TPA/LCAモデルにて評価用データセットのポジティブ・ネガティブ判定を行ったところ、TPA画像の判定能を維持しながら、LCA画像の判定能（正解率、AUC値）が有意に改善された。 また、フォーカス画像の解像度がCNNモデルの判定能へ及ぼす影響を確認するため、低解像度1600×1200 px及び高解像度2880×2048 pxの顕微鏡でフォーカス画像を取得し学習・判定させたところ、学習と判定に用いる解像度の組み合わせが異なる場合には、判定能は大きく低下することが示された。この課題を解決するため、画像データセットを参照画像のピクセル値のヒストグラムに統一する「ヒストグラムマッチング」を導入した。ヒストグラムマッチングの導入により、画像の解像度に関わらず0.80以上の正解率・AUC値を示すCNNモデルを作成することができた。

図1　三つのアプローチによるフォーカス判定用CNNモデルの改良