[9p-Z06-1~10] The fusion of multidimensional measurement technologies and data science toward the progress of bioimaging and biosensing techniques

[9p-Z06-8] Design and Implementation of a deep learning-based quantification system for embryonic development using live-cell imaging

Yuta Tokuoka¹, Takahiro Yamada^1,2, Daisuke Mashiko³, Zenki Ikeda³, Noriko Hiroi^2,4, Tetsuya Kobayashi⁵, Kazuo Yamagata³, 〇Akira Funahashi^1,2 (1.Grad. Sch. Keio Univ., 2.Keio Univ., 3.Kindai Univ., 4.Sanyo-Onoda City Univ., 5.IIS, Univ. of Tokyo)

Keywords:deep learning, convolutional neural network, image processing

近年、顕微鏡技術やイメージング技術の向上に伴い様々なライブセルイメージング技術が確立されたことから、発生過程の時系列3次元蛍光顕微鏡画像の取得が容易となった。そこで発生機構の一端を明らかにすべく、ライブセルイメージングによって取得した初期胚発生における細胞核の時系列3次元蛍光顕微鏡画像から核同定や核の形状を取得することで、染色体分配異常、卵割の同期性、発生速度に関する定量的指標の獲得が試みられている。これら定量的に受精卵の質を評価するシステムの構築により生殖医療への貢献が期待できる。
われわれが開発を進めている画像解析アルゴリズムQCANetは時系列に取得されたマウス初期胚の多次元細胞核画像情報を元に、核の同定および核の形状取得を行うことが可能である。