准号: 18K15901
• 负责人: 小室 仁
• 金额: $ 2.66万
• 依托单位: Keio University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Early-Career Scientists
• 财政年份: 2018
• 资助国家: 日本
• 起止时间: 2018-04-01 至 2019-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-18K15901/
• 关键词: Deep learning; 心筋肥大; 肥大心筋; 新規化合物

当研究では、Deep learningを用いた高精度の肥大心筋の識別系の確立を目的として実験を行なった。Deep learningを用いた心筋細胞に対する負荷の有無の視覚的特徴抽出の為、ラット新生仔初代心筋細胞の無血清培養群と血清培養群の蛍光免疫染色を用いてモデルの学習およびDeep leaningの条件検討を行った。無血清培養群と血清培養群の蛍光免疫染色を用いた学習モデルの作製にあたり、条件検討によりDeep leaningによる視覚的特徴抽出に適する最も鮮明な画像が得られる抗体として細胞骨格ではα-Actinin、核に対してはNkx2-5を同定した。得られた免疫染色条件を用い、無血清培養下の細胞と血清添加培養下の細胞を90%の精度で識別するモデルを開発した。次に、心筋細胞に対する肥大刺激の有無の視覚的特徴抽出の為、生体内に近い至適条件である低血清 (0.1%)培養下およびインスリン/トランスフェリン添加下で、アンジオテンシンⅡおよびエンドセリン-1による肥大刺激群と無刺激群の位相差顕微鏡画像を撮影し分類モデルの作製を行った。撮影した画像から心筋細胞画像を自動プログラムで切り出し、学習したモデルの分類性能を評価した。インスリン/トランスフェリン添加下でアンジオテンシンⅡまたはエンドセリン-1の刺激の有無によって得られた位相差顕微鏡画像を用いた学習モデルの作製を試みたが、60-70%程度の精度でしか心筋肥大を判別できなかったため、アンジオテンシンⅡ及びエンドセリン-1の両方を刺激として加え、刺激の有無によって得られた位相差顕微鏡画像を用いた学習モデルで行った。その結果、90%の精度で心筋細胞に対する肥大シグナルの有無の自動識別を達成した。

在本研究中，我们进行了一项实验，旨在利用深度学习建立高度准确的肥厚心肌识别系统。为了使用深度学习提取视觉特征来指示心肌细胞是否存在负荷，我使用无血清和血清培养的原代大鼠新生心肌细胞的荧光免疫染色检查了模型学习和深度学习条件。在使用荧光免疫染色为无血清培养组和血清培养组创建学习模型时，我们确定选择细胞骨架的α-Actinin和细胞核的α-Actinin作为抗体，以提供适合视觉的最清晰图像。为此，我们确定了 Nkx2-5。利用获得的免疫染色条件，我们开发了一种模型，可以区分无血清培养的细胞和添加血清培养的细胞，准确率达 90%。接下来，为了提取视觉特征以确定是否存在心肌细胞肥大刺激，我们在低血清（0.1％）培养和胰岛素/转铁蛋白添加下进行了血管紧张素II和内皮素-1，这是接近于的最佳条件。拍摄肥大刺激组和非刺激组的相差显微图像并创建分类模型。使用自动程序从捕获的图像中提取心肌细胞图像，并评估学习模型的分类性能。我们尝试使用在存在胰岛素/转铁蛋白的情况下使用或不使用血管紧张素 II 或内皮素-1 刺激获得的相差显微图像创建学习模型，但只能以约 60-70% 的准确度区分心肌肥厚因此，我们添加了血管紧张素 II 和内皮素-1 作为刺激，并使用了使用有刺激和无刺激获得的相差显微镜图像的学习模型。结果，我们实现了心肌细胞肥大信号是否存在的自动识别，准确率高达 90%。

项目成果

深層学習(Deep learning)を用いた肥大心筋の自動識別モデルの確立

利用深度学习建立肥厚心肌自动识别模型

• 发表时间: 2019
• 作者: Ito S;Aoki H;Nishihara M;Ohno-Urabe S;Furusho A;Hirakata S;Nishida N;Hayashi Y;Ito S;Hashimoto Y;Majima R;Kuwahara K;Fukumoto Y;Yuhi Fujimoto;Yuhi Fujimoto;Yuhi Fujimoto;藤本雄飛;藤本雄飛;中嶋一晶;小室 仁
• 通讯作者: 小室 仁