【背景】近年，ディープラーニング技術の発展により，医用画像を用いた自動診断や画像解析が盛んに行われている．しかしながら，医用画像を用いた組織構造の解析においては，画像の複雑さゆえ，組織あるいは構造レベルでの分析は容易ではない．そのため，それらの解析には，画像を領域ごとに分割し構造を明らかにするセグメンテーションが必要であり，その自動化は重要な課題である．

【目的】本研究は，肺の免疫蛍光染色画像を対象とした構造レベルでのセグメンテーションを行うモデルを構築し，画像解析の自動化を目的とする．

【材料】本研究では，LungMAPから提供されている画像を用いた．それぞれ３種類のタンパク質が染色されており，タンパク質の局在解析が可能である．また，これまで筆者らは，訓練画像の作成用アプリケーション（http://galileo.ip.elec.mie-u.ac.jp/lung/tools/annotate）を開発し，学習用データセットを作成した．

【方法】前処理として2475x2475の画像を以下のように処理した．１）1024x1024にリサイズ．２）各辺に64pxのミラーパディング．３）128pxごとに縦横移動しながら256x256で画像を切り取ってパッチ画像を作成．４）各画像を90度ずつの回転および反転により8倍にする．次に訓練過程では，学習率を0.01，損失関数をMSE，最適化関数をSGDとし，多クラス拡張したU-Net，SegNet，及びDeepLabV3+を用いて6クラス分類の学習を行った．後処理では，各出力画像から元の位置関係へ復元した．評価に際してはDice係数を用いた．

【結果】実験の結果，U-Netでは85.0%，SegNetでは83.7%，DeepLabv3+では84.5%という結果が得られた．今後の課題として，モデルの改良及び細胞レベルセグメンテーションがある．