All about Photonics

Science/Research 詳細

TUM、自己学習アルゴリズムで医療イメージングデータを分析

csm_201123_Oliver_Schoppe_AE_183_2100_c1de664141

January, 8, 2021, Munchen--イメージング技術で生物の内部を詳細に見ることができる。しかし、そのデータの解釈は時間がかかり、豊富な経験を必要とする。人工ニューラルネットワークは、新しい可能性を開く。わすが数秒でマウスの全身のスキャンを解釈し、臓器を分割し、カラーで表示する。多様な濃淡レベルで表示するのではない。これは、分析を著しく容易にする。

TUMの研究者、Oliver Schoppeによると、3Dイメージングプロセスの分析は非常に複雑である。同氏と学際的研究チームは、自己学習アルゴリズムを開発した。これは、将来、生命科学的画像データに役立つ。

AIMOS (AI-based Mouse Organ Segmentation)ソフトウエアの中核には、人工ニューラルネットワークがある。ヒトの脳と同じに、学習することができる。「われわれは、コンピュータプログラムに正確に何をして欲しいかを伝えていた。ニューラルネットワークは、そのような指示を必要としない。問題とソリューション何回も与えることでそれをトレーニングする。それで十分である。徐々に、そのアルゴリズムは関連パターンを認識し始め、適切なソリューションをそれ自身で見つけることができる」と同氏は説明している。

自己学習アルゴリズムのトレーニング
AIMOSプロジェクトでは、アルゴリズムはマウスの画像の助けを借りてトレーニングされた。目的は、3D全身スキャンからの像点を特定の臓器に割り当てることである。例えば、胃、腎臓、肝臓、膵臓、脳。この割当に基づいてプログラムは次に、正確な位置と形状を示すことができる。

「われわれは、さまざまな研究プロジェクトからの数百のマウス画像にアクセスできた。その全ては、二人の生物学者が、すでに解釈していた。チームは、Helmholtz Zentrum Münchenの組織工学と再生医療研究所からの蛍光顕微鏡3Dスキャンにもアクセスした。

特別な技術により研究チームは、すでに死んだマウスから染料を完全に除去することができた。その透明体は、顕微鏡で少しずつ、細胞のサイズと同等のレイヤーごとにイメージングされた。生物学者は、これらデータセットに臓器も位置づけた。

人工知能が精度を向上させる
TranslaTUMで、情報技術がそのデータを新開発のアルゴリズムに与える。するとこれらは予想以上に高速に学習した。Schoppeは、「10回程度の全身スキャンが必要なだけだった。すると、そのソフトウエアは、そのままの画像データの分析に成功することができた、わずか数秒である。人間には、これをするために数時間かかる」と説明している。

研究チームは、さらに200のマウス全身スキャンを利用してその人工知能の信頼性をチェックした。「自己学習アルゴリズムは、生物学的画像データの分析で人間よりも高速であるばかりか、正確でもあることを結果が示している」とMjoern Menze教授は話している。同氏は、TranslaTUMの画像ベース生体医学モデリンググループ長。

そのインテリジェントソフトウエアは、将来、特に基礎研究で使われることになる。「マウス画像は、人間に適用する前に新薬の効果を研究するために重要である。自己学習アルゴリズムを使って、画像データを分析することで、将来多くの時間を節約することになる」Menzeは強調している。
(詳細は、https://www.tum.de)