MTCurv：ノイズの多い蛍光顕微鏡画像から微小管の曲率を直接推定する深層学習

要旨: 曲線的な生物学的構造の幾何学を正確に定量化することは、細胞メカニクスおよび疾患関連の形態変化を理解するために不可欠である。微小管の曲率は、フィラメントの剛性および機械的な擾乱を記述する重要な指標である。だが、蛍光顕微鏡画像から曲率を信頼性よく抽出することは、ノイズ、低コントラスト、フィラメントの一部のみが見えていることによって依然として困難である。既存の手法は、前処理または後処理を伴うセグメンテーション・パイプラインに依存しており、セグメンテーションの誤りに対して非常に敏感で、望ましくない撮像条件のもとでは失敗しがちである。本研究では、ノイズのある顕微鏡画像から微小管曲率マップを直接、セグメンテーションなしで回帰するための深層学習フレームワークであるMTCurvを提案する。ピクセルごとの曲率アノテーションを持つ合成データセットを活用し、曲率推定を回帰問題として再定式化し、注意機構ベースの残差U-Netを適用した。幻覚（hallucination）を抑制し、空間的な一貫性を強制するために、平均二乗誤差に勾配整合性項を組み合わせた勾配に配慮した損失関数を導入した。モデルおよび損失の設計に加えて、広く用いられている回帰指標および画像品質指標を評価し、知覚系や盲検（blind）系の多くの指標が曲率推定には適していないことを明らかにした。相関ベースの指標、特にスピアマン相関が、曲率予測の品質をより信頼性よく示す指標として浮上した。難易度が増す2つのデータセットに対する実験により、背景蛍光が存在する場合でもMTCurvが局所的な微小管曲率を正確に復元できることを示した。アブレーション研究では、残差エンコーディングと注意機構ベースのデコードの両方が寄与することが強調された。総じて、本研究はフィラメント曲率解析のための実用的なツールと、生体医用画像における幾何学を考慮した回帰のための方法論的洞察を提供する。データセットとコードは公開される。