Discovery Sagaサイレントキーワード俯瞰

送粉生態系 / 花の発熱 / 画像解析 / 自動撮影 / 深層学習 / 物体識別 / 画像処理 / 恒温植物 / 訪花昆虫 / 自動撮影カメラ / 花托 / 発熱メカニズム

ハスは、花托と呼ばれる花の中心部分が発熱し、約4日間の開花中30～37度の間に維持される恒温性という機能を持つ。本研究は、東京大学附属生態調和農学機構のハス見本園において複数の品種のハス花を対象に花托の発熱パターンを調べ品種間での形態的及び遺伝的変異を利用して、目的①「ハス花の発熱が訪花昆虫を誘引し結実率を高める」という仮説の検証及び目的②ハス花の発熱・恒温性に関連する遺伝子の同定を行っている。目的①に関しては、発熱器官である花托を切開・切除したハス花と対照となるハス花で訪花昆虫を自動撮影カメラで記録し比較したところ、前者の花は後者の花と比較して昆虫の訪花頻度が大幅に少なくなることが確認された。花托の操作により発熱の程度が低下した結果、訪花昆虫が少なくなったと考えられた。また、頻繁にハスを訪花する昆虫グループやハス結実率に影響を与える昆虫グループを特定した結果を論文にまとめ、国際誌に投稿した。さらに5秒間隔で撮影された画像を利用し、AIによる訪花昆虫の検出及び訪花活動の分析手法の開発を行った。その結果、重要な訪花昆虫であるミツバチの自動検出および訪花活動の分析が可能となった。目的②に関しては、前年度に実施した予備的なトランスクリプトーム解析の結果をふまえ、開花前後の花托温度変化を経時的に記録した。開花1日目（発熱）と開花5日目（非発熱）の花托、および開花1日目の花弁、雄ずい、雌ずいをサンプリングし、RNA-seqによる網羅的発現解析を実施した。その結果、昨年の実験と同様に約25000種類の遺伝子発現が検出され、開花1日目の花托で特異的に発現上昇する遺伝子を921個同定した。このうち、花托の発熱に関与すると考えられるalternative oxidase(AOX), uncoupling proteins(UCPs)の発現変動が確認された。

画像解析 / 深層学習 / 機械学習 / 細胞系譜 / 細胞追跡

令和3年度は連続する2つの時刻間の細胞の対応関係1つずつに対してコストの算出を行う学習モデル(1対1モデル)を構築した。研究協力者である近畿大学山縣研究室から提供いただいたマウス胚4次元蛍光顕微鏡画像を入力とし、畳み込みニューラルネットワーク(CNN)を用いて物体の特徴を抽出することでマウス胚(核)の形態的特徴を活用したトラッキングアルゴリズムの開発を行った。細胞核の形状取得には既に当研究室にて実装が完了している深層学習を用いた細胞同定アルゴリズムであるQCANetを用い、研究協力者である東京大学小林徹也博士に提供いただいた整数計画法によるトラッキングアルゴリズムを基盤に深層学習による拡張を行った。提供いただいた整数計画法によるトラッキングアルゴリズムはトラッキングのコストを最小化する最適化問題を解くアルゴリズムとして構成され、コストは時系列画像のフレーム間毎の各細胞同士の重心間距離が採用されている。当該年度は上記アルゴリズムを拡張し、細胞核の形状から特徴を抽出し連続する2つの時刻間の細胞の対応関係1つずつに対してコストの算出を行う学習モデル(1対1モデル)を構築した。1対1モデルは先行研究と比較して高精度なコストを推論することに成功している一方、全細胞の対応関係のコストを求める必要があるため実行時間が膨大になるという問題点が残っている。

学術論文はまだ出ていないが、招待講演3回、ポスター発表1報にて本研究の進捗を報告した。

放射線治療 / 深層学習 / 画像生成 / 画像解析 / 臨床適用 / 生成解析

現代の医療において医用画像は不可欠であり，放射線治療においても治療前や治療期間内，治療後の多くの場面で用いられている．近年の情報処理技術の発展に伴い，医用画像に対して深層学習を用いた画像生成や解析（以下，深層画像処理）が適用され始めている．本研究では，放射線治療に用いられる医用画像に対して深層画像処理を施した上で，生成画像や解析結果を放射線治療の様々な状況において安全かつ有効に利用する方法を確立することを目的とした．当該年度は以下のことを実施した．
(1) 深層学習用サーバーの環境セットアップを行った．このサーバーは高性能GPUを4枚搭載しており，複数の深層学習を同時に計算可能な環境を整えた．
(2) 深層学習を用いた医用画像の変換・ノイズ除去・病変セグメンテーションについてまとめたレヴュー論文が2021年度 Radiological Physics and TechnologyのMost Citation Award に選出された．
(3) 治療期間内に得られるメガボルトCT（megavoltage CT： MVCT）から画質が良好なキロボルトCT（kilovoltage CT： kVCT）の画像変換において，数百枚程度の従来よりも少ないデータ数で画像変換が可能である手法を提案，かつ，臨床的有用性を示した．得られた知見について論文投稿を行い，採択された．
(4) 治療期間内に得られるコーンビームCT（cone-beam CT： CBCT）画像から抽出した定量的特徴量を用いて放射線治療後の予後予測モデルを構築した．
(5) 深層画像処理を用いたセグメンテーションの開発を行った．対象は骨盤部とし，2次元から2.5次元，3次元へと拡張することに取り組んだ．

画像解析 / 機械学習 / 深層学習 / 発生・分化

深層学習(Deep Learning)を利用することで、今まで困難だったマウス胚発生の4次元蛍光顕微鏡画像から核同定を行う画像処理アルゴリズムを開発した。既存のマウス胚発生における細胞動態の解析では、4次元顕微鏡画像に対しては16細胞期以降の核同定の精度は非常に低くなってしまうといった問題点があった。本研究課題では、近年画像解析にて強力な手法として注目を集めている深層学習を用いた核同定アルゴリズムを開発し、50細胞期までの正確な核同定を行い、胚の質を評価し得る定量的な指標の獲得を行った。

学術的意義として、当研究課題で開発したQCANetは、極体を除いた細胞核のセグメンテーションを行うことに成功し、初期マウス発生過程における胚ごとの違いを定量的に比較することが可能であることが示された点が挙げられる。
社会的意義としては、今後QCANetを用いて初期胚を定量的に評価するための最適な指標の探索を行うことで、経験的に定められた指標に代わる、産仔作出能との関連性が高い「胚の質を評価し得る指標」の確立が期待される点が挙げられる。

【研究分担者】
樋口洋平	東京大学	大学院農学生命科学研究科(農学部)	准教授	(Kakenデータベース)
郭威	東京大学	大学院農学生命科学研究科(農学部)	助教	(Kakenデータベース)

【研究分担者】
名和要武	東京大学	医学部附属病院	助教	(Kakenデータベース)
鍛冶静雄	九州大学	マス・フォア・インダストリ研究所	教授	(Kakenデータベース)
野沢勇樹	東京大学	医学部附属病院	特任助教	(Kakenデータベース)
仲本宗泰	北海道大学	保健科学研究院	助教	(Kakenデータベース)
太田岳史	東京大学	医学部附属病院	特任助教	(Kakenデータベース)
尾崎翔	弘前大学	理工学研究科	助教	(Kakenデータベース)
山下英臣	東京大学	医学部附属病院	准教授	(Kakenデータベース)
今江禄一	東京大学	医学部附属病院	副診療放射線技師長	(Kakenデータベース)