深層学習を用いたブラウン運動解析に基づく液中ナノ粒子の形状推定手法の開発

カテゴリ: 研究会(論文単位)

論文No: BMS21030

グループ名: 【E】センサ・マイクロマシン部門 バイオ・マイクロシステム研究会

発行日: 2021/07/23

タイトル(英語): Development of shape prediction model of nanoparticles based on deep learning analysis of Brownian motion

著者名: 福田 尋晃(東京大学),倉持 宏実(東京大学),竹原 宏明(東京大学/ナノ医療イノベーションセンター),一木 隆範(東京大学/ナノ医療イノベーションセンター)

著者名(英語): Hiroaki Fukuda(The University of Tokyo),Hiromi Kuramochi(The University of Tokyo),Hiroaki Takehara(The University of Tokyo/Innovation Center of NanoMedicine (iCONM)),Takanori Ichiki(The University of Tokyo/Innovation Center of NanoMedicine (iCONM))

キーワード: ナノ粒子|ナノ粒子トラッキング解析法|深層学習|マイクロチャネル|Nanoparticles|NTA measurement|Deep learning|Microchannel

要約(日本語): 現在、不均質な生体由来のナノ粒子群を評価するために、個々の粒子について一度の測定で多次元性状を解析できる手法の開発が望まれている。本研究では、現状、評価可能な性状が粒径や表面電荷のみに限られるNanoparticle Tracking Analysis (NTA)法の測定結果を深層学習で解析し、多次元性状を一度に評価可能な新たな解析法の構築を目指した。液中ナノ粒子のブラウン運動のNTA法計測からそのナノ粒子の形状を推定する解析モデルの構築について発表する。

要約(英語): In order to evaluate heterogeneous biological nanoparticles, it is desirable to develop a method that can analyze the multiple-parametric properties of each individual particle in a single measurement. Currently, the Nanoparticle Tracking Analysis (NTA) method commonly used for in-liquid measurement can obtain data on the particle size and surface charge at once. We are trying to develop a new analysis method to acquire a wider range of property information from optical measurement data using deep learning. In this study, we report the construction of an analytical model to estimate the shape of nanoparticles from the measurement of Brownian motion of nanoparticles in liquid.

本誌: 2021年7月26日－2021年7月27日バイオ・マイクロシステム研究会

本誌掲載ページ: 51-55 p

原稿種別: 日本語

PDFファイルサイズ: 1,232 Kバイト