講演情報
[2J1-GS-10a-03]深層学習YOLOによる骨髄造血細胞検知の検討
〇内藤 孝雄1、堀内 裕紀1、杉浦 満喜1、松崎 昭彦1、小阪 実生2、田部 陽子1 (1. 順天堂大学 大学院医学系研究科、2. 順天堂大学 医学部)
キーワード：
骨髄造血細胞、深層学習、物体検知、YOLO、画像処理
造血器腫瘍をはじめとする血液疾患の診断に必須となる骨髄検査では、骨髄液塗抹標本上の造血細胞の形態学的分類を行う．本検査において機械学習による造血細胞の分類支援を行うためには、塗抹標本上の各造血細胞の画像を抽出する必要がある．しかし、骨髄標本では造血細胞が複雑かつ密に接着しているため、標本の撮像画像から個々の細胞を自動検出する技術が求められる．そこで本研究では、塗抹標本上の造血細胞を自動的に検知し、クラスター状に密着している細胞を分離するアルゴリズムの構築を目的とした．標本全体の撮像画像から、散在あるいは接着状態の全ての造血細胞を抽出し、密着した細胞について機械学習モデルYOLO(You Only Look Once)を用いた個別分離を試みた．学習データ(細胞画像1,199枚)を用いて作成したYOLO v9cモデルの性能は、精度(mAP@0.5) 0.897、感度 0.760であった．骨髄液塗抹標本画像（８枚）を用いて検証を行った結果、画像全体における細胞検知率は94.0%、クラスター化細胞の分離率は75.6%であった．今後、パラメータチューニングなどによる最適化を図ることで、機械学習による骨髄検査支援に有用な細胞検出技術となる可能性が示唆された．