@techreport{oai:ipsj.ixsq.nii.ac.jp:00178755,
 author = {長野, 章宏 and 青木, 工太 and 武内, 優奈 and 西野, 美都子 and 西野, 邦彦 and 古澤, 力 and 岩崎, 憲治 and 越後, 富夫 and 八木, 康史 and Akihiro, Nagano and Kota, Aoki and Yuna, Takeuchi and Mitsuko, Nishino and Kunihiko, Nishino and Chikara, Furusawa and Kenji, Iwasaki and Tomio, Echigo and Yasushi, Yagi},
 issue = {22},
 month = {May},
 note = {近年，複数の抗菌薬への耐性を持つ病原菌 （多剤耐性菌） が出現し，世界的な問題となっている．耐性菌に関する様々な研究が行われる中，細菌が耐性を獲得する過程で形態が変化することが明らかとなってきた．どのような遺伝子の変化により細菌の形態が変化するかは生物学的に興味深い問題であるが，いまだに解明されていない．そこで，形態変化と遺伝子との関係を解明することを最終目標とし，本研究では最終目標を達成する最初の段階として，形態の違いで細菌株を識別することに取り組む．そして，識別結果を解析し，各株間の相違点を明らかにする．各株間の形態学的な特徴は，外膜の形状や顆粒 （細菌内の大きめの粒粒） の有無等に表れているが，外膜部分がにじんでいるものも多く，細菌の輪郭を抽出することは難しい．さらには，同じ株の細菌であっても，試料作製の過程で行われる処理により，見え方が大きく異なる．そこで，これらの問題を解決するために，本論文では，透過型電子顕微鏡画像からパッチを作成し，畳み込みニューラルネットワーク (CNN) を用いてパッチの識別を行い，その結果をもとに元画像の株を推定する手法を提案する．提案手法の性能評価を行い，元画像単位で 0.983 もの高い識別率を得ることに成功した．また，CNN の中間層の出力を使用して，パッチをクラスタリングすることで，各株に特徴的な部分の特定を試みた．, Bacteria which have resistance to multiple antibacterial drugs (multidrug-resistant strains) have appeared recently, which is becoming a global issue. Recent studies have shown that morphological features of bacteria can be altered in the resistance-gaining mechanism. Our final goal is to clarify relationships between drug resistance and morphological alternation. Morphological features tend to emerge in the shape of a cell wall, a granule, and so on. It is, however, difficult to extract a feature from a cell wall which is blur in many cases. Furthermore, the appearance of bacteria captured by a transmission electron microscope (TEM) is greatly different even in a same strain. This difference is caused by the process of making samples. In this paper, we propose an approach for the classification of TEM images of multi-drug resistant strains based on patch aggregation. In the training phase, patches extracted from TEM images are fed into a convolutional neural network (CNN). In the test phase, the confidence scores of a patch is obtained by the trained network, and then the class label of a TEM image is predicted by aggregating the scores of patches extracted from the image. We conduct experiments to demonstrate the effectiveness of our approach and achieved a high classification accuracy of TEM images. To investigate strain-specific features, we perform clustering of patches based on the output of a intermediate layer in the trained CNN, and demonstrate differences in morphological features among strains.},
 title = {畳み込みニューラルネットワークを用いた電子顕微鏡画像における薬剤耐性菌株の識別},
 year = {2017}
}