閲覧可能ファイル 

ファイル	フォーマット	サイズ	閲覧回数	説明
https://doi.org/10.3769/radioisotopes.73.61			16

論文情報

ファイル出力 EndNote Basic出力 Mendeley出力

アクセス権	open access
URI	https://hdl.handle.net/2115/92426
タイトル	Radiation-induced Impacts on Cell Adhesion and Its Cell Cycle Dependence
	X線被ばく後の細胞接着面積の変化と細胞周期依存性 : 深層学習に基づく画像解析の放射線生物学への応用
著者	著者名 Seino, Ryosuke 清野, 良輔
	e-Rad_Researcher 50781267 著者名 Fukunaga, Hisanori 福永, 久典
言語	日本語
キーワード	cell adhesion
	cell cycle
	Cellpose
	deep learning
	time lapse imaging
発行日	2024-03-15
出版者	Japan Radioisotope Association
	日本アイソトープ協会
収録物名	RADIOISOTOPES
巻(号)	73(1)
ページ	61-67
抄録	In recent years, the use of artificial intelligence in imaging analysis has become increasingly popular. In particular, algorithms based on deep learning, a type of machine learning, are considered promising tools. In this study, we used Cellpose 2.0, a cell segmentation algorithm based on deep learning, to analyze changes in cell adhesion following exposure to X-rays in synchronous HeLa cells. We found that the cell adhesion area of G1-phase cells increased after irradiation, while that of G2-phase cells decreased.
	近年，深層学習を用いた画像解析が注目されている。放射線生物学分野への応用可能性の検討を目的として，本研究では深層学習に基づく細胞セグメンテーションアルゴリズムCellpose 2.0を用いて，細胞周期を同調させたヒト子宮頸がん由来HeLa細胞において放射線被ばく後の細胞接着面積の変化を詳細に解析した。その結果，G1期細胞ではX線被ばく後に細胞接着面積が増加するのに対し，G2期細胞では減少することを新たに見出した。今後，このような人工知能利用による放射線生物学研究のさらなる進展が期待される。
資源タイプ	学術雑誌論文
出版タイプ	Version of Record
権利情報	Creative Commons Attribution 4.0 International
PISSN	0033-8303
EISSN	1884-4111
関連情報 (isIdenticalTo)	出版社版DOI https://doi.org/10.3769/radioisotopes.73.61

ホームへ戻る