CN105814441B - 抗核抗体图像分析系统、抗核抗体图像分析方法和抗核抗体图像分析程序 - Google Patents
抗核抗体图像分析系统、抗核抗体图像分析方法和抗核抗体图像分析程序 Download PDFInfo
- Publication number
- CN105814441B CN105814441B CN201480066893.8A CN201480066893A CN105814441B CN 105814441 B CN105814441 B CN 105814441B CN 201480066893 A CN201480066893 A CN 201480066893A CN 105814441 B CN105814441 B CN 105814441B
- Authority
- CN
- China
- Prior art keywords
- titre
- briliancy
- thinner ratio
- antinuclear antibodies
- nucleus
- 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
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
- G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
- G01N33/68—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving proteins, peptides or amino acids
- G01N33/6875—Nucleoproteins
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- 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
- G06V20/693—Acquisition
Abstract
辉度计算装置(81)计算从指定稀释比的抗核抗体图像中提取的细胞核的辉度。滴度预测装置(82)使用基于细胞核的染色形态指定的染色图案和至少一个稀释比处的辉度来预测抗核抗体滴度。
Description
技术领域
本发明涉及用于分析抗核抗体图像以预测滴度的抗核抗体图像分析系统、抗核抗体图像分析方法和抗核抗体图像分析程序。
背景技术
抗核抗体检测用在属于自身免疫疾病的结缔组织疾病的诊断、治疗决策、预后估计等重要测试之中。自身抗体筛选的最有效方法是免疫荧光。该方法中,将稀释到预定浓度的病人血清添加到载玻片上人工培养的人喉癌源上皮细胞(称为HEp-2细胞)进行反应,然后使用具有荧光染剂标记的二次抗体来检测细胞中是否存在抗体和自身抗原的反应。
通过免疫荧光获得荧光图案和抗体滴度,作为抗核抗体测试结果。存在六种主要荧光图案,即,斑纹图案、均质图案、边缘图案、离散斑纹图案、核小体图案和细胞质图案。所确定的滴度表示为40倍稀释阳性、80倍稀释阳性、160倍稀释阳性等。40倍稀释阳性表示在病人血清40倍稀释的情形中荧光图案可识别,但在病人血清更高倍率稀释(如80倍稀释)的情形中荧光图案不可识别。
在以下两个步骤中执行免疫荧光的抗核抗体的确定。第一个步骤中,对具有给定稀释比(如40倍稀释)的样本进行定性测试。定性测试通常包括通过显微镜观察在视觉上做出阳性/阴性确定。在荧光显微镜下通过显微镜检查确定为阴性的样本被认为是抗核抗体阴性。
此后第二步骤中,对定性测试中确定为阳性的样本做进一步处理。一旦在定性测试中被确定为抗核抗体阳性,则准备具有双倍稀释血清的载玻片,对基于该稀释比的抗体滴度进行定量测试。这里,将给出阳性结果的最大稀释比设定为抗体滴度。还确定每个样本的荧光图案。
专利文献(PTL)1描述了通过间接免疫荧光化验,在抗人血清中核抗原和细胞浆抗原的抗体的测量中的最终抗体滴度测量方法。在专利文献1描述的方法中,基于病人血清的初始抗体滴度和相机的曝光时间和最大有效曝光时间(最终曝光时间),计算病人血清的最终抗体滴度。
引用列表
专利文献
PTL 1:PCT国际申请公开的No.2011-503586的日文译文
发明内容
技术问题
典型的测试评估包括上文提到的通过显微镜观察视觉上做出阳性/阴性确定,其在再现性和客观性上存在问题。在使用在显示器上显示染色样本图像的系统的评估的情形中,也是视觉上做出阳性/阴性确定,这在再现性和客观性上存在问题。
当定性测试结果是抗核抗体阳性的情形中,还存在以下问题,需要准备具有双倍稀释的血清的载玻片以用于定量测试,并且针对每个载玻片,需要检查多达哪个稀释比看得到反应以确定滴度。在使用抗核抗体图像的情形中同样如此。
专利文献1描述了一个公式,其使用病人血清的初始抗体滴度以及相机的曝光时间和最大有效曝光时间来计算病人血清的最终抗体滴度。使用专利文献1中描述的计算公式能够确定特定滴度。然而,专利文献1中描述的测量方法的问题是,由于计算抗体滴度的公式是通过简单线性等式定义的,所以计算出的抗体滴度的精度较低。因此,使用专利文献1中描述的测量方法可以降低操作成本,但是存在无法提高滴度预测精度的问题。
因此,本发明的目的在于提供一种抗核抗体图像分析系统、抗核抗体图像分析方法和抗核抗体图像分析程序,其可以在保持滴度预测精度的同时,降低使用抗核抗体图像预测滴度的操作成本。
问题的解决方案
根据本发明的抗核抗体图像分析系统包括:辉度计算装置,计算从指定稀释比的抗核抗体图像中提取的细胞核的辉度;以及滴度预测装置,使用由细胞核的染色形态指定的染色图案和至少一个稀释比处的辉度来预测抗核抗体滴度。
根据本发明的抗核抗体图像分析方法包括:计算从指定稀释比的抗核抗体图像中提取的细胞核的辉度;以及使用由细胞核的染色形态指定的染色图案和至少一个稀释比处的辉度来预测抗核抗体滴度。
根据本发明的抗核抗体图像分析程序使计算机执行:辉度计算处理,计算从指定稀释比的抗核抗体图像中提取的细胞核的辉度;以及滴度预测处理,使用由细胞核的染色形态指定的染色图案和至少一个稀释比处的辉度来预测抗核抗体滴度。
发明的有益效果
根据本发明,可以在保持预测精度的同时,降低使用抗核抗体图像来预测滴度的操作成本。
附图说明
图1是示出根据本发明的抗核抗体图像分析系统的示例性实施例的框图。
图2是示出滴度预测方法的示例的说明图。
图3是示出抗核抗体图像分析系统的操作的示例的流程图。
图4是示出每个滴度处的辉度的说明图。
图5是示出斑纹图案中滴度和辉度之间的关系的说明图。
图6是示出均质图案中滴度和辉度之间的关系的说明图。
图7是示出核小体图案中滴度和辉度之间的关系的说明图。
图8是示出离散斑纹图案中滴度和辉度之间的关系的说明图。
图9是示意性示出根据本发明的抗核抗体图像分析系统的框图。
具体实施方式
以下参考附图描述根据本发明的示例性实施例。
图1是示出根据本发明的抗核抗体图像分析系统的示例性实施例的框图。该示例性实施例中,抗核抗体图像分析系统包括图像输入装置11、细胞核提取装置12、染色图案(staining pattern)确定装置13、辉度计算装置14、滴度预测装置15和预测结果输出装置16。
图像输入装置11接收输入抗核抗体图像。输入抗核抗体图像是以特定倍率稀释的抗核抗体的图像。输入抗核抗体图像可以具有任何倍率,例如40倍稀释、80倍稀释或160倍稀释,只要其是特定倍率。该示例性实施例中,通过捕捉根据免疫荧光标记的二次抗体而获得的图像被用作抗核抗体图像。然而,输入抗核抗体图像不限于使用免疫荧光生成的图像。
图像输入装置11可以从存储图像的存储装置(未示出)读取抗核抗体图像,或者经由通信网络(未示出)接收另一设备发送的图像。
细胞核提取装置12从输入抗核抗体图像中提取每个细胞核。这里,细胞核提取装置12可以基于细胞核的辉度、形状等,从抗核抗体图像提取间期细胞核和分裂期细胞核中的每一个。通过提取分裂期细胞核,可以以更高的精度指定下文提到的染色图案。可以使用任何方法从抗核抗体图像提取细胞核,并且细胞核提取装置12可以使用公知方法从抗核抗体图像中提取细胞核。
染色图案确定装置13根据提取的细胞核确定抗核抗体图案。例如,根据染色形态,使用荧光染剂的免疫荧光将抗核抗体主要分类为斑纹图案、均质图案、边缘图案、离散斑纹图案、核小体图案和细胞质图案。相应地,基于所提取的细胞核的染色形态,染色图案确定装置13确定抗核抗体可被分类为这些图案中的哪种图案。假定基于细胞核的染色形态指定抗核抗体图案,以下将该图案称为染色图案。
例如,在整个细胞核被均匀染色的情形中,染色图案确定装置13可以将抗核抗体确定为均质染色图案。染色图案确定装置13可以用任何其他公知方法来确定抗核抗体的染色图案。
一些细胞核具有多染色形态的特征。在该情形中,抗核抗体可以不限于一种染色图案。因此,染色图案确定装置13可以确定目标抗核抗体可能具有多个染色图案。因而,根据细胞核的染色形态,染色图案确定装置13不仅可以指定一个染色图案,还可以指定多个染色图案。
辉度计算装置14计算细胞核的染色区的辉度。以下描述辉度计算方法的示例。在细胞核提取装置12提取间期细胞核和分裂期细胞核后,辉度计算装置14从提取的细胞核中选择间期细胞核。
通常,使用变成绿色的荧光染剂来染色细胞核。因此,辉度计算装置14针对每个被选中的间期细胞核来计算RGB中的平均绿色值。获得和细胞核数量一样多的平均绿色值作为结果。
然后,辉度计算装置14计算细胞核的平均绿色值,以计算整个图像的一个辉度值。换句话说,可以通过以下公式1来计算辉度。
辉度=(细胞核平均绿色值之和)/(细胞核数量) (公式1)
通过使用公式1,计算每个图像的一个辉度值。因此,辉度计算装置14可以计算每个细胞核的预定绿色值的平均值,并把使用所计算的每个细胞核的平均值而计算的整个图像的平均绿色值设置为辉度。然而,辉度计算方法不限于使用公式1的计算方法。
滴度阈值装置15使用指定的染色图案和计算的细胞核辉度来预测图像中示出的抗核抗体的滴度。这里,滴度预测装置15使用一个特定稀释比的抗核抗体图像的计算辉度来预测滴度。这里,输入到图像输入装置11的抗核抗体图像可以仅是一个抗核抗体的特定稀释比的图像。
该示例性实施例中的滴度预测装置15基于根据特定稀释比的抗核抗体图像计算的辉度来预测一个或多个其他稀释比的抗核抗体图像的辉度,稀释比取决于每个染色图案的属性。具体地,针对每个染色图案,滴度预测装置15计算指示稀释比和辉度之间的关系的函数。通常,当稀释比较高时辉度较低,所以稀释比和辉度所表示的函数是单调递减函数。假定使用该函数来预测滴度,以下将该函数表示的曲线称为滴度预测曲线。因此,滴度预测曲线是指示稀释比和辉度之间的关系的曲线。
滴度预测装置15基于计算的函数指定辉度低于预定阈值的稀释比,并根据指定的稀释比来确定滴度。该阈值用于确定染色图案是否可以视觉识别,并且根据技术人员的经验法则等针对每个染色图案预先设置。
以下详细描述指定函数的方法。令x是表示稀释比的变量,y是表示辉度的变量。则,滴度预测曲线用以下公式2表示。表示稀释比的变量x是与稀释比x’具有以下关系的变量:
x=log2x’-C(C是常数)。
Log2y=ax+log2b’ (公式2)。
对公式2进行修改,得到以下公式3。
y=b’·2ax (公式3)。
公式2和3中,a是针对每个染色图案定义的常数,且根据经验法则等预先确定,b’是根据计算的辉度来确定的值。
针对给定的稀释比x1’,辉度计算装置14计算表示稀释比的变量x1(=log2x1’-C)和细胞核辉度y1。然后,滴度预测装置15将表示稀释比的变量x1和辉度y1赋值给公式2和3中的x和y,得到b’。由于a是预定常数,所以一旦获得b’就唯一指定了曲线。然后,滴度预测装置15指定低于针对指定染色图案设置的阈值的辉度处的稀释比y2。滴度预测装置15预测以下作为抗核抗体滴度:来自低于稀释比y2且用于确定滴度的所有稀释比中的最大稀释比。
图2是示出滴度预测方法的示例的说明图。图2示出了染色图案确定装置13将染色图案确定为均质图案的示例。在图2的图示中,横轴代表表示稀释比的变量,纵轴代表辉度。横轴中的稀释比用孔编号(表示稀释比的变量)表示,其中稀释比40倍、80倍、160倍、320倍、640倍、1280倍、2560倍和5120倍分别被指派到编号1至编号8。
在图2示出的示例中,选择编号3(160倍)作为用于辉度计算的稀释比(参见图2(a))。将选定的稀释比和该稀释比处的辉度代入公式2或3中,得到b’。由于a是针对作为染色图案的均质图案而预先确定的,滴度预测曲线被计算为如图2(b)所示。
阈值是针对作为染色图案的均质图案而预先确定的。在图2(c)示出的示例中,使滴度预测曲线在阈值以下的稀释比在编号5和编号6之间。由此,滴度预测装置15预测编号5(640倍稀释)(用于确定作为滴度的稀释比中的最大稀释比)作为滴度。
尽管在图2示出的示例中选择编号3的(160倍)稀释比,所选择的倍率不限于编号3(160倍),且可以是任何稀释比。该示例性实施例中,滴度预测装置15计算同时覆盖该稀释比前方和后方的范围的滴度预测曲线。因此,例如,在选择编号3的稀释比的情形中,不仅可以预测编号4及以后编号的稀释比处的辉度,同样还可以预测编号2及之前编号的稀释比处的辉度。
因此,滴度预测装置15根据指定的染色图案和特定稀释比处的辉度来计算滴度预测曲线,并指定辉度低于阈值的稀释比。由于不需要计算多个稀释比处的辉度,可以降低滴度计算成本。
通常,将稀释血清逐渐稀释以确定滴度,所以需要准备多个稀释比的血清,并针对每个稀释比的血清做出阳性/阴性确定。另一方面,在该示例性实施例中,只需要准备特定稀释比的血清并对其成像,而不需要准备其他稀释比的血清。这节省了通过双倍稀释血清来准备载玻片的成本,还节省了观察每个双倍稀释血清的时间和精力。
此外,在该示例性实施例中,滴度预测曲线表示为指示指数衰减的关系,并且该函数根据针对每个染色图案设置的常数来定义。使用该滴度预测曲线能够更恰当地表示稀释比和辉度之间的关系。
在染色图案确定装置13确定目标抗核抗体可能具有多个染色图案的情形中,滴度预测装置15可以计算滴度预测曲线,以预测每个可能的染色图案的滴度。
在该示例性实施例中,定量测试中使用的血清的稀释比可以是任何稀释比。因此,除上述40倍、80倍、160倍等外的稀释比(如10倍、100倍等)同样适用。
尽管上文描述了使用一个特定稀释比的抗核抗体图像来预测滴度的方法,所用的稀释比的数量不限于1。使用多个稀释比的抗核抗体图像有助于得到更高的滴度预测精度。
预测结果输出装置16输出滴度预测装置15的预测结果。可以使用任何方法来输出预测结果。例如,预测结果输出装置16可以只输出输入抗核抗体图像的滴度。备选地,预测结果输出装置16可以用图的形式显示阈值和滴度预测装置15计算的函数。预测结果输出装置16可以通过例如显示设备等来实现。
细胞核提取装置12、染色图案确定装置13、辉度计算装置14和滴度预测装置15通过根据程序(抗核抗体图像分析程序)操作的计算机的CPU来实现。例如,程序可以存储在抗核抗体图像分析系统的存储单元(未示出)中,CPU读取该程序并根据该程序操作为细胞核提取装置12、染色图案确定装置13、辉度计算装置14和滴度预测装置15。
备选地,细胞核提取装置12、染色图案确定装置13、辉度计算装置14和滴度预测装置15每一个都可以通过专用硬件来实现。
以下描述该示例性实施例中的抗核抗体图像分析系统的操作。图3是示出示例性实施例中的抗核抗体图像分析系统的操作的示例的流程图。
当图像输入装置11接收抗核抗体图像时(步骤S21),细胞核提取装置12从抗核抗体图像中提取细胞核(步骤S22)。基于提取的细胞核的染色形态,染色图案确定装置13指定抗核抗体的染色图案(步骤S23)。辉度计算装置14计算提取的细胞核的辉度(步骤S24)。
基于指定的染色图案和计算的在特定稀释比处的辉度,滴度预测装置15计算滴度预测曲线(步骤S25)。然后,滴度预测装置15根据滴度预测曲线来确定辉度低于阈值的稀释比,以预测滴度(步骤S26)。
如上所述,根据该示例性实施例,辉度计算装置14计算从指定稀释比的抗核抗体图像中提取的细胞核的染色区中的辉度,并且滴度预测装置15使用指定的染色图案和指定稀释比处的辉度来预测抗核抗体的滴度。以这种方式,可以在保持预测精度的同时,降低使用抗核抗体图像来预测滴度的操作成本。
具体地,根据该示例性实施例,不仅可以节省通过双倍稀释来准备载玻片的成本,还可以节省观察每个双倍稀释载玻片的时间和精力。换句话说,可以针对载玻片中形成的孔的数量而一次执行确定。
示例
以下通过特定示例描述本发明,但是本发明的范围不限于以下示例。以下描述关于四种染色图案,即,斑纹图案、均质图案、核小体图案和离散斑纹图案。
首选,针对指定了每种染色图案的四种情形,通过双倍稀释来准备载玻片,并获得不同稀释比的染色样本的图像。该示例中,具有40倍稀释滴度的血清被双倍稀释,直到稀释成最大的5120倍稀释滴度,并且获得每个滴度的图像。
接下来,从获得的图像中提取每个细胞核,并计算辉度。该示例中,使用根据图像计算的平均辉度值作为辉度。获得图4中示出的辉度作为结果。以下也将根据图像计算的辉度称为测量值。
图4是示出每个滴度处的辉度的说明图。图4(a)、(b)、(c)和(d)中的值分别是根据染色图案(即,斑纹图案、均质图案、核小体图案和离散斑纹图案)的图像计算的辉度值。
然后,将160倍稀释滴度处的辉度代入上述公式2或公式3,计算常数b′,继而计算滴度预测曲线。这里,公式2或公式3中的常数a是针对每个染色图案所预先确定的值。
图5至图8的每个图都示出了针对相应染色图案计算的滴度预测曲线与根据获得的图像计算的测量值之间的关系。具体地,图5中示出的图表示斑纹图案中滴度和辉度之间的关系,图6中示出的图表示均质图案中滴度和辉度之间的关系,图7中示出的图表示核小体图案中滴度和辉度之间的关系,以及图8中示出的图表示离散斑纹图案中滴度和辉度之间的关系。
在图5至图8示出的每个图中,交叉记号、X记号、实心方框和空心方框标记的点表示在根据对应染色图案情形的图像计算出的每个滴度处的辉度值,并且实线表示计算的滴度预测曲线。每个图中,在辉度0和50之间平行于横轴的直线是对应染色图案的阈值。
由于160倍稀释滴度的测量值用于每个滴度预测曲线的估计,所以滴度预测曲线的辉度和计算的测量值在160倍稀释滴度处相匹配,如图5至8所示。此外,图5至8中,在每个滴度处,计算的滴度预测曲线都接近于测量值。具体地,当滴度增加时,测量值逐渐接近于滴度预测曲线。
例如,在图5示出的示例中,情形1的测量值和滴度预测曲线的辉度在5120倍稀释滴度处都低于阈值。因而,在使用滴度预测曲线的情形和使用测量值的情形中,情形1的滴度都被确定为2560倍稀释。情形3和情形4中每一个的测量值在2560倍稀释滴度处都低于阈值。因而,在使用滴度预测曲线的情形和使用测量值的情形中,情形3和情形4中每一个的滴度都被确定为1280倍稀释。
另一方面,情形2的测量值只采集到最高320倍稀释滴度,由此无法确定滴度。然而,根据本发明的滴度预测曲线的使用揭示了在640倍稀释滴度处辉度低于阈值。因此,通过滴度预测曲线的使用,情形2的滴度可以被确定为320倍稀释。
即使在如图6至8中染色图案不同的情形中,可以以与图5示出的染色图案相同的方式来确定滴度。
注意,在滴度预测曲线指示的辉度较高的范围中,由于辉度过高,对显微镜功能进行调节的辉度造成测量值的辉度的失真,其结果是观察到测量值指示的辉度和滴度预测曲线指示的辉度之间的间隔(例如,图5中在40倍稀释滴度处的情形1、3和4)。
以下描述本发明的概览。图9是示意性示出根据本发明的抗核抗体图像分析系统的框图。根据本发明的抗核抗体图像分析系统包括:辉度计算装置81(例如,辉度计算装置14),计算从指定稀释比的抗核抗体图像中提取的细胞核的辉度;以及滴度预测装置82(例如,滴度预测装置15),使用根据细胞核的染色形态指定的染色图案和至少一个稀释比处的辉度来预测抗核抗体滴度。
该结构降低了使用抗核抗体图像预测滴度的操作成本。
滴度预测装置82可以如下预测抗核抗体滴度;通过基于指定的染色图案和计算的特定稀释比处的辉度来计算表示每个稀释比和辉度之间的关系的滴度预测曲线(例如,公式2或3表示的曲线),并且根据滴度预测曲线指定辉度低于阈值的稀释比,所述阈值是根据染色图案预设的。
通过计算滴度预测曲线就可以补全每个滴度处的辉度,不需要准备多个稀释比处的抗核抗体。这降低了滴度预测的操作成本。
滴度预测装置82可以从低于指定稀释比且用于确定滴度的所有稀释比中预测最大的稀释比作为抗核抗体滴度。
辉度计算装置81可以计算每个细胞核的预定颜色(例如RGB中的绿色)的平均值,并把使用所计算的每个细胞核的计算平均值而计算的整个图像的颜色的平均值设置为辉度。
滴度预测装置82可以针对由一个抗核抗体图像指定的一个或多个染色图案中的每个染色图案来预测抗核抗体滴度。通过以这种方式预测来自一个抗核抗体图像的多个可能的染色图案的滴度,可以进一步降低滴度预测的操作成本。
尽管已参照上述示例性实施例和示例描述了本发明,但是本发明不限于上述示例性实施例和示例。在本发明的范围中,可以对本发明的结构和细节作出本领域技术人员可以理解的各种改变。
本申请要求基于2013年12月11日递交的日本专利申请No.2013-255558的优先权,其全部公开内容通过引用合并于此。
工业实用性
本发明适用于例如通过图像数据来分析根据免疫荧光的抗核抗体的染色样本并估计荧光模式和抗体滴度的系统。
附图标记列表
11 图像输入装置
12 细胞核提取装置
13 染色图案确定装置
14 辉度计算装置
15 滴度预测装置
16 预测结果输出装置
Claims (6)
1.一种抗核抗体图像分析系统,包括:
辉度计算单元,所述辉度计算单元计算从指定稀释比的抗核抗体图像中提取的细胞核的辉度;以及
滴度预测单元,所述滴度预测单元使用由细胞核的染色形态指定的染色图案和至少一个稀释比处的辉度来预测抗核抗体滴度;
其中,所述滴度预测单元如下预测抗核抗体滴度:通过基于指定的染色图案和计算的特定稀释比处的辉度计算表示每个稀释比和辉度之间的关系的滴度预测曲线,并且根据滴度预测曲线,指定辉度低于阈值的稀释比,所述阈值是根据染色图案预设的;
其中,x是表示稀释比的变量,y是表示辉度的变量,a是针对每个染色图案定义的常数,b’是根据计算的辉度来确定的值,则滴度预测曲线由y=b’·2ax来表示;
辉度计算单元针对给定的稀释比来计算稀释比和细胞核的辉度;
滴度预测单元将所计算的稀释比和辉度赋予滴度预测曲线,以得到b’。
2.根据权利要求1所述的抗核抗体图像分析系统,其中,滴度预测单元预测以下作为抗核抗体滴度:来自低于指定稀释比且用于确定滴度的所有稀释比中的最大稀释比。
3.根据权利要求1所述的抗核抗体图像分析系统,其中,辉度计算单元计算每个细胞核的预定颜色的平均值,并把使用所计算的每个细胞核的平均值而计算的整个图像的颜色的平均值设置为辉度。
4.根据权利要求1所述的抗核抗体图像分析系统,其中,滴度预测单元针对由一个抗核抗体图像指定的一个或多个染色图案中的每个染色图案来预测抗核抗体滴度。
5.一种抗核抗体图像分析方法,包括:
计算从指定稀释比的抗核抗体图像中提取的细胞核的辉度;以及
使用由细胞核的染色形态指定的染色图案和至少一个稀释比处的辉度,预测抗核抗体滴度;
其中,如下预测抗核抗体滴度:通过基于指定的染色图案和所计算的特定稀释比处的辉度来计算表示每个稀释比和辉度之间的关系的滴度预测曲线,并且根据滴度预测曲线,指定辉度低于阈值的稀释比,所述阈值是根据染色图案预设的;
其中,x是表示稀释比的变量,y是表示辉度的变量,a是针对每个染色图案定义的常数,b’是根据计算的辉度来确定的值,则滴度预测曲线由y=b’·2ax来表示;
辉度计算单元针对给定的稀释比来计算稀释比和细胞核的辉度;
滴度预测单元将所计算的稀释比和辉度赋予滴度预测曲线,以得到b’。
6.一种非瞬时计算机可读信息记录介质,存储有抗核抗体图像分析程序,当所述程序由处理器执行时,执行以下方法:
计算从指定稀释比的抗核抗体图像中提取的细胞核的辉度;以及
使用由细胞核的染色形态指定的染色图案和至少一个稀释比处的辉度来预测抗核抗体滴度;
如下预测抗核抗体滴度:通过基于指定的染色图案和所计算的特定稀释比处的辉度来计算表示每个稀释比和辉度之间的关系的滴度预测曲线,并且根据滴度预测曲线,指定辉度低于阈值的稀释比,所述阈值是根据染色图案预设的;
其中,x是表示稀释比的变量,y是表示辉度的变量,a是针对每个染色图案定义的常数,b’是根据计算的辉度来确定的值,则滴度预测曲线由y=b’·2ax来表示;
辉度计算单元针对给定的稀释比来计算稀释比和细胞核的辉度;
滴度预测单元将所计算的稀释比和辉度赋予滴度预测曲线,以得到b’。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2013255558 | 2013-12-11 | ||
JP2013-255558 | 2013-12-11 | ||
PCT/JP2014/006085 WO2015087524A1 (ja) | 2013-12-11 | 2014-12-05 | 抗核抗体画像解析システム、抗核抗体画像解析方法および抗核抗体画像解析プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105814441A CN105814441A (zh) | 2016-07-27 |
CN105814441B true CN105814441B (zh) | 2017-10-03 |
Family
ID=53370853
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201480066893.8A Active CN105814441B (zh) | 2013-12-11 | 2014-12-05 | 抗核抗体图像分析系统、抗核抗体图像分析方法和抗核抗体图像分析程序 |
Country Status (4)
Country | Link |
---|---|
US (1) | US9972085B2 (zh) |
JP (1) | JP6176752B2 (zh) |
CN (1) | CN105814441B (zh) |
WO (1) | WO2015087524A1 (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107545153B (zh) * | 2017-10-25 | 2021-06-11 | 桂林电子科技大学 | 一种基于卷积神经网络的核小体分类预测方法 |
CN113837255B (zh) * | 2021-09-15 | 2023-06-13 | 中国科学院心理研究所 | 预测以细胞为基质的抗体核型类别的方法、设备和介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010210290A (ja) * | 2009-03-06 | 2010-09-24 | Olympus Corp | Dnaが断片化されたアポトーシス細胞の検出方法、細胞画像解析装置、プログラム、及びアポトーシスのステージの評価方法 |
CN101874206A (zh) * | 2007-11-13 | 2010-10-27 | Medipan有限公司 | 通过间接免疫荧光测定的终点效价确定方法及其评估方法 |
JP2011043350A (ja) * | 2009-08-19 | 2011-03-03 | Olympus Corp | 細胞画像解析装置、細胞画像解析方法、及びコンピュータープログラム |
JP2011075278A (ja) * | 2009-09-29 | 2011-04-14 | Olympus Corp | 細胞核を構成する構造体の解析方法、及び細胞核の形態の解析方法 |
CN102667483A (zh) * | 2010-02-22 | 2012-09-12 | Medipan有限公司 | 通过对结合合成底物和细胞底物的抗体同时检测而用于疾病诊断的方法和系统 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08304284A (ja) | 1995-05-09 | 1996-11-22 | Suzuki Motor Corp | 抗核抗体反応判定装置 |
JPH09218202A (ja) | 1995-12-08 | 1997-08-19 | B M L:Kk | 抗核抗体の検出方法及び検出用キット |
SE9900875D0 (sv) | 1999-03-11 | 1999-03-11 | Eurodiagnostica Ab | Antinuclear antibody assay utilizing stress-treated cells or cell extracts |
DE10127572A1 (de) * | 2001-05-30 | 2002-12-05 | Pathoarray Gmbh | Werkzeuge zur Diagnostik, molekularen Definition und Therapieentwicklung chronischer entzündlicher Gelenkerkrankungen |
ES2226549B1 (es) * | 2002-12-18 | 2006-07-16 | One Way Liver Genomics, S.L. | Metodo para el diagnostico de esteatohepatitis no alcoholica (nash) mediante el empleo de marcadores moleculares. |
ATE381071T1 (de) | 2004-04-08 | 2007-12-15 | Petra Perner | Verfahren zur akquisition von formen aus hep-2- zellschnitten und zum fallbasierten erkennen von hep-2-zellen |
-
2014
- 2014-12-05 CN CN201480066893.8A patent/CN105814441B/zh active Active
- 2014-12-05 WO PCT/JP2014/006085 patent/WO2015087524A1/ja active Application Filing
- 2014-12-05 US US15/100,898 patent/US9972085B2/en active Active
- 2014-12-05 JP JP2015552326A patent/JP6176752B2/ja active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101874206A (zh) * | 2007-11-13 | 2010-10-27 | Medipan有限公司 | 通过间接免疫荧光测定的终点效价确定方法及其评估方法 |
JP2010210290A (ja) * | 2009-03-06 | 2010-09-24 | Olympus Corp | Dnaが断片化されたアポトーシス細胞の検出方法、細胞画像解析装置、プログラム、及びアポトーシスのステージの評価方法 |
JP2011043350A (ja) * | 2009-08-19 | 2011-03-03 | Olympus Corp | 細胞画像解析装置、細胞画像解析方法、及びコンピュータープログラム |
JP2011075278A (ja) * | 2009-09-29 | 2011-04-14 | Olympus Corp | 細胞核を構成する構造体の解析方法、及び細胞核の形態の解析方法 |
CN102667483A (zh) * | 2010-02-22 | 2012-09-12 | Medipan有限公司 | 通过对结合合成底物和细胞底物的抗体同时检测而用于疾病诊断的方法和系统 |
Non-Patent Citations (6)
Title |
---|
An automatic image based single dilution method for end point titre quantitation of antinuclear antibodies tests using HEp-2 cells.;Arnold Wiliem, et.al.;《International Conference on Digital Image Computing: Techniques and Applications》;20120112;摘要,第2页左侧栏-第5页 * |
Automated indirect immunofluorescence evaluation of antinuclear autoantibodies in HEp-2 cells.;Jorn Voigt, et.al.;《Clinical and Developmental Immunology》;20121231;第2012卷;全文 * |
Detection of antinuclear antibodies by automated indirect immunofluorescence analysis.;Xavier Bossuyt, et.al.;《Clinica Chimica Acta》;20120923;第415卷;第102页右侧栏-第103页左侧栏,图1 * |
Evaluation of the automatic fluorescent image analyzer, image titer, for quantitative analysis of antinuclear antibodies.;Tetsuo Nakabayashi, et.al.;《Am J Clin Pathol》;20011231;第115卷;摘要,第425页,图3,图像1 * |
Novel opportunities in automated classification of antinuclear antibodies on HEp-2 cells.;Amelia Rigon, et.al.;《Autoimmunity Reviews》;20110422;第10卷;全文 * |
数字荧光强度分析法在自身抗体滴度检测中的应用探讨;彭晓东,等;《生物医学工程学杂志》;20021231;第19卷(第2期);摘要 * |
Also Published As
Publication number | Publication date |
---|---|
US20160300345A1 (en) | 2016-10-13 |
CN105814441A (zh) | 2016-07-27 |
JPWO2015087524A1 (ja) | 2017-03-16 |
WO2015087524A1 (ja) | 2015-06-18 |
JP6176752B2 (ja) | 2017-08-09 |
US9972085B2 (en) | 2018-05-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7422825B2 (ja) | 顕微鏡スライド画像のための焦点重み付き機械学習分類器誤り予測 | |
JP7458519B2 (ja) | 画像解析方法、画像解析装置、プログラム、学習済み深層学習アルゴリズムの製造方法および学習済み深層学習アルゴリズム | |
US10242248B2 (en) | Image adaptive physiologically plausible color separation | |
JP4504203B2 (ja) | 画像分析に基づいたエストロゲン及びプロゲステロン表現のスコアリング | |
JP6222584B2 (ja) | 細胞ベースの組織解析 | |
US10083340B2 (en) | Automated cell segmentation quality control | |
US8885912B2 (en) | Generate percentage of positive cells for biomarkers by normalizing and autothresholding the image intensity produced by immunohistochemistry technique | |
EP2551665A1 (en) | Information processing apparatus, information processing method, program, and method of correcting intensity of fluorescence spectrum | |
JP2018504674A (ja) | 早期癌予知のための計算病理学システム及び方法 | |
CN108416379A (zh) | 用于处理宫颈细胞图像的方法和装置 | |
US8189884B2 (en) | Methods for assessing molecular expression of subcellular molecules | |
JP6355082B2 (ja) | 病理診断支援装置及び病理診断支援方法 | |
CN110838094B (zh) | 病理切片染色风格转换方法和电子设备 | |
CN111656393A (zh) | 组织学图像分析 | |
Farris et al. | Image analysis pipeline for renal allograft evaluation and fibrosis quantification | |
CN105814441B (zh) | 抗核抗体图像分析系统、抗核抗体图像分析方法和抗核抗体图像分析程序 | |
CN112912923A (zh) | 基于距离的组织状态确定 | |
US9785848B2 (en) | Automated staining and segmentation quality control | |
US20180114320A1 (en) | System for cancer diagnosis | |
US20170003212A1 (en) | Computer-implemented method of analysing data from measured values of characteristics of objects in samples | |
WO2013118436A1 (ja) | 生体画像解析システム、生体画像解析方法および生体画像解析プログラム | |
JP2022142461A (ja) | 画像診断方法、画像診断装置、画像診断プログラム。 | |
Roohani et al. | Improving Accuracy of Nuclei Segmentation by Reducing Histological Image Variability BMI 260-Spring 2017 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |