従来の高スループットdPCR蛍光画像解析結果は、偽陽性点や非特異的増幅により陽性点の認識率が低い傾向があるため、本論文では陽性点認識の正確性を向上させるために多特徴融合高スループットdPCR蛍光画像認識方法（HDFINet）を提案する。まず、特徴融合部分にトップダウン構造を導入し、下層特徴が上層により効果的に活用されるようにした。トップダウン構造では、チャネルアテンションを使って蛍光画像のチャネル重みを配分し、空間アテンションを使って特徴マップ内の蛍光画像ピクセルの対応する重みを配分し、特徴マップが蛍光画像特徴により良く応答できるようにする。次に、RPNで適応的交差率(IOU)を使用して陽性点のバウンディングボックス信頼度を算出し、陽性点情報の損失可能性を減らす。最後に、ROI Alignにより蛍光画像の候補領域内の陽性点特徴を再固定サイズした後、全結合層及び全畳み込み層に入力し、カテゴリと回帰ボックスの回帰を行い、陽性点認識結果を出力する。本論文で提案するHDFINetネットワークは高い認識率を持ち、蛍光画像の陽性点認識を効果的に実現できる。YOLOv4、VF-Net、GROIEと比較して、本方法は総合指標F1が最も高く、古典的な深層学習ネットワークMask R-CNNと比較すると、本方法は陽性点認識の真陽性率を1.13％、陽性予測値を0.36％、総合指標F1を0.75％向上させた。本論文で提案するHDFINetネットワークは良好な認識性能を有し、蛍光画像の陽性点を効果的に認識でき、他の蛍光画像解析研究の参考となる。

dPCR;深層学習;蛍光画像;陽性点