細胞培養解析装置 CS-1

細胞コンフルエンシーの推定

深層学習により,iPS細胞の領域を認識し,コンフルエンシーを計測できます!

 

実施例

4日間培養したiPS細胞をCS-1で1日1回撮影し,その画像中に占めるiPS細胞コロニーの領域を深層学習によって推定した。推定された面積からコンフルエンシー変化を定量した。

推定対象

iPS細胞(1231A3株)の内,未分化状態のコロニー。2プレートの対象で,それぞれ1wellから中央2視野分を対象とした。

教師データ作成

評価対象とは異なるウェルの画像を対象とし,目視にて細胞領域を指定し,細胞領域と背景を識別する画像データを作成した。

評価方法

教師データ作成方法と同様の手法で評価用データの細胞領域と背景を識別し,その結果と深層学習による推論結果と比較しAccuracyとIoUを評価した。
※AccracyとIoUの詳細については別項での説明をご参照ください。

深層学習による推定の評価結果:
4日間の培養において,各培養日ごとに二つのプレートから各2視野分,合計4視野のコンフルエンシ―を推定しました。4視野のAccuracyは97%程度、IoUは0.9程度となる推定結果を得られました。

 Appendix:評価指標AccuracyとIoUについて 

20×20pixelの領域にある9×9pixelの物体を検出する時,左図のように上下方向,左右方向で1pixelずつずれて推定された場合

Accuracy : (TP+TN)/ALL = 91.5%
IoU   :TP/(TP+FN+FP) = 0.653

TP:True Positive  / Aと予想して正解もA
FP:False Positive  / Aと予想したが正解はB
TN:True Negative / Bと予想して正解もB
FN:False Negative / Bと予想したが正解はA

 他の細胞への適用例 

HeLa細胞のような非コロニー性の細胞領域も推定することができます。
CS-1では強度情報に依存せず安定した画質で撮影できるため,深層学習を始めとする機械学習の推定に有意な画像を得られます。

光学厚みによる分化細胞と未分化細胞の識別

CultureScannerは,光学厚みという定量情報が表示可能です。そこで,この新たな定量情報となる光学厚みを用いて,iPS細胞の未分化維持コロニーと未分化逸脱細胞が識別可能であるか検討しました。

まず,未分化iPS細胞コロニー(①)と未分化逸脱細胞(②)をIHM方式でスキャンした後,未分化性を,AP染色により確認しました。 次に,IHM位相像から,①と②の光学厚みを測定しました(Fig.1,2)。①と②の光学厚みを比較したところ,有意な差が認められました(Fig.3)。

さらに,iPS細胞由来神経細胞の光学厚みを測定しました。分化誘導開始3日後までの細胞と,未分化iPS細胞コロニーの光学厚みを比較したところ,有意な差が認められました。

以上より,光学厚みは細胞を識別するための定量情報として,研究用途はもちろん,新たな工程管理指標としても活用できる可能性が示唆されました。

Top of This Page