ディープラーニングに基づいたマウスの発情周期段階の分類

Deep learning-based classification of the mouse estrous cycle stages.

• Kyohei Sano
• Shingo Matsuda
• Suguru Tohyama
• Daisuke Komura
• Eiji Shimizu
• Chihiro Sutoh

抄録

前臨床動物における雌動物の需要は急速に高まっており、そのためには、膣塗抹細胞診から動物の発情期を決定する必要がある。しかし、発情期の判定には大規模な訓練が必要であり、時間とコストがかかり、また、人間の検査者が得た結果は一貫性がない場合がある。本研究では、2,096枚の顕微鏡画像を用いて機械学習モデルを学習し、"Stage Estimator of estrous Cycle of RodEnt using an Image-recognition Technique (SECREIT)"と名付けた。テストデータセット（736枚）では、発情期ごとに0.962以上の受信機動作特性曲線下面積を達成しました。100枚の画像を用いたテストでは、11秒で2人の人間の検者（SECREIT：91％、人間1：91％、人間2：79％）と同等の正しい分類が可能であることがわかりました。SECREITは、雌のネズミを使った研究を加速させる第一歩となるでしょう。

There is a rapidly growing demand for female animals in preclinical animal, and thus it is necessary to determine animals' estrous cycle stages from vaginal smear cytology. However, the determination of estrous stages requires extensive training, takes a long time, and is costly; moreover, the results obtained by human examiners may not be consistent. Here, we report a machine learning model trained with 2,096 microscopic images that we named the "Stage Estimator of estrous Cycle of RodEnt using an Image-recognition Technique (SECREIT)." With the test dataset (736 images), SECREIT achieved area under the receiver-operating-characteristic curve of 0.962 or more for each estrous stage. A test using 100 images showed that SECREIT provided correct classification that was similar to that provided by two human examiners (SECREIT: 91%, Human 1: 91%, Human 2: 79%) in 11 s. The SECREIT can be a first step toward accelerating the research using female rodents.