CN105637344B - 图像处理设备、程序、存储介质和图像处理方法 - Google Patents

图像处理设备、程序、存储介质和图像处理方法 Download PDF

Info

Publication number
CN105637344B
CN105637344B CN201480056915.2A CN201480056915A CN105637344B CN 105637344 B CN105637344 B CN 105637344B CN 201480056915 A CN201480056915 A CN 201480056915A CN 105637344 B CN105637344 B CN 105637344B
Authority
CN
China
Prior art keywords
sample
detection
target cell
image processing
difficulty
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201480056915.2A
Other languages
English (en)
Other versions
CN105637344A (zh
Inventor
尾崎良太
织田英人
加藤典司
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fujifilm Corp
Original Assignee
Fujifilm Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Fujifilm Corp filed Critical Fujifilm Corp
Publication of CN105637344A publication Critical patent/CN105637344A/zh
Application granted granted Critical
Publication of CN105637344B publication Critical patent/CN105637344B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G02—OPTICS
    • G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
    • G02B21/00—Microscopes
    • G02B21/36—Microscopes arranged for photographic purposes or projection purposes or digital imaging or video purposes including associated control and data processing arrangements
    • G02B21/365—Control or image processing arrangements for digital or video microscopes
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/10—Investigating individual particles
    • G01N15/14—Optical investigation techniques, e.g. flow cytometry
    • G01N15/1429—Signal processing
    • G01N15/1433—Signal processing using image recognition
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/27—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands using photo-electric detection ; circuits for computing concentration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • H04N7/183—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a single remote source
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/10—Investigating individual particles
    • G01N2015/1006—Investigating individual particles for cytology

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Multimedia (AREA)
  • Analytical Chemistry (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Theoretical Computer Science (AREA)
  • Biochemistry (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Optics & Photonics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Mathematical Physics (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Dispersion Chemistry (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Apparatus Associated With Microorganisms And Enzymes (AREA)
  • Investigating Or Analysing Biological Materials (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

图像处理设备20包括检测难度确定单元26和检测参数设定单元28。检测难度确定单元26基于样本制备状况来计算指示检测所述样本中所包含的靶细胞的难度的检测难度。检测参数设定单元28基于所述检测难度来设定与用于从所述样本的捕获图像检测靶细胞的处理相关的检测参数。

Description

图像处理设备、程序、存储介质和图像处理方法
技术领域
本发明涉及一种图像处理设备、程序、存储介质和图像处理方法。
背景技术
例如，在PTL 1中，利用母体血作为试样并且利用母体血中的有核红细胞作为靶细胞，基于从试样(specimen)的显微镜图像提取的核候选区域来设定确定目标区域，并且确定所设定的确定目标区域是否包含靶细胞。
引用列表
专利文献
PTL 1：日本未审查专利申请公布No.2012-254042
发明内容
技术问题
本发明的目的在于提供一种能够根据样本的特征来为从样本检测靶细胞的处理设定参数的图像处理设备、程序、存储介质和图像处理方法。
解决问题的技术方案
根据第一方面的发明提供一种包括难度计算装置和设定装置的图像处理设备。所述难度计算装置基于样本的制备状况来计算检测难度，所述检测难度指示检测所述样本中所包含的靶细胞的难度。所述设定装置基于所述检测难度来设定与从所述样本的捕获图像检测所述靶细胞的处理相关的检测参数。根据第七方面的本发明提供一种图像处理方法，该图像处理方法包括步骤：基于样本的制备状况来计算检测难度，所述检测难度指示检测所述样本中所包含的靶细胞的难度；以及基于所述检测难度来设定与从所述样本的捕获图像检测所述靶细胞的处理相关的检测参数。
根据第二方面的发明提供根据第一方面所述的图像处理设备，该图像处理设备还包括确定装置。所述检测参数包括用于定义设定条件的信息，所述设定条件用于设定确定目标区域，在所述确定目标区域上进行关于所述捕获图像是否包含靶细胞区域的确定。所述确定装置针对所述捕获图像确定基于所述检测参数设定的所述确定目标区域中是否包含所述靶细胞。
根据第三方面的发明提供根据第二方面所述的图像处理设备，其中，所述设定装置按照所述检测难度的值越高，确定目标区域的设定数量越多的方式来设定所述设定条件。
根据第四方面的发明提供根据第二方面或第三方面所述的图像处理设备，该图像处理设备还包括整合装置。当存在被确定为包含所述靶细胞并且彼此交叠或匹配的多个确定目标区域时，所述整合装置将所述多个确定目标区域整合到被所述确定装置确定为包含所述靶细胞的可能性最高的确定目标区域中。
根据第五方面的发明提供根据第一方面至第四方面中的任一项所述的图像处理设备，其中，所述难度计算装置对于所述样本的厚度的越高的均匀度计算值越低的所述检测难度，对于所述样本中包含的核的越低的亮度计算值越低的所述检测难度，对于包含在所述样本中的浓度低于预定浓度的像素的越高的比率计算值越高的所述检测难度。
根据第六方面的发明提供根据第一方面至第五方面中的任一项所述的图像处理设备，其中，所述检测参数包括用于确定从目标试样生成的多个样本中的每一个样本是否要经受所述样本中的所述靶细胞的检测的信息。所述设定装置基于所述检测难度来设定与从所述目标试样生成的所述多个样本当中要经受所述检测的样本相关的信息。
本发明的有益效果
根据依据第一方面和第七方面的发明，可根据样本的特征来设定用于从所述样本检测靶细胞的处理的参数。
根据依据第二方面的发明，可根据从样本检测靶细胞的难度来设定为样本设定的确定目标区域。
根据依据第三方面的发明，当从样本检测靶细胞的难度较高时，要经受检测的区域的数量增加，从而抑制检测失败的发生。
根据依据第四方面的发明，与多个确定目标区域没有被整合的情况相比，可基于使用从同一目标获得的多个确定目标区域的确定结果来获得具有高精度的确定结果。
根据依据第五方面的发明，与不包括该配置的情况相比，可利用高精度来计算从样本检测靶细胞的难度。
根据依据第六方面的发明，可根据样本的检测难度从生成自试样的多个样本中设定要经受检测的样本。
附图说明
图1是示出根据本实施方式的图像处理系统的示例性系统配置的示图。
图2是示出为图像处理设备提供的示例性功能的功能框图。
图3是示出示例性检测参数管理表的示图。
图4是用于描述靶细胞候选区域的示例性整合的示图。
图5是根据第一示例的处理的流程图。
图6是计算检测难度的处理的流程图。
图7是检测靶细胞的处理的流程图。
图8是整合靶细胞区域的处理的流程图。
图9是根据第二示例的处理的流程图。
图10是根据第三示例的处理的流程图。
具体实施方式
将在下面基于附图描述用于实现本发明的实施方式(以下称作实施方式)。
[1.关于系统配置的描述]
图1示出根据本实施方式的图像处理系统1的示例性系统配置。如图1所示，图像处理系统1包括光学显微镜10、图像处理设备20、输入设备50和显示设备60。图像处理设备20连接到能够与图像处理设备20执行数据通信的光学显微镜10、输入设备50和显示设备60。
光学显微镜10经由诸如物镜12的光学系统利用CCD相机14捕获设置在平台上的载玻片11上的标本(preparation)的图像。光学显微镜10包括聚焦机构13，其改变载玻片11与物镜12之间的距离以能够利用不同的焦距来捕获载玻片11上的标本的图像。在本实施方式中，标本通过将母体血涂覆到载玻片11并且利用梅-吉染色法(May-Giemsa staining)处理它来获得。因此，母体血中的源自胎儿的有核红细胞(NRBC)被染色成青紫色。以下，NRBC被称作靶细胞。
图像处理设备20获得通过光学显微镜10捕获的图像，并且从所获得的捕获图像检测靶细胞。例如，图像处理设备20可基于已学习用于辨别靶细胞的辨别条件的辨别器来确定指示在光学显微镜10所捕获的图像中设定的确定目标区域包含靶细胞的可能性的得分(例如，概率)。在图像处理设备20中执行的检测靶细胞的处理将在下面详细描述。
输入设备50(是诸如键盘或鼠标的装置)将从用户接收的操作输入至图像处理设备20。例如，对于显示在显示设备60上的图像，图像处理设备20可获得关于由用户利用输入设备50指定的图像区域的信息，作为用于学习靶细胞的正例和负例或者其它指定的细胞的图像特征的学习信息，并且可使得辨别器基于该学习信息来学习用于辨别靶细胞的辨别条件(辨别参数)。
显示设备60(例如，液晶显示设备60)基于由图像处理设备20执行的处理的结果来显示画面。例如，显示设备60显示由光学显微镜10捕获的图像以及由图像处理设备20执行的靶细胞检测的结果。
[2.关于为图像处理设备20提供的功能的描述]
将描述根据本实施方式的为图像处理设备20提供的功能。
图2是示出为图像处理设备20提供的示例性功能的功能框图。如图2所示，图像处理设备20包括试样信息获取单元21、试样特征信息存储单元22、靶细胞计数估计单元23、捕获图像获取单元24、样本特征提取单元25、检测难度确定单元26、检测目标样本设定单元27、检测参数设定单元28、核候选区域提取单元29、确定目标区域设定单元30、图像特征生成单元31、靶细胞确定单元32、靶细胞区域设定单元33、靶细胞区域整合单元34和确定结果输出单元35。
为图像处理设备20提供的上述单元的功能可按照图像处理设备20(是包括诸如CPU的控制装置、诸如存储器的存储装置、用于从外部装置接收数据/向外部装置发送数据的输入/输出装置等的计算机)读取存储在计算机可读信息存储介质中的程序并执行它们的方式来实现。所述程序可通过诸如光盘、磁盘、磁带、磁光盘或闪存的信息存储介质供应给图像处理设备20，或者可通过诸如互联网的数据网络供应给图像处理设备20。为图像处理设备20提供的单元的功能将在下面详细描述。
试样信息获取单元21获得关于待检查的试样(母体)的信息(试样信息)。例如，试样信息获取单元21可基于经由输入设备50输入的数据来获得试样信息。例如，试样信息可包括要被检查并被收集母体血的人的年龄、病历、妊娠周数等。
试样特征信息存储单元22存储当基于试样的特征来估计试样中所包含的靶细胞时所使用的信息。例如，试样特征信息存储单元22可使用根据试样的特征的分类来存储例如各个分类的每单位血量的靶细胞计数。例如，图像处理设备20可基于年龄、病历、妊娠周数的各条信息来生成各个试样的特征向量，并且可对试样执行聚类。图像处理设备20可将为包括在各个聚类中的试样预先测量的每单位血量的靶细胞(有核红细胞)计数的代表值(例如，平均值)作为代表有核红细胞计数与对应一个聚类关联地存储在试样特征信息存储单元22中。试样特征信息存储单元22可存储定义关于年龄、病历和妊娠周数的信息和与该信息所对应的有核红细胞计数之间的关系的表或数学表达式。
靶细胞计数估计单元23基于关于试样的试样信息(表示试样的特征的信息)以及存储在试样特征信息存储单元22中的信息来估计通过试样信息获取单元21获得的试样中所包含的靶细胞计数。例如，靶细胞计数估计单元23基于和与通过试样信息获取单元21获得的试样信息所对应的分类关联地存储在试样特征信息存储单元22中的代表靶细胞计数，来估计从试样获得的标本(母体血)中所包含的靶细胞计数。例如，靶细胞计数估计单元23可通过将标本的血量乘以和与通过试样信息获取单元21获得的试样信息所对应的分类关联地存储在试样特征信息存储单元22中的每单位血量的有核红细胞计数来获得估计的靶细胞计数。
估计靶细胞计数的方法不限于上述方法。例如，对于一个或更多个试样中的每一个，试样特征信息存储单元22可预先存储试样的特征向量和试样的靶细胞计数，使得特征向量与靶细胞计数关联。靶细胞计数估计单元23可从存储在试样特征信息存储单元22中的试样的特征向量中指定与目标试样的特征向量类似的特征向量(例如，最接近特征向量)，并且与所指定的特征向量关联的靶细胞计数可用作目标试样的靶细胞计数。
捕获图像获取单元24获得通过捕获从试样获得并被置于载玻片上的标本(母体血)的图像而获得的捕获图像。例如，捕获图像获取单元24从光学显微镜10获得通过利用为光学显微镜10提供的CCD相机14捕获标本(母体血)的图像而获得的捕获图像。基于下述检测参数，当目标标本的检测目标标志被设定为真(T)时，捕获图像获取单元24可获得捕获图像。当目标标本的检测目标标志被设定为假(F)时，捕获图像获取单元24不可获得捕获图像。
样本特征提取单元25提取目标样本的特征。样本的特征包括表示样本制备状况的信息。例如，样本特征提取单元25可提取从试样生成的样本的厚度的均匀性、细胞核的染色度、白细胞的百分比含量等作为样本特征。样本特征提取单元25可提取从目标试样生成的所有或一些样本(例如，限于要经受检测的那些样本)中的每一个的样本特征。
例如，样本特征提取单元25可利用光学显微镜10测量在样本的多个点处从样本的表面到载玻片的深度，并且可按照通过该测量获得的多个深度的方差的倒数来计算样本的厚度的均匀性(A)。
例如，样本特征提取单元25可按照通过将预定阈值除以样本的捕获图像(可利用光学显微镜10捕获)的平均亮度值(即，阈值/平均亮度值)而获得的值来计算样本中的细胞核的染色度(B)，或者可按照样本的捕获图像中亮度值低于预定阈值的像素的比率来计算染色度(B)。
例如，样本特征提取单元25可按照样本的捕获图像(可利用光学显微镜10捕获)中颜色比预定浓度淡的像素的比率来计算样本中的白细胞的百分比含量(C)。
检测难度确定单元26基于由样本特征提取单元25提取的样本特征来确定从样本检测靶细胞的难度(Df)。例如，检测难度确定单元26可基于通过样本特征提取单元25提取的样本的厚度的均匀度A、样本中的细胞核的染色度B和样本中的白细胞的百分比含量C利用下式(1)来计算样本的检测难度Df。符号w1、w2和w3可表示预定系数，其各自等于或大于0并且满足式w1+w2+w3＝1。符号A0可表示样本厚度的均匀度的参考值。符号B0可表示样本中的细胞核的染色度的参考值。符号C0可表示样本中的白细胞的百分比含量的参考值。
Df＝w1·A0/A+w2·B0/B+w3·C/C0 (1)
根据上述表达式(1)，随着样本的厚度的均匀度A变大，所计算的检测难度Df变低。随着样本中的细胞核的染色度B变大，所计算的检测难度Df变低。随着样本中的白细胞的百分比含量C变大，所计算的检测难度Df变高。检测难度确定单元26可将利用上述表达式(1)计算的检测难度Df改变为从0至1的值。例如，当Df低于下限阈值时，检测难度确定单元26可将Df设定为0。当Df大于上限阈值(例如，大于1的值)时，检测难度确定单元26可将Df设定为1。
检测目标样本设定单元27基于由靶细胞计数估计单元23估计的估计靶细胞计数(Cb)和由检测难度确定单元26确定的检测难度(Df)中的至少一个从生成自目标试样的多个样本中设定要经受检测的样本。
例如，检测目标样本设定单元27通过将针对目标试样估计的估计靶细胞计数(Cb)除以从标本生成的样本数(N)来计算每一个样本的靶细胞计数(a＝Cb/N)。对于必要靶细胞计数(Z)，当Cb>Z时，检测目标样本设定单元27可将要经受检测的样本数确定为设定在满足表达式a·X≥Z的整数X。当Cb≤Z时，检测目标样本设定单元27可将要经受检测的样本数确定为设定在N(所有样本的数量)。检测目标样本设定单元27可从生成自标本的N个样本中选择数量等于要经受检测的样本的数量的样本(例如，按照标识号的顺序或者按照创建日期和时间的顺序)，并且可将所选择的样本的检测目标标志设定为真(T)并将未选择的样本的检测目标标志设定为假(F)。
当要基于检测难度确定单元26所计算的检测难度来设定要经受检测的样本时，例如，检测目标样本设定单元27可将从目标试样生成的多个样本当中检测难度低于阈值的样本设定为要经受检测的样本。
检测参数设定单元28设定当要对从标本生成的样本执行检测处理时所使用的检测参数集。例如，检测参数设定单元28基于要经受检测并且由检测目标样本设定单元27设定的样本以及由检测难度确定单元26确定的检测难度中的至少一个来设定检测参数集。例如，检测参数集可包括指示样本是否要经受检测的检测目标标志、指示要作为核候选区域从样本的捕获图像提取的图像区域的条件的核候选区域参数、以及指示为样本的捕获图像设定确定目标区域的设定条件的确定目标区域参数。
图3示出存储由检测参数设定单元28设定的检测参数集的示例性检测参数管理表。如图3所示，检测参数管理表存储用于标识试样的试样ID、用于标识从试样获得的多个样本中的每一个的样本ID、指示样本是否要经受检测的检测目标标志、核候选区域参数和确定目标区域参数，使得这些信息彼此关联。核候选区域参数包括要作为核候选区域提取的目标像素的颜色范围以及连接像素数的阈值。确定目标区域参数包括指示用作核候选区域的确定目标区域的基点的像素之间的移位量的步长、指示具有不同的尺寸并且利用用作确定目标区域的基点的像素设定的确定目标区域当中的最小确定目标区域与最大确定目标区域之间的尺寸比的最大放大倍率、以及指示当生成从最小确定目标区域至最大确定目标区域的区域时要执行多少放大倍率阶段的放大倍率阶段数。
例如，检测参数设定单元28可基于由检测难度确定单元26确定的检测难度Df和裕度Y(Y＝a·X-Z)中的至少一个来设定检测参数集，所述裕度Y是必要靶细胞计数Z与每样本的靶细胞计数a和要经受检测并且由检测目标样本设定单元27设定的样本数X的乘积之差。更具体地讲，检测参数设定单元28可针对数量等于M(M是等于或大于2的整数)的阶段级别L1至LM中的每一个预先确定检测参数集(对于同一图像，利用检测参数集提取/设定的针对级别Li+1的核候选区域的数量和确定目标区域的数量多于针对级别Li的的数量)，可基于裕度Y和检测难度Df中的至少一个值来确定级别，并且可基于所确定的级别来设定检测参数集。例如，检测参数设定单元28可预先确定针对M个阶段级别中的每一个的裕度范围，并且可基于确定哪一级别具有包括所计算的裕度Y的范围来确定级别。另外，例如，检测参数设定单元28可预先确定针对M个阶段级别中的每一个的检测难度范围，并且可基于确定哪一级别具有包括所计算的检测难度Df的范围来确定级别。另外，例如，检测参数设定单元28可预先确定针对M个阶段级别中的每一个的裕度与检测难度之和的范围，并且可基于确定哪一级别具有包括所计算的值Y和难度Df之和的范围来确定级别。
对于由检测目标样本设定单元27设定的各个样本，检测参数设定单元28可基于针对样本计算的检测难度来设定不同的检测参数集。
对于要处理的样本，核候选区域提取单元29基于由检测参数设定单元28针对样本设定的核候选区域参数来从由捕获图像获取单元24针对样本获得的捕获图像提取核候选区域。例如，核候选区域提取单元29可执行二值化以将包括在核候选区域参数中的颜色范围中的像素转换为黑色像素，将不包括在该颜色范围中的像素转换为白色像素，并且可从通过连接相邻黑色像素而获得的连接像素群中提取数量大于核候选区域参数中所包括的连接像素的数量的连接像素群作为核候选区域。
对于由捕获图像获取单元24针对要处理的样本获得的捕获图像，确定目标区域设定单元30基于针对样本由检测参数设定单元28设定的确定目标区域参数以及由核候选区域提取单元29提取的核候选区域，来设定在其上进行是否存在靶细胞的确定的确定目标区域。例如，对于由核候选区域提取单元29提取的核候选区域中所包括的一个或更多个像素中的每一个，确定目标区域设定单元30将像素存在于中心(或基点)处的矩形区域设定为确定目标区域。基于针对要处理的样本设定的确定目标区域参数中所包括的步长(移位量)，确定目标区域设定单元30可通过将存在于核候选区域中并且充当确定目标区域的基点的像素按照步长逐步地移动来顺序地设定确定目标区域。另外，基于针对要处理的样本设定的确定目标区域参数中所包括的最大放大倍率和放大倍率阶段数，确定目标区域设定单元30可通过利用充当确定目标区域的基点的一个像素并且通过从1x至最大放大倍率将确定目标区域的尺寸改变多次(作为放大倍率阶段数预先确定的阶段数那么多次)，来设定具有不同尺寸的确定目标区域。
图像特征生成单元31生成针对由确定目标区域设定单元30设定的确定目标区域的图像特征值。例如，图像特征生成单元31可计算确定目标区域的HOG特征值，并且可将该HOG特征值用作图像特征值。计算两种类型的HOG特征值的处理将在下面具体地描述。
图像特征生成单元31获得确定目标区域中的各个像素的亮度梯度方向和亮度梯度强度。图像特征生成单元31将目标图像分割成块，块的数量为Y并且各个块由数量为X的单元构成。图像特征生成单元31从针对对应一个块中所包括的各个单元的亮度梯度方向和亮度梯度强度获得亮度梯度方向直方图([第一梯度方向值、第二梯度方向值、…、第九梯度方向值])，并且对各个块执行归一化以使得梯度方向值的均方等于1。图像特征生成单元31将数量等于X×9并且通过将块中的归一化的亮度梯度方向直方图组合而获得的值用作块的特征值，并且还将数量等于Y×X×9并且通过将目标图像中的所有块组合而获得的值用作确定目标区域的HOG特征值。
相反，图像特征生成单元31获得针对确定目标区域中的各个像素的亮度梯度方向和亮度梯度强度。图像特征生成单元31将目标图像分割成块，块的数量为Y并且各个块由数量为X的单元构成。图像特征生成单元31从对应一个块中所包括的各个单元的亮度梯度方向和亮度梯度强度获得亮度梯度方向直方图([第一梯度方向值、第二梯度方向值、…、第十八梯度方向值])。图像特征生成单元31将数量等于X×18并且通过将块中的亮度梯度方向直方图组合而获得的值用作块的特征值，并且还将数量等于Y×X×18并且通过将目标图像中的所有块组合而获得的值用作确定目标区域的单元HOG(Cell-HOG)特征值。
靶细胞确定单元32基于确定目标区域的图像特征值来确定该确定目标区域包含靶细胞的可能性(置信度)。例如，基于示出靶细胞的图像区域的图像特征值，可使辨别器预先学习靶细胞的辨别条件(辨别参数)，并且可利用辨别器获得针对确定目标区域的图像特征值的辨别结果。辨别器可使用AdaBoost、SVM(支持向量机)等。辨别器基于确定目标区域的图像特征值来输出指示该确定目标区域包含靶细胞的可能性的得分(置信度)。例如，辨别器在确定目标区域中所包含的细胞是靶细胞时可输出正值得分，在该细胞不是靶细胞可输出负值得分。
靶细胞区域设定单元33基于通过靶细胞确定单元32获得的对确定目标区域的确定结果来设定包含靶细胞的候选区域(靶细胞区域)。例如，当针对从辨别器输出的确定目标区域的置信度等于或大于0时，靶细胞区域设定单元33可将确定目标区域当中的确定目标区域设定为靶细胞的候选区域。
靶细胞区域整合单元34将由靶细胞区域设定单元33设定并且彼此交叠或匹配的候选区域整合到一个区域中。例如，当多个候选区域彼此交叠时，靶细胞区域整合单元34可将所述多个候选区域整合到所述多个候选区域中的一个(例如，置信度最大的区域)中。如果多个候选区域是从同一核候选区域设定的确定目标区域，则靶细胞区域整合单元34可确定所述多个候选区域彼此交叠。另选地，如果多个候选区域按照各个交叠面积等于或大于预定阈值的方式彼此交叠，靶细胞区域整合单元34可确定所述多个候选区域彼此交叠。在整合之后，靶细胞区域整合单元34可仅留下具有最高置信度的候选区域，或者可使用包括彼此交叠的所有候选区域的区域作为整合之后的候选区域。靶细胞区域整合单元34可将所整合的候选区域的置信度相加到整合之后的候选区域的置信度，或者可使用通过将整合之后的候选区域的置信度乘以彼此交叠的候选区域的数量而获得的值作为整合之后的候选区域的置信度。
图4示出用于描述靶细胞候选区域的示例性整合的示图。如图4所示，捕获图像I包括核候选区域70，并且针对核候选区域70设定彼此交叠的两个靶细胞区域71和72。靶细胞区域71具有得分30，靶细胞区域72具有得分10。靶细胞区域整合单元34可将靶细胞区域72整合到靶细胞区域71和72当中具有最高得分的靶细胞区域71中，并且可将靶细胞区域72的得分与靶细胞区域71的得分相加以更新靶细胞区域71的得分。
确定结果输出单元35输出关于通过靶细胞区域整合单元34所执行的整合而获得的候选区域的信息，作为针对该标本的靶细胞检测结果。例如，确定结果输出单元35可将显示画面显示在显示设备60上，在该显示画面上，通过由靶细胞区域整合单元34所执行的整合而获得的候选区域按照候选区域根据其置信度排序的方式显示为列表。确定结果输出单元35可从列表中排除置信度小于指定或预定阈值的候选区域。
[3.示例性处理]
基于图5至图10，下面将详细描述在根据本实施方式的图像处理系统1中执行的示例性处理。
[3-1.第一示例]
基于图5至图8所示的流程图，将详细描述由图像处理系统1执行的根据第一示例的处理。
[3-1-1(1).主要处理(1)]
如图5所示，基于从输入设备50输入的数据，图像处理设备20设定从目标试样生成的样本数(N：N是等于或大于1的整数)(S101)，并且获得关于目标试样的信息(试样信息)(S102)。试样信息可包括年龄、病历和妊娠周数中的至少一个。
图像处理设备20基于在S102中获得的试样信息来估计目标试样中的靶细胞计数(a)(S103)。例如，图像处理设备20可指定在S102中获得的试样信息所属的分类，并且可基于针对所指定的分类预先确定的每单位血液的代表靶细胞计数(参考靶细胞计数)以及标本(即，试样)的血量来计算试样中的估计靶细胞计数。
图像处理设备20基于在S103中计算的靶细胞计数(a)以及在S101中设定的样本数(N)来计算每样本的靶细胞计数(b)(S104)。图像处理设备20基于在S104中计算的每样本的靶细胞计数(b)来确定要经受检测并且包含等于或大于检测所需的必要细胞计数(c)的细胞计数的样本数(d)(S105)。
图像处理设备20从生成自目标试样的多个样本中选择并确定要处理并且数量等于在S105中确定的要经受检测的样本数(d)的样本(S106)。
图像处理设备20执行计算检测难度的处理(S107)，该检测难度指示从S106中确定的要处理的样本检测靶细胞的难度。计算检测难度的处理将基于图6的流程图来详细描述。
[3-1-2.计算检测难度的处理]
如图6所示，图像处理设备20将变量i初始化为1(S201)，并且测量样本Si的深度(A)(S202)。例如，对于样本Si的多个点中的每一个，可利用光学显微镜10测量从样本Si的表面到载玻片的深度。
图像处理设备20通过利用光学显微镜10捕获样本Si的图像来获得捕获图像(S203)，并且基于所获得的捕获图像来获得样本Si的染色强度(B)(S204)。例如，图像处理设备20可通过将预定阈值除以样本Si的捕获图像的平均亮度值(即，阈值/平均亮度值)或者通过计算在样本Si的捕获图像中亮度值低于预定阈值的像素的比率来计算样本Si中的细胞核的染色度(B)。
图像处理设备20基于在S203中获得的捕获图像来获得样本Si中的白细胞的比率(C)(S205)。例如，图像处理设备20可按照在样本Si的捕获图像中颜色比预定浓度淡的像素的比率，来计算样本Si中的白细胞的比率(C)。
图像处理设备20例如利用上述表达式(1)基于深度(A)的方差、标本的染色强度(B)以及白细胞的比率(C)来计算从样本Si检测靶细胞的检测难度Df(Dfi)(S206)。
如果变量i没有达到d(S207：否)，则图像处理设备20使变量i递增(增加1)(S208)，并且使处理返回到S202。如果变量i达到d(S207：是)，则图像处理设备20使得处理返回。回到图5中的流程图，将继续描述。
[3-1-1(2).主要处理(2)]
如图5所示，当图像处理设备20完成在待处理的样本中检测靶细胞的检测难度Df的计算时，图像处理设备20基于在S107中计算的检测难度Df以及关于在S106中确定的待处理的样本的信息中的至少一个来设定检测参数集(S108)。例如，检测参数集可包括指示样本是否要经受检测的检测目标标志、指示要作为核候选区域从样本提取的图像区域的条件的核候选区域参数以及指示针对样本的图像设定确定目标区域的条件的确定目标区域参数。例如，图像处理设备20可基于关于在S106中确定的待处理的样本的信息来设定检测目标标志，并且可基于针对样本Si计算的检测难度Dfi来设定核候选区域参数和确定目标区域参数。
图像处理设备20基于在S108中设定的检测参数集来执行从试样检测靶细胞的处理(S109)。检测靶细胞的处理将基于图7中的流程图来详细描述。
[3-1-3.检测靶细胞的处理]
如图7所示，图像处理设备20将变量i、j以及k中的每一个初始化为1(S301)，并且确定目标试样的样本Si是否要经受检测(S302)。例如，如果样本Si的检测目标标志为真(T)，则图像处理设备20确定样本Si要经受检测。如果检测目标标志为假(F)，则图像处理设备20确定样本Si将不经受检测。
如果样本Si要经受检测(S302：是)，则图像处理设备20使得例如光学显微镜10捕获样本Si的图像以获得样本Si的捕获图像Ti(S303)。
图像处理设备20基于针对样本Si设定的检测参数集中所包括的核候选区域参数来从捕获图像Ti提取核候选区域(Ai1至AiM)(S304)，其中M是包含在捕获图像Ti中的核候选区域的数量。核候选区域的提取可由上述核候选区域提取单元29来执行。
图像处理设备20基于针对样本Si设定的检测参数集中所包括的确定目标区域参数针对从捕获图像Ti提取的核候选区域Aij设定确定目标区域(Bij1至BijL)(S305)，其中L是针对核候选区域Aij设定的确定目标区域的数量。确定目标区域可由上述确定目标区域设定单元30来设定。
图像处理设备20计算确定目标区域Bijk的图像特征值Vijk(S306)。图像特征值的计算可由上述图像特征生成单元31来执行。
图像处理设备20基于在S306中计算的图像特征值Vijk来计算指示确定目标区域Bijk包含靶细胞的可能性的得分Pijk(S307)。
如果在S307中计算的得分Pijk等于或大于阈值Th(S308：是)，则图像处理设备20将该确定目标区域Bijk设定为靶细胞区域(S309)。
在S309之后或者如果在S307中计算的得分Pijk小于阈值Th(S308：否)，图像处理设备20确定变量k是否达到L(S310)。如果变量k没有达到L(S310：否)，则图像处理设备20使k递增(使k增加1)(S311)，并且使处理返回到S306。如果在S310中变量k达到L(S310：是)，则图像处理设备20确定变量j是否达到M(S312)。
如果在S312中变量j没有达到M(S312：否)，则图像处理设备20使j递增(使j增加1)并且将k初始化为1(S313)，并且使处理返回到S305。如果在S312中变量j达到M(S312：是)，则图像处理设备20执行整合针对样本Si设定的靶细胞区域的处理(S314)。整合靶细胞区域的处理将基于图8中的流程图来详细描述。
[3-1-4.整合靶细胞区域的处理]
如图8所示，图像处理设备20为针对样本Si的捕获图像Ti设定的各个靶细胞区域提供处理完成标志(S401)。处理完成标志具有真/假值。值真(T)指示靶细胞区域已被处理，值假(F)指示靶细胞区域未被处理。在S401中提供的处理完成标志的初始值为假(F)。
图像处理设备20选择各自具有指示靶细胞区域未被处理的处理完成标志的靶细胞区域中的一个(S402)。在S402中选择的靶细胞区域被称作靶细胞区域As。
图像处理设备20从针对捕获图像Ti设定的靶细胞区域中提取与在S402中选择的靶细胞区域As交叠的靶细胞区域(S403)。图像处理设备20从S403中提取的靶细胞区域中选择具有最大得分的靶细胞区域(S404)。在S404中选择的靶细胞区域被称作靶细胞区域At。
如果靶细胞区域As的得分等于或大于靶细胞区域At的得分(S405：是)，则图像处理设备20将在S403中提取的靶细胞区域整合到靶细胞区域As中(S406)，并且将所整合的靶细胞区域的得分与靶细胞区域As的得分相加(S407)。例如，被整合到靶细胞区域As中的靶细胞区域可被去除，或者可被更新以具有靶细胞区域已被整合的指示。图像处理设备20将靶细胞区域As以及整合到靶细胞区域As中的靶细胞区域的处理完成标志更新为真(T)(S408)。
如果靶细胞区域As的得分小于靶细胞区域At的得分(S405：否)，则图像处理设备20将靶细胞区域As整合到靶细胞区域At中(S409)并且将靶细胞区域As的得分与靶细胞区域At的得分相加(S410)。图像处理设备20将靶细胞区域As的处理完成标志更新为真(T)(S411)。
在S408或S411之后，如果存在还未被处理的靶细胞区域(S412：是)，则图像处理设备20使处理返回到S402。如果不存在未被处理的靶细胞区域(S412：否)，则图像处理设备20结束整合靶细胞区域的处理并且使得处理返回。
回到图7，将继续描述。当图像处理设备20完成整合针对样本Si设定的靶细胞区域的处理时，如果变量i没有达到d(要经受检测的样本的数量或者所有样本的数量)(S315：否)，则图像处理设备20使i递增(增加1)，将j和k初始化为1(S316)，并且使处理返回到S302。如果在S315中变量i达到d(S315：是)，则图像处理设备20使得处理返回。
如果在S302中样本Si不经受检测(S302：否)，并且如果变量i没有达到d(S317：否)，则图像处理设备20使i递增(增加1)，将j和k初始化为1(S316)，并且使处理返回到S302。如果变量i达到d(S317：是)，则图像处理设备20使得处理返回。
[3-1-1(3).主要处理(3)]
回到图5中的流程图，将继续描述。当图像处理设备20完成检测待处理的各个样本的靶细胞的处理时，图像处理设备20基于针对各个样本的整合之后的靶细胞区域来输出关于靶细胞区域的信息(S110)并且结束处理。例如，图像处理设备20可将靶细胞区域按照针对各个试样的整合之后的靶细胞区域的得分的降序来排序，并且可在显示设备60上显示靶细胞区域。
根据依据上述第一示例的处理，可基于待处理的试样中的估计靶细胞计数以及从待处理的试样检测靶细胞的难度来设定检测处理中所使用的参数。
[3-2.第二示例]
基于图9中的流程图，下面将详细描述由图像处理系统1执行的根据第二示例的处理。第二示例与第一示例的不同之处在于，在不使用检测难度的情况下设定检测参数集。
如图9所示，例如，基于从输入设备50输入的数据，图像处理设备20设定从目标试样生成的样本的数量(N：N是等于或大于1的整数)(S501)并且获得关于目标试样的信息(试样信息)(S502)。试样信息可包括年龄、病历和妊娠周数中的至少一个。
图像处理设备20基于在S502中获得的试样信息来估计目标试样中的靶细胞计数(a)(S503)。例如，图像处理设备20可指定在S502中获得的试样信息所属的分类，并且可基于针对所指定的分类预先确定的每单位血液的代表靶细胞计数以及标本(即，试样)的血量来计算试样中的估计靶细胞计数。
图像处理设备20基于在S503中计算的靶细胞计数(a)以及在S501中设定的样本数(N)来计算每样本的靶细胞计数(b)(S504)。图像处理设备20基于在S504中计算的每样本的靶细胞计数(b)来确定要经受检测并且包含等于或大于检测所需的必要细胞计数(c)的细胞计数的样本数(d)(S505)。
图像处理设备20从生成自目标试样的多个样本中选择并确定要处理并且数量等于在S505中确定的要经受检测的样本数(d)的样本(S506)。
图像处理设备20基于关于在S506中确定的待处理的样本的信息以及在S504中计算的每样本的靶细胞计数(b)来设定检测参数集(S507)。例如，检测参数集可包括指示样本是否要经受检测的检测目标标志、指示要作为核候选区域从样本提取的图像区域的条件的核候选区域参数、以及指示针对样本的图像设定确定目标区域的条件的确定目标区域参数。例如，图像处理设备20可基于关于在S506中确定的待处理的样本的信息来设定检测目标标志，并且可基于裕度(b·d-c)来设定核候选区域参数和确定目标区域参数，所述裕度通过从得自表达式b·d(指示要经受检测的样本数(d)与每样本的靶细胞计数的乘法)的值减去必要细胞计数(c)来获得。
图像处理设备20基于在S507中设定的检测参数集来执行从试样检测靶细胞的处理(S508)。检测靶细胞的处理利用图7中的流程图详细描述并且将不再描述，因为该处理也用在第一示例中。
当图像处理设备20完成检测针对待处理的各个样本的靶细胞的处理时，图像处理设备20基于针对各个样本的整合之后的靶细胞区域来输出关于靶细胞区域的信息(S509)并且结束处理。
根据依据上述第二示例的处理，可基于待处理的试样中的估计靶细胞计数来设定检测处理中所使用的参数。
[3-3.第三示例]
基于图10中的流程图，将详细描述由图像处理系统1执行的根据第三示例的处理。第三示例与第一示例的不同之处在于，在不使用针对目标试样估计的靶细胞计数的情况下设定检测参数集。
如图10所示，例如，基于从输入设备50输入的数据，图像处理设备20设定从目标试样生成的样本数(N：N是等于或大于1的整数)(S601)。
图像处理设备20从生成自目标试样的多个样本中确定待处理的样本(S602)。例如，图像处理设备20可将从目标试样生成的多个样本全部设定为待处理的样本，或者可基于针对目标试样计算的检测难度Df来确定待处理的样本。例如，图像处理设备20可根据检测难度的范围来预先确定比率(具体地讲，检测难度越高，比率越大)，可基于通过将与检测难度Df对应的比率乘以所有样本的数量而获得的值(具体地讲，所述值可以是将所获得的乘法值向上舍入的整数)来确定待处理的样本数，并且可基于所确定的样本数来确定待处理的样本。待处理的样本数由d表示。
图像处理设备20执行计算指示从待处理的样本检测靶细胞的难度的检测难度的处理(S603)。计算检测难度的处理利用图6中的流程图详细描述并且将不再描述，因为该处理也用在第一示例中。
对于待处理的样本Si(i＝1至d)，图像处理设备20基于在S603中计算的检测难度Dfi来为样本Si设定检测参数集(S604)。例如，检测参数集可包括指示样本是否要经受检测的检测目标标志、指示要作为核候选区域从样本提取的图像区域的条件的核候选区域参数、以及指示针对样本的图像设定确定目标区域的条件的确定目标区域参数。例如，图像处理设备20可基于关于在S603中确定的待处理的样本的信息来设定检测目标标志，并且可基于针对样本Si计算的检测难度Dfi来设定核候选区域参数和确定目标区域参数。
图像处理设备20基于在S604中设定的检测参数集来执行从试样检测靶细胞的处理(S605)。检测靶细胞的处理利用图7中的流程图详细描述并且将不再描述，因为该处理也用在第一示例中。
当图像处理设备20完成检测针对待处理的各个样本的靶细胞的处理时，图像处理设备20基于针对各个样本的整合之后的靶细胞区域来输出关于靶细胞区域的信息(S606)并且结束处理。
根据依据上述第三示例的处理，可基于从待处理的试样检测靶细胞的难度来设定检测处理中所使用的参数。
本发明不限于上述实施方式。例如，代替整合靶细胞区域，靶细胞区域可按照其得分的顺序来显示。图像处理设备20不必从光学显微镜10获得试样的捕获图像，而是可从另一计算机获得试样的捕获图像。
标号列表
1 图像处理系统
10 光学显微镜
11 载玻片
12 物镜
13 聚焦机构
14 CCD相机
20 图像处理设备
21 试样信息获取单元
22 试样特征信息存储单元
23 靶细胞计数估计单元
24 捕获图像获取单元
25 样本特征提取单元
26 检测难度确定单元
27 检测目标样本设定单元
28 检测参数设定单元
29 核候选区域提取单元
30 确定目标区域设定单元
31 图像特征生成单元
32 靶细胞确定单元
33 靶细胞区域设定单元
34 靶细胞区域整合单元
35 确定结果输出单元
50 输入设备
60 显示设备
70 核候选区域
71 靶细胞区域
72 靶细胞区域

Claims (7)

1.一种图像处理设备，该图像处理设备包括：
难度计算装置，该难度计算装置用于基于样本的厚度、所述样本中包含的核的亮度、和/或所述样本的捕获图像中颜色比预定浓度淡的像素的比率来计算检测难度，所述检测难度指示检测所述样本中所包含的靶细胞的难度；以及
设定装置，该设定装置用于基于所述检测难度来设定与从所述样本的所述捕获图像检测所述靶细胞的处理相关的检测参数，
其中，所述检测参数包括用于定义设定条件的信息，所述设定条件用于设定确定目标区域，在所述确定目标区域上进行关于所述捕获图像是否包含靶细胞区域的确定。
2.根据权利要求1所述的图像处理设备，该图像处理设备还包括：
确定装置，所述确定装置用于针对所述捕获图像确定基于所述检测参数设定的所述确定目标区域中是否包含所述靶细胞。
3.根据权利要求2所述的图像处理设备，
其中，所述设定装置按照当所述检测难度具有更高的值时，所述确定目标区域的数量被设定为更大的值的方式来设定所述设定条件。
4.根据权利要求2或3所述的图像处理设备，该图像处理设备还包括：
整合装置，
其中，当存在被确定为包含所述靶细胞并且彼此交叠或匹配的多个确定目标区域时，所述整合装置将所述多个确定目标区域整合到被所述确定装置确定为包含所述靶细胞的可能性最高的确定目标区域中。
5.根据权利要求1至3中任一项所述的图像处理设备，
其中，所述难度计算装置对于所述样本的厚度的越高的均匀度计算值越低的所述检测难度，所述均匀度被确定为在所述样本的多个点测量的深度的方差的倒数，对于所述样本中包含的核的越低的亮度计算值越低的所述检测难度，对于包含在所述样本中的颜色比预定浓度淡的像素的越高的比率计算值越高的所述检测难度。
6.根据权利要求1至3中任一项所述的图像处理设备，
其中，所述检测参数包括用于确定从目标试样生成的多个样本中的每一个样本是否要经受所述样本中的所述靶细胞的检测的信息。
7.一种图像处理方法，该图像处理方法包括以下步骤：
基于样本的厚度、所述样本中包含的核的亮度、和/或所述样本的捕获图像中颜色比预定浓度淡的像素的比率来计算检测难度，所述检测难度指示检测所述样本中所包含的靶细胞的难度；以及
基于所述检测难度来设定与从所述样本的所述捕获图像检测所述靶细胞的处理相关的检测参数，
其中，所述检测参数包括用于定义设定条件的信息，所述设定条件用于设定确定目标区域，在所述确定目标区域上进行关于所述捕获图像是否包含靶细胞区域的确定。
CN201480056915.2A 2013-12-27 2014-09-11 图像处理设备、程序、存储介质和图像处理方法 Active CN105637344B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2013-271141 2013-12-27
JP2013271141A JP6156137B2 (ja) 2013-12-27 2013-12-27 画像処理装置及びプログラム
PCT/JP2014/074016 WO2015098199A1 (ja) 2013-12-27 2014-09-11 画像処理装置、プログラム、記憶媒体、及び画像処理方法

Publications (2)

Publication Number Publication Date
CN105637344A CN105637344A (zh) 2016-06-01
CN105637344B true CN105637344B (zh) 2019-03-01

Family

ID=53478082

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201480056915.2A Active CN105637344B (zh) 2013-12-27 2014-09-11 图像处理设备、程序、存储介质和图像处理方法

Country Status (5)

Country Link
US (1) US10146042B2 (zh)
EP (1) EP3091348B1 (zh)
JP (1) JP6156137B2 (zh)
CN (1) CN105637344B (zh)
WO (1) WO2015098199A1 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6194791B2 (ja) * 2013-12-27 2017-09-13 富士ゼロックス株式会社 画像処理装置及びプログラム
WO2022201881A1 (ja) * 2021-03-25 2022-09-29 日本電気株式会社 スライド数推定装置、制御方法、及び非一時的なコンピュータ可読媒体

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101184166A (zh) * 2006-11-14 2008-05-21 索尼株式会社 成像系统和方法
CN101339185A (zh) * 2008-06-23 2009-01-07 武汉呵尔医疗科技发展有限公司 用于脱落细胞检测的自动显微成像仪及检测方法
CN103218804A (zh) * 2011-12-21 2013-07-24 富士施乐株式会社 图像处理装置、图像处理方法和图像处理系统

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0991430A (ja) * 1995-09-27 1997-04-04 Hitachi Ltd パターン認識装置
US6151405A (en) * 1996-11-27 2000-11-21 Chromavision Medical Systems, Inc. System and method for cellular specimen grading
US7756305B2 (en) * 2002-01-23 2010-07-13 The Regents Of The University Of California Fast 3D cytometry for information in tissue engineering
JP4346923B2 (ja) * 2003-02-21 2009-10-21 晴夫 高林 標的細胞自動探索システム
JP2006317406A (ja) * 2005-05-16 2006-11-24 Olympus Corp 細胞画像撮像装置、細胞画像撮像方法、細胞画像撮像プログラム、及び細胞観察装置
EP2042853B1 (en) * 2006-07-12 2014-04-23 Toyobo Co., Ltd. Analyzer and use thereof
US11105686B2 (en) * 2010-05-10 2021-08-31 University of Pittshurgh-Of the Commonwealth System of Higher Education Spatial-domain low-coherence quantitative phase microscopy
JP5413408B2 (ja) * 2011-06-09 2014-02-12 富士ゼロックス株式会社 画像処理装置、プログラム及び画像処理システム
JP5907125B2 (ja) * 2013-07-25 2016-04-20 富士ゼロックス株式会社 画像処理装置、プログラム及び画像処理システム

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101184166A (zh) * 2006-11-14 2008-05-21 索尼株式会社 成像系统和方法
CN101339185A (zh) * 2008-06-23 2009-01-07 武汉呵尔医疗科技发展有限公司 用于脱落细胞检测的自动显微成像仪及检测方法
CN103218804A (zh) * 2011-12-21 2013-07-24 富士施乐株式会社 图像处理装置、图像处理方法和图像处理系统

Also Published As

Publication number Publication date
EP3091348A4 (en) 2017-05-10
JP6156137B2 (ja) 2017-07-05
US20160187637A1 (en) 2016-06-30
CN105637344A (zh) 2016-06-01
JP2015125098A (ja) 2015-07-06
EP3091348B1 (en) 2020-07-08
EP3091348A1 (en) 2016-11-09
WO2015098199A1 (ja) 2015-07-02
US10146042B2 (en) 2018-12-04

Similar Documents

Publication Publication Date Title
CN105612249B (zh) 图像处理装置、程序、信息存储介质和图像处理方法
CN104471389B (zh) 图像处理装置、图像处理方法及图像处理系统
CN105637343B (zh) 检测控制装置、检测系统、存储介质和检测控制方法
AU2014237346B2 (en) System and method for reviewing and analyzing cytological specimens
CN104487564B (zh) 图像处理装置、图像处理方法以及图像处理系统
JP5333570B2 (ja) 画像処理装置、プログラム及び画像処理システム
EP3006551B1 (en) Image processing device, image processing method, program, and storage medium
CN110349216A (zh) 货箱位置检测方法及装置
US20150023573A1 (en) Pathological diagnosis support apparatus and pathological diagnosis support method
US9858662B2 (en) Image processing device, computer storage medium, and method for detecting and displaying nucleated target cells
CN112631896A (zh) 设备性能测试方法、装置、存储介质及电子设备
CN105637344B (zh) 图像处理设备、程序、存储介质和图像处理方法
WO2014196097A1 (ja) 画像処理システム、画像処理装置、プログラム、記憶媒体及び画像処理方法
JP5907125B2 (ja) 画像処理装置、プログラム及び画像処理システム
JP2013142859A (ja) 画像処理装置、画像処理方法、プログラム及びデジタル顕微鏡システム

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right

Effective date of registration: 20180426

Address after: Tokyo, Japan, Japan

Applicant after: Fuji Film Corp.

Address before: Tokyo, Japan, Japan

Applicant before: Fuji Xerox Corp.

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant