PiCNoR を用いた連続切片顕微鏡画像の自動かつ頑健な非剛体レジストレーション

細部を失わずに組織を三次元で見る

現代生物学では、薄い組織切片を組み合わせて臓器や脳の完全な3次元像を作ることがよく行われます。しかし、各切片が切断・染色・撮像される過程で、伸びたり裂けたり、位置がずれたりすることがあります。これらの切片が正しく整列されていなければ、得られた3次元像は誤解を招くものになりかねません。本論文は、PiCNoR と呼ばれる新しい計算手法を紹介します。これにより、胚や脳の微細構造を3次元再構成で保持しつつ、研究者がより正確かつ自動的に画像を整列できるようになります。

スライスを合わせるのが難しい理由

3次元像を構築するために、研究者は同一組織から得られた極薄の連続切片を長く撮像します。本来は各切片が前の切片にぴったり重なるはずですが、実際には切断や染色の過程でそれぞれ異なる歪みが生じます。色調が変わったり、部分が伸びたり、特徴がずれたりすることがあります。従来の「剛体」整列法は各切片全体が平行移動や回転のみをすることを仮定しており、これでは十分でないことが多いです。より柔軟な「弾性」手法もありますが、それらは遅い、専門家による細かな調整が必要、あるいはスライスごとに変わる画像の輝度に強く依存する、といった問題があります。

新しいアプローチ：協調する局所領域

PiCNoR は問題をより局所的に捉えます。画像全体を一度に変形させようとする代わりに、まず各切片を画像内の特徴パターンに基づいて多数の領域に分割します。各領域内で、ロバストな特徴検出器を用いて近傍する2枚の切片間の対応点を見つけ、その領域がどのように回転・平行移動すれば整合するかを推定します。これらの局所的な動きを妥当性の観点で検査し、周辺領域の情報とやさしく統合することで、各ピクセルに対して周囲領域から滑らかにブレンドされた運動を与えます。その結果、挙動が制御され現実的である柔軟な「非剛体」整列が得られます。

データに複雑さを選ばせる

領域ベースの手法で重要な課題は、どれだけ多くの領域を用いるかを決めることです。領域が少なすぎると微細な変形を補正できず、多すぎると不安定で処理が遅くなります。従来のアプローチは試行錯誤に頼り、視覚的な結果を繰り返し確認することが多かったのに対し、PiCNoR はベイズ情報量基準という統計的手法を用いることでこの手作業を避けます。これにより、詳細度と過学習のリスクのバランスを自動でとることができ、実際には与えられたデータセットに必要な領域数を人手を介さずに決定できるため、時間の節約とバイアスの軽減につながります。

結果の信頼性と効率性を保つ

推定されたすべての局所的運動が信頼できるわけではなく、ノイズや不適切な対応により歪むことがあります。PiCNoR は各領域をグラフのノードとして表現し、隣接領域がお互いに影響し合う仕組みでこの問題に対処します。回転や平行移動の観点から非現実的に見える運動は、近傍のより信頼できる運動の重み付き平均で置き換えられます。コンパクトな数式表現により、これらの運動の結合が効率よく行われます。最後に、各ピクセルの移動は領域運動の確率重み付きブレンドとして計算されるため、領域間の遷移が滑らかに保たれ、組織に急な折れやねじれが生じません。

実際の生物学データでの有効性の実証

研究者らは PiCNoR を、京都コレクションのヒト胚切片、ショウジョウバエ神経索の電子顕微鏡スタック、ラット海馬の新しい光学顕微鏡スタックという3種類の異なるデータセットで検証しました。これらの例において、PiCNoR は標準的な剛体法や広く使われている非剛体法と比べて一貫してスライス間の重なりを改善しました。3次元表示で微細構造の連続性を維持し、他のツールで見られるような過度な歪みを避けました。重要なのは、競合手法より少ない局所領域でこれを達成し、大きなスタックに対しても実用的な計算コストにとどめた点です。

今後の3D顕微鏡法にとっての意義

専門外の方への要点は、PiCNoR が2D顕微鏡画像のスタックを忠実な3次元再構成に変換する、より信頼できる手段を提供するということです。整列の詳細度を自動的に選択し、誤った局所補正に対する安全策を講じることで、組織の本来の形状を保持しつつ処理時間を管理可能に保ちます。これにより、胚の発生や脳細胞の配列を研究する生物学者や病理学者が3次元像をより信頼して利用できるようになり、複雑な顕微鏡データセットのより正確で自動化された解析への基盤が築かれます。

引用: Adi, P.M., Shabani, H. & Mansouri, M. Automated and robust nonrigid registration of serial section microscopic images using PiCNoR. Sci Rep 16, 7559 (2026). https://doi.org/10.1038/s41598-026-38548-x

キーワード: 3D 顕微鏡法, 画像レジストレーション, 脳イメージング, 組織学, 非剛体アライメント