CN111103433A - 信息处理装置及方法、测定系统及非临时性存储介质 - Google Patents

信息处理装置及方法、测定系统及非临时性存储介质 Download PDF

Info

Publication number
CN111103433A
CN111103433A CN201910957313.9A CN201910957313A CN111103433A CN 111103433 A CN111103433 A CN 111103433A CN 201910957313 A CN201910957313 A CN 201910957313A CN 111103433 A CN111103433 A CN 111103433A
Authority
CN
China
Prior art keywords
unit
images
information processing
classification
image
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.)
Granted
Application number
CN201910957313.9A
Other languages
English (en)
Other versions
CN111103433B (zh
Inventor
藤本浩司
中岛真也
中西健二
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.)
Arkray Inc
Original Assignee
Arkray Inc
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 Arkray Inc filed Critical Arkray Inc
Publication of CN111103433A publication Critical patent/CN111103433A/zh
Application granted granted Critical
Publication of CN111103433B publication Critical patent/CN111103433B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N35/00—Automatic analysis not limited to methods or materials provided for in any single one of groups G01N1/00 - G01N33/00; Handling materials therefor
    • G01N35/00584—Control arrangements for automatic analysers
    • G01N35/00722—Communications; Identification
    • G01N35/00871—Communications between instruments or with remote terminals
    • 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
    • G06V20/695—Preprocessing, e.g. image segmentation
    • 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
    • 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
    • G01N21/01—Arrangements or apparatus for facilitating the optical investigation
    • G01N21/03—Cuvette constructions
    • G01N21/05—Flow-through cuvettes
    • 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
    • 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
    • G01N21/84—Systems specially adapted for particular applications
    • 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
    • G01N33/483—Physical analysis of biological material
    • G01N33/487—Physical analysis of biological material of liquid biological material
    • G01N33/493—Physical analysis of biological material of liquid biological material urine
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/001—Texturing; Colouring; Generation of texture or 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
    • G06V20/698—Matching; Classification
    • 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
    • G01N2021/1765—Method using an image detector and processing of image signal

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Chemical & Material Sciences (AREA)
  • Biochemistry (AREA)
  • Pathology (AREA)
  • Immunology (AREA)
  • Analytical Chemistry (AREA)
  • Molecular Biology (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Urology & Nephrology (AREA)
  • Biophysics (AREA)
  • Hematology (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Investigating Or Analysing Biological Materials (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明提供一种信息处理装置及方法、测定系统及非临时性存储介质，即便在进行基于流式的图像摄影的情况下，也能够得到包括多个有形成分的由显微镜观察到的图像。信息处理装置(10)具备：分类部(30)，其从对包括多种有形成分且在流动池中流过的检体流体进行摄影得到的多个图像切出识别为有形成分的有形成分图像，将切出的有形成分图像按照规定的每个分类进行分类；导出部(32)，其根据分类部(30)所分类的有形成分图像的个数，按照每个分类，导出每个基准视场的有形成分的个数或在检体流体中包括的每个单位液量的有形成分的个数；及生成部(34)，其配置通过导出部(32)导出的与每个分类的个数对应的多个有形成分图像，生成全成分图像。

Description

信息处理装置及方法、测定系统及非临时性存储介质
技术领域
本发明涉及信息处理装置、信息处理方法、测定系统及非临时性存储介质。
背景技术
作为在检体液中含有的有形成分的测定方法，作为一例可列举尿沉渣检查。尿沉渣检查是对在尿中含有的有形成分的量及种类进行调查的检查。在尿沉渣检查中，按照在尿中含有的有形成分的每个种类调查含有量。尿沉渣检查以镜检(标准法)中的测定为基准，按照在1个视场(在用显微镜观察时一次可观察的范围)内包括的有形成分的数量来进行评价。作为判断基准，例如如果在1个视场中包括的红血球为0～4个以下、白血球为0～4个以下，则判断为正常。用于评价的1个视场根据有形成分的种类而不同，使用强放大(400倍)或弱放大(100倍)。推荐使用视场数为20、倍率为10倍的目镜。
在上述的尿沉渣检查(以下，又称为“尿中有形成分检查”)中，被推进自动化，大体分为以下三种方法：(1)基于显微镜的静止检体的观察、图像摄影、(2)基于流式的图像摄影、(3)基于流式的散点图分析。
例如，在专利文献1中记载了如下方法：对于包括极微小的粒子且处于静止状态的稀薄的生物学液体试样不进行离心分离等物理性浓缩处理而显示电子浓缩的极微小的粒子。该方法具有：以使粒子和粒子几乎不彼此重叠的方式，将液体试样分布于较广的区域的阶段；及在区域的一面形成液体试样的多个光学静止影像，由各个光学性静止影像分别表示区域内的不同部位的阶段。并且，该方法具有：将光学静止影像的各个影像分别变换为1个电子影像的阶段；及合成由电子影像表示不同的粒子的影像来形成1个合成电子影像的阶段。并且，该方法具有：以从合成电子影像中去除无用的影像部分或提取有用的影像部分的方式对合成电子影像进行处理的阶段；及将所处理的合成电子影像显示为电子浓缩的极微小的粒子的影像的阶段。另外，该专利文献1中记载的方法为与利用上述(1)的显微镜观察静止检体相关的技术。
现有技术文献
专利文献
专利文献1日本特公平3-41783号公报
但是，在上述(2)的基于流式的图像摄影中，对在流动池(flow cell)中流过的试样的图像进行摄影，将从摄影图像切出的有形成分图像按照有形成分的每个种类进行分类来进行检查。因此，在基于流式的图像摄影中，无法以由显微镜观察静止的检体的方式使观察视场移动或改变放大倍率而观察检体。并且，由于将从摄影图像切出的有形成分图像用于分析，因此不保存摄影图像本身。在由显微镜观察的静止检体的图像中包括各种种类的有形成分，并且一眼便能够观察有形成分的分布、有形成分的状态等，因此在以流式进行图像摄影的情况下，也存在想要观察包括多个有形成分的图像这样的要求。
发明内容
本发明是鉴于上述的点而完成的，本发明的目的在于提供一种即便在进行基于流式的图像摄影的情况下，也能够得到包括多个有形成分的由显微镜观察到的图像的信息处理装置、信息处理方法、测定系统及非临时性存储介质。
用于解决课题的手段
为了达到上述目的，本发明的第1方式的信息处理装置，其具备：分类部，其从对包括多种有形成分且在流动池中流过的检体流体进行摄影而得到的多个图像中切出识别为有形成分的有形成分图像，并将切出的有形成分图像按照规定的每个分类进行分类；导出部，其根据所述分类部所分类的有形成分图像的个数，按照所述每个分类，导出每个基准视场的有形成分的个数或在所述检体流体中包括的每个单位液量的有形成分的个数；及生成部，其配置通过所述导出部导出的与所述每个分类的个数对应的多个有形成分图像，生成全成分图像。
并且，本发明的第2方式的信息处理装置在第1方式中，所述导出部使用预先确定的所述每个分类的校准线而将所述有形成分图像的个数换算为所述检体流体的每个单位液量的个数，并使用预先确定的每个视场的校正系数，由换算出的每个单位液量的个数导出所述每个基准视场的个数。
并且，本发明的第3方式的信息处理装置在第1或第2方式中，所述生成部以彼此不重叠的方式配置所述多个有形成分图像。
并且，本发明的第4方式的信息处理装置在第3方式中，所述生成部将所述多个有形成分图像各自的背景颜色调整为同一色调。
并且，本发明的第5方式的信息处理装置在第4方式中，所述色调根据表示所述多个有形成分图像各自的背景颜色的像素值的平均值、最大值及最小值中的任意一个来确定。
并且，本发明的第6方式的信息处理装置在第1方式中，所述信息处理装置还具备控制部，该控制部进行控制，以显示通过所述生成部生成的全成分图像，所述控制部进行控制，以仅选择性地显示在所述全成分图像中包括的特定的有形成分图像。
并且，本发明的第7方式的信息处理装置在第6方式中，所述控制部还进行如下控制：将在所述全成分图像中包括的多个有形成分图像中的成为非关注的有形成分图像设为非显示，或对于成为非关注的有形成分图像，将超过上限值的张数的图像设为非显示。
并且，本发明的第8方式的信息处理装置在第1方式中，所述信息处理装置还具备设定部，该设定部对于所述分类部所分类的有形成分图像，按照所述每个分类，设定存储于存储部的张数的上限。
并且，本发明的第9方式的信息处理装置在第8方式中，在作为所述全成分图像的一部分而配置的所述每个分类的有形成分图像的张数超过所述上限的情况下，所述生成部从存储于所述存储部的有形成分图像中重复地取得超过所述上限的量的有形成分图像。
另外，为了达到上述目的，本发明的第10方式的信息处理方法，包括：从对包括多种有形成分且在流动池中流过的检体流体进行摄影而得到的多个图像切出识别为有形成分的有形成分图像，将切出的有形成分图像按照规定的每个分类进行分类，根据所述分类的有形成分图像的个数，按照所述每个分类，导出每个基准视场的有形成分的个数或在所述检体流体中包括的每个单位液量的有形成分的个数，配置所述导出的与所述每个分类的个数对应的多个有形成分图像而生成全成分图像。
另外，为了达到上述目的，本发明的第11方式的测定系统，其具备：流动池，在该流动池内流过包括多种有形成分的检体流体及鞘液流体；摄影部，其对在所述流动池中流过的检体流体进行摄影；及权利要求1所述的信息处理装置，其输入通过所述摄影部进行摄影而得到的多个图像。
另外，为了达到上述目的，本发明的第12方式的非临时性存储介质，其存储有程序，该程序使计算机执行如下处理：从对包括多种有形成分且在流动池中流过的检体流体进行摄影而得到的多个图像切出识别为有形成分的有形成分图像，并将切出的有形成分图像按照规定的每个分类进行分类，根据所述分类的有形成分图像的个数，按照所述每个分类而导出每个基准视场的有形成分的个数或在所述检体流体中包括的每个单位液量的有形成分的个数，配置所述导出的与所述每个分类的个数对应的多个有形成分图像而生成全成分图像。
发明效果
如以上说明，本发明可得到如下的效果：即便在进行基于流式的图像摄影的情况下，也能够得到包括多个有形成分的由显微镜观察到的图像。
附图说明
图1是示出实施方式的测定系统的一部分结构的立体图。
图2是示出实施方式的测定系统的结构的一例的示意图。
图3是示出实施方式的信息处理装置的电气性的结构的一例的框图。
图4是示出实施方式的信息处理装置的功能性的结构的一例的框图。
图5是示出实施方式的每个有形成分的校准线的一例的曲线图。
图6是示出实施方式的全成分图像画面的一例的主视图。
图7是示出实施方式的项目按钮组的一例的图。
图8是示出实施方式的基于图像处理程序的处理的流程的一例的流程图。
图9是示出实施方式的有形成分图像列表画面的一例的主视图。
图10是示出实施方式的测定结果画面的一例的主视图。
图11是用于说明实施方式的全成分图像的生成过程的图。
(符号说明)
10 信息处理装置
12 控制部
12A CPU
12B ROM
12C RAM
12D I/O
14 存储部
14A 图像处理程序
14B 有形成分图像组
16 显示部
18 操作部
20 通信部
30 分类部
32 导出部
34 生成部
36 显示控制部
38 设定部
40 流动池
42 检体取入口
44 鞘液取入口
46 排出口
50 全成分图像画面
52 有形成分图像列表画面
54 测定结果画面
56 图像
58 全成分图像
70 测定系统
72 壳体
74 照相机
76 光源
78 第1供给装置
86 第2供给装置
具体实施方式
下面，参照附图，对用于实施本发明的方式的一例进行详细说明。
图1是示出本实施方式的测定系统70的一部分结构的立体图。
如图1所示，本实施方式的测定系统70具备流动池40、壳体72、照相机74及光源76。另外，图1所示的箭头UP表示测定系统70的上下方向的上侧。
本实施方式的流动池40例如适用于如下的尿中有形成分检查(尿沉渣检查)：与鞘液流体一起导入作为检体流体的一例的尿检体，从而利用照相机74对尿检体中的有形成分进行摄影，从所摄影的图像的有形成分的形状等进行各种分析。该照相机74是摄影部的一例。关于本实施方式的尿检体，以未浓缩的状态为一例进行说明，但也可以使用浓缩的检体。在尿检体中包括有多种有形成分。作为该有形成分的种类，作为一例，可列举红血球、白血球、上皮细胞、圆柱、细菌等。另外，在本实施方式中，作为检体流体的一例，对使用尿检体来进行尿中有形成分检查的情况进行说明，但也可以使用于以血液、细胞、体液等为对象的有形成分检查。
测定系统70具备配置流动池40的壳体72。在壳体72中，形成有供流动池40插入的凹部72A，壳体72的包括凹部72A的位置由透明的部件(作为一例，玻璃等)形成。在壳体72的内部，在与流动池40相对的位置设置有照相机74。在壳体72的上侧，在隔着流动池40与照相机74相对的位置设置有光源76。照相机74配置于能够对在流动池40中流过的检体流体进行摄影的位置。
测定系统70具备对流动池40内的检体流路(省略图示)的检体取入口42供给检体流体的第1供给装置78。第1供给装置78具备：一端部连接于检体取入口42的供给管80、设置于供给管80的中途的泵82、与供给管80的另一端部连接并存积检体流体的检体存积部84。
测定系统70具备向流动池40内的鞘液流路(省略图示)的鞘液取入口44供给鞘液流体的第2供给装置86。第2供给装置86具备一端部连接于鞘液取入口44的供给管88、设置于供给管88的中途的泵90、与供给管88的另一端部连接并存积鞘液流体的罐92。
并且，在流动池40中，在检体取入口42与鞘液取入口44之间设置有排出口46。排出管(省略图示)的一端部连接到排出口46，该排出管的另一端部连接到废弃罐(省略图示)。流动池40具备使从检体取入口42导入的检体与从鞘液取入口44导入的鞘液液合流的合流部(省略图示)，合流后的流体在流路内流过。在流路内形成有流路的高度逐渐变小的锥形部。因此，在检体与鞘液液合流之后，检体也不会在鞘液液中扩散，扁平状地局部化而流过。由照相机74对局部化的检体流中的有形成分进行摄影。
图2是示出本实施方式的测定系统70的结构的一例的示意图。
如图2所示，本实施方式的测定系统70具备信息处理装置10。另外，图2所示的箭头UP与图1同样地，示出测定系统70的上下方向的上侧。
信息处理装置10具有对照相机74、与光源76电连接的光源工作部77、泵82及泵90的动作分别进行控制的作为控制装置的功能。信息处理装置10通过对光源工作部77提供脉冲信号而使光源76以规定的间隔发光。并且，信息处理装置10驱动泵82而控制检体流体的流量，并且驱动泵90而控制鞘液流体的流量。
图3是示出本实施方式的信息处理装置10的电气性的结构的一例的框图。
如图3所示，本实施方式的信息处理装置10具备控制部12、存储部14、显示部16、操作部18及通信部20。
在本实施方式的信息处理装置10中，例如适用个人计算机(PC：PersonalComputer)等通用的计算机装置。另外，作为信息处理装置10，也可适用智能手机、平板终端等可便携的计算机装置。并且，信息处理装置10也可分为多个部件。例如，也可包括对照相机74、光源76、泵82、泵90等测定系统进行控制的部件及对由照相机74摄影的图像进行处理及解析的部件而构成。并且，信息处理装置10也可与测定系统70外部连接。
控制部12具备CPU(Central Processing Unit：中央处理单元)12A、ROM(ReadOnly Memory：只读存储器)12B、RAM(Random Access Memory：随机存取存储器)12C及输入输出接口(I/O)12D，这些各部介由总线而分别连接。
在I/O12D上连接有包括存储部14、显示部16、操作部18及通信部20的各个功能部。这些各个功能部可介由I/O12D而与CPU12A彼此通信。
控制部12既可以构成为对信息处理装置10的一部分动作进行控制的子控制部，也可以构成为对信息处理装置10的整个动作进行控制的主控制部的一部分。在控制部12的各各模块的一部分或全部中，例如使用LSI(Large Scale Integration：大规模整合)等集成电路或IC(Integrated Circuit：集成电路)芯片组。在上述各个模块中既可以使用单独的电路，也可以使用将一部分或全部集成的电路。既可以将上述各个模块彼此设置为一体，也可以另行设置一部分模块。并且，也可以在上述各模块的各自中另行设置其一部分。关于控制部12的集成化，不限于LSI，也可以使用专用电路或通用处理器。
作为存储部14，例如使用HDD(Hard Disk Drive：硬盘驱动器)、SSD(Solid StateDrive固态硬盘)、闪存等。在存储部14中，存储用于进行本实施方式的全成分图像生成处理的图像处理程序14A。另外，该图像处理程序14A也可以存储于ROM12B。并且，在存储部14中存储有用于全成分图像生成处理的有形成分图像组14B。另外，关于存储部14，也可以外置存储器或随后增设。
图像处理程序14A例如也可以预先安装于信息处理装置10。图像处理程序14A也可以通过存储到非易失性的存储介质或介由网络来发布，并适当安装于信息处理装置10或升级来实现。另外，作为非易失性的存储介质的例子，可假设CD-ROM(Compact Disc ReadOnly Memory：光盘只读存储器)、磁光盘、HDD、DVD-ROM(Digital Versatile Disc ReadOnly Memory：数字多功能光盘只读存储器)、闪存、存储卡等。
作为显示部16，例如使用液晶显示器(LCD：Liquid Crystal Display(液晶显示器))、有机EL(Electro Luminescence：电致发光)显示器等。显示部16也可以一体地具备触摸面板。在操作部18例如设有键盘、鼠标等操作输入用的设备。显示部16及操作部18从信息处理装置10的用户受理各种指示。显示部16显示根据从用户受理的指示来执行的处理的结果、相对处理的通知等各种信息。
通信部20被接入因特网、LAN(Local Area Network：局域网)、WAN(Wide AreaNetwork：广域网)等网络，介由网络而在与图像形成装置、其他PC等外部设备之间进行通信。
但是，如上所述，在使用流动池40的基于流式的图像摄影中，对在流动池40中流过的检体流体的图像进行摄影，并从摄影图像切出识别为有形成分的图像。将切出的有形成分图像按照有形成分的每个种类进行分类而进行检查。因此，无法得到如用显微镜观察这样的全成分图像。在该全成分图像中，能够一眼观察有形成分的分布、多个有形成分的状态等，因此即便在以流式进行图像摄影的情况下，也会存在想要观察包括多个有形成分的全成分图像这样的要求。
因此，本实施方式的信息处理装置10的CPU12A通过将存储于存储部14的图像处理程序14A写入到RAM12C来执行，从而用作图4所示的各部。
图4是示出本实施方式的信息处理装置10的功能性的结构的一例的框图。
如图4所示，本实施方式的信息处理装置10的CPU12A用作分类部30、导出部32、生成部34、显示控制部36、设定部38。另外，显示控制部36是控制部的一例。
本实施方式的分类部30从通过照相机74对在流动池40中流过的检体流体进行摄影来得到的多个图像(作为一例，300张、1000张)中切出在检体流体中包括的多种有形成分作为有形成分图像，并将切出的有形成分图像按照规定的每个分类(例如，有形成分的种类、大小、形状、核的有无等)进行分类。通过分类部30而按照规定的每个分类进行分类的有形成分图像作为有形成分图像组14B按照每个检体区分来存储于存储部14。另外，作为从图像识别有形成分的方法，作为一例而适用使用机械学习的方法、使用模式匹配的方法等各种公知的技术。并且，在将有形成分图像组14B作为各自的有形成分图像来说明的情况下，还将有形成分图像组14B称为有形成分图像14B。
本实施方式的导出部32根据通过分类部30按照每个分类进行分类的有形成分图像的个数，按照每个分类导出在检体流体中包括的有形成分的个数及每个基准视场的有形成分的个数。具体地，导出部32使用预先确定的每个分类的校准线，将从1个检体测定取得的有形成分图像的个数换算为检体流体的每个单位液量的个数。并且，使用预先确定的每个视场的校正系数，从换算出的每个单位液量的个数导出每个基准视场的个数。另外，在校准线中还包括表示函数式、换算系数、换算表等相关关系的数据。
图5是示出本实施方式的每个有形成分的校准线的一例的曲线图。
在图5中，横轴表示在1个检体测定中实际识别的有形成分的个数，纵轴表示检体流体的每个单位液量的有形成分的个数。另外，在本实施方式中，作为代表例，示出红血球的校准线。
实际使检体流体在流动池40中流过的情况下，通过照相机74不能对实际流过的全部检体流体进行摄影。因此，掌握通过照相机74可摄影的检体量。可摄影的检体量使用包括标准粒子的控制液来确定。例如，在使1μl的包括2000个/μl的标准粒子的控制液在流动池40流过并通过照相机74所摄影的多个图像而捕捉到500个标准粒子的情况下，通过该测定系统可摄影的检体量被确定为0.25μl或对所流过的检体量可进行25％的检体量的摄影。
并且，按照有形成分的每个种类，由于尺寸、形状、组成及轮廓的清晰度等不同，因此在照相机74的摄影区域中流过的流动度、照相机74的焦点(Focus)的对准度、摄影图像中的作为有形成分的识别度等不同。因此，按照每个分类，能够作为切出图像而捕捉有形成分的概率不同。
根据上述的点，制作反映了可摄影的检体量及每个分类的捕捉概率的、用y＝f(x)的函数来表示的校准线。图5所示的校准线是表示从由照相机74摄影的多个图像中实际识别出的红血球的个数(测定值)与在每个单位液量中包括的红血球的个数的关系的曲线图。表示该校准线的曲线图是根据实际的测定结果和利用其他的方法来测定的有形成分的准确的个数数据来制作，按照红血球以外的白血球、上皮细胞、圆柱、细菌等每个分类来制作的。另外，所制作的校准线的数据预先存储到存储部14，由导出部32进行参照。利用校准线等，从有形成分图像的个数取得在检体的在每个单位液量(例如，1μl)中包括的有形成分的个数。
并且，使用预先确定的每个视场的校正系数从按照每个分类得到的每个单位液量的个数导出每个基准视场的个数。作为在此所述的视场，表示用显微镜观察时一次可观察到的范围，作为一例，使用在镜检(标准法)中使用的HPF(High Power Field，强放大，相当于400倍)、LPF(Low Power Field，弱放大，相当于100倍)。除了基准视场的面积以外，还根据摄影部位中的检体的配置、浓缩倍率及尿检体量来决定校正系数。在本实施方式中，将HPF的情况下的校正系数设为“α”，将LPF的情况下的校正系数设为“β”。根据由照相机74摄影的摄影范围与HPF的关系来确定校正系数α，根据由照相机74摄影的摄影范围与LPF的关系来确定校正系数β。这些校正系数α、β预先存储到存储部14中。在此，在将每个HPF的个数设为Nα、将每个LPF的个数设为Nβ、将每个单位液量的个数设为Nu的情况下，根据以下所述的式(1)及(2)来算出Nα及Nβ。在此，Nu按照每个分类而不同。
Nα＝α×Nu…(1)
Nβ＝β×Nu…(2)
对针对红血球、白血球及细菌的具体导出例进行说明。例如，在实际识别的红血球的个数为10个的情况下，使用红血球用的校准线来换算为15个/μl，进一步利用上述式(1)及式(2)，导出为(α×15)个/HPF、(β×15)个/LPF。并且，在实际识别出的白血球的个数为15个的情况下，利用白血球用的校准线来换算为20个/μl，进一步利用上述式(1)及式(2)，导出为(α×20)个/HPF、(β×20)个/LPF。并且，在实际识别的细菌的个数为20个的情况下，利用细菌用的校准线来换算为400个/μl，进一步利用上述式(1)及式(2)，导出为(α×400)个/HPF、(β×400)个/LPF。另外，基准视场也可以为HPF、LPF以外的倍率的视场，用户可任意地设定基准视场的大小。
接着，本实施方式的生成部34将通过导出部32导出的与每个基准视场的每个分类的个数对应的多个有形成分图像随机地配置于相当于基准视场的区域，由此生成1个全成分图像。此时，这些多个有形成分图像优选配置为彼此不重叠。并且，这些多个有形成分图像各自的背景颜色不同的情况较多，有时作为全成分图像而带来违和感。因此，为了减轻该违和感，优选将这些多个有形成分图像调整为同一色调。作为一例，根据表示这些多个有形成分图像各自的背景颜色的像素值的平均值、最大值及最小值中的任意一个值来确定该色调。并且，作为有形成分图像，优选使用焦点(Focus)对准的图像。全成分图像是对于将从摄影图像中切出的图像按照每个成分进行分类得到的有形成分图像，根据在检体流体中包括的量进行配置，从而生成的虚拟图像。假设在将基准视场设定为HPF(相当于400倍)的情况下，生成的全成分图像成为相当于用镜检(标准法)观察的400倍图像的图像。
接着，如图6所示，作为一例，本实施方式的显示控制部36进行显示生成部34所生成的全成分图像的控制。
图6是示出本实施方式的全成分图像画面50的一例的主视图。
如图6所示，如上所述，本实施方式的全成分图像画面50根据每个分类的个数而显示配置有有形成分图像14B的全成分图像。该全成分图像画面50显示于显示部16。在上述中，利用在每个基准视场中包括的个数而制作了全成分图像，但也可以根据在检体的每个单位液量中包括的个数来制作任意地设定液量和图像尺寸的全成分图像或每个单位液量的全成分图像，用户可选择、变更显示形态。并且，在制作每个单位液量的全成分图像的情况下，用户可任意地设定及变更单位液量。
另外，显示控制部36也可以进行仅选择性地显示全成分图像中包括的特定的有形成分图像的控制。作为一例，通过从图7所示的项目按钮组51中选择与特定的有形成分图像对应的项目按钮来进行该显示的控制。
图7是示出本实施方式的项目按钮组51的一例的图。
如图7所示，本实施方式的项目按钮组51在全成分图像画面50中与全成分图像一起显示于显示部16。项目按钮组51按照每个有形成分而包括项目按钮51A、51B、51C、…。
图7所示的项目按钮组51作为一例而包括与红血球对应的项目按钮51A、与白血球对应的项目按钮51B、与圆柱对应的项目按钮51C、…。例如，在选择指定项目按钮51A的情况下，在图6所示的全成分图像画面50中仅选择性地显示红血球的图像，不显示其他的有形成分。同样地，在选择指定项目按钮51B的情况下，在图6所示的全成分图像画面50中仅选择性地显示白血球的图像，不显示其他的有形成分。并且，也可以选择指定项目按钮组51中的多个项目按钮，显示所选择的多个有形成分，不显示其他的有形成分。
进而，显示控制部36也可以进行如下控制：变更所显示的设定模式，作为一例，操作图7所示的项目按钮组51，从而选择在全成分图像中包括的多个有形成分图像中的未关注的有形成分(非关注成分)，并将非关注成分的有形成分图像设为非显示。或者，也可以进行关于非关注成分的有形成分图像而将超过上限值的张数的图像设为非显示的控制。作为其他形态，也可以作为一例，将与在图7所示的项目按钮组51中未选择指定的项目按钮对应的有形成分图像判定为非关注。另外，预先按照每个有形成分而设定上限值。例如，在关于表示白血球的有形成分图像而将上限值设为30张的情况下，显示控制部36进行如下控制：如果没有将白血球选择为非关注成分，则即便在全成分图像中显示了表示40个白血球的有形成分图像的情况下，也将表示白血球的有形成分图像显示至30张，并将31张以上设为非显示或完全不显示。由此，能够减少未关注的有形成分图像的显示张数，进一步强调关注的有形成分图像。
接着，本实施方式的设定部38对于分类部30所分类的有形成分图像，按照每个分类设定存储于存储部14的张数的上限。另外，能够适当变更上限的张数。作为一例，即便将某个有形成分计数了100个，但作为图像而仅存储30个。在将作为有形成分的个数而计数的全部图像存储为有形成分图像时，存在存储部14的存储容量瞬时不足的可能性。因此，优选将必要的有形成分图像仅存储必要的张数。在该情况下，在生成全成分图像时，存在有形成分图像不足的可能性，但如上所述，由于按照每个分类能够调整存储张数，因此能够通过增加关注的有形成分图像的存储张数等来应对。
并且，本实施方式的生成部34也可以在作为全成分图像的一部分而配置的每个分类的有形成分图像的张数超过存储于存储部14的图像张数的上限的情况下，从存储于存储部14的有形成分图像中重复地取得超过上限的量的有形成分图像。换言之，在有形成分图像不足的情况下，可复制使用存储于存储部14的有形成分图像。在该情况下，不仅可简单地进行复制，还可旋转图像的朝向或实施放大、缩小图像等加工来使用。
接着，参照图8，对本实施方式的信息处理装置10的作用进行说明。
图8是示出本实施方式的基于图像处理程序14A的处理的流程的一例的流程图。
首先，在信息处理装置10受理了开始全成分图像显示处理的指示时，执行以下所示的各个步骤。
在图8的步骤100中，分类部30从通过照相机74对在流动池40中流过的检体流体进行摄影而得到的多个图像中切出分别作为多种有形成分而识别到的有形成分图像，将切出的有形成分图像按照每个分类(例如，有形成分的每个种类)进行分类。通过分类部30按照每个分类进行分类的有形成分图像作为有形成分图像组14B而存储于存储部14。
在步骤102中，导出部32根据在步骤100中按照每个分类进行分类的有形成分图像的个数，按照每个分类导出每个基准视场的有形成分的个数或在检体流体中包括的每个单位液量的有形成分的个数。具体地，作为一例，使用上述的图5所示的校准线等，将有形成分图像的个数换算为每个单位液量的个数。并且，作为一例，利用上述的式(1)及式(2)，从换算的每个单位液量的个数导出每个基准视场的个数。
在步骤104中，生成部34以彼此不重叠的方式配置在步骤102中导出的与每个分类的个数对应的多个有形成分图像而生成全成分图像。
在步骤106中，如上述的图6所示，作为一例，显示控制部36进行显示步骤104中生成的全成分图像的控制，并结束基于本图像处理程序14A的一系列的处理。
接着，参照图9～图10，对本实施方式的有形成分图像列表画面及测定结果画面的一例进行说明。
图9是示出本实施方式的有形成分图像列表画面52的一例的主视图。
如图9所示，本实施方式的有形成分图像列表画面52按照每个分类显示有形成分图像14B。该有形成分图像列表画面52显示于显示部16。
换言之，如上所述，通过分类部30按照每个分类进行分类的有形成分图像作为有形成分图像组14B而存储于存储部14。例如，在操作者想要确认红血球的有形成分图像的情况下，在选择指示规定的操作按钮(省略图示)时，从存储部14读出红血球的有形成分图像14B，并作为有形成分图像列表画面52而显示。另外，该有形成分图像列表画面52关于红血球以外的白血球、细菌等有形成分也同样可进行显示。
图10是示出本实施方式的测定结果画面54的一例的主视图。
如图10所示，在本实施方式的测定结果画面54中，与测定结果的一览一起显示用于显示全成分图像的操作按钮54A。作为测定结果，显示由导出部32算出的每个基准视场的含有量或含有个数(HPF)、检体的每个单位液量的含有量或含有个数、成为含有量的指标的定性显示。
作为图10所示的项目中的主要的项目，例如RBC表示红血球，WBC表示白血球，NSE表示非扁平上皮细胞，SQEC表示扁平上皮细胞，NHC表示其他的圆柱，BACT表示细菌。并且，CRYS表示结晶，YST表示酵母，HYST表示玻璃圆柱，MUCS表示粘液线，SPRM表示精子，WBCC表示白血球块。
本实施方式的操作按钮54A作为“观察全成分图像”的按钮而示出，在操作者选择指示该操作按钮54A时，作为一例，显示上述的图6所示的全成分图像画面50。
图11是用于对本实施方式的全成分图像的生成过程进行说明的图。
如图11的上图所示，根据每个分类的个数，配置多个有形成分图像14B而得到图像56。
并且，如图11的下图所示，对上述图像56调整各个有形成分图像14B的背景颜色的色调等而生成违和感少的1个全成分图像58。在该全成分图像58中，作为有形成分的一例，包括与用显微镜观察到的情况相同程度的个数的红血球、白血球、细菌、圆柱等。
这样，根据本实施方式，由照相机摄影的有形成分的个数按照每个分类而作为每个基准视场的个数而被导出。因此，即便在进行基于流式的图像摄影的情况下，也能够观察与用显微镜观察到的感觉接近的全成分图像。并且，由于能够观察显示有由照相机摄影之后分类的多个成分的画面，因此容易掌握在各个切出图像中难以发现的多个有形成分中共同的性质和状态、形态(膨化状，萎缩状等)。
以上，例示实施方式的信息处理装置而进行了说明。实施方式也可以为用于使计算机执行信息处理装置所具备的各个部的功能的程序的形态。实施方式也可以为存储有该程序的计算机可读取的存储介质的形态。
另外，在上述实施方式中说明的信息处理装置的结构仅为一例，也可以在不脱离宗旨的范围内根据状况而进行变更。
并且，在上述实施方式中说明的程序的处理的流程也仅为一例，也可以在不脱离宗旨的范围内删除无需的步骤或追加新的步骤或转换处理顺序。
并且，在上述实施方式中，对通过执行程序而利用计算机由软件结构来实现实施方式的处理的情况进行了说明，但本发明不限于此。实施方式例如也可以通过硬件结构、硬件结构和软件结构的组合来实现。

Claims (12)

1.一种信息处理装置，其具备：
分类部，其从对包括多种有形成分且在流动池中流过的检体流体进行摄影而得到的多个图像中切出识别为有形成分的有形成分图像，并将切出的有形成分图像按照规定的每个分类进行分类；
导出部，其根据所述分类部所分类的有形成分图像的个数，按照所述每个分类，导出每个基准视场的有形成分的个数或在所述检体流体中包括的每个单位液量的有形成分的个数；及
生成部，其配置通过所述导出部导出的与所述每个分类的个数对应的多个有形成分图像，生成全成分图像。
2.根据权利要求1所述的信息处理装置，其中，
所述导出部使用预先确定的所述每个分类的校准线而将所述有形成分图像的个数换算为所述检体流体的每个单位液量的个数，并使用预先确定的每个视场的校正系数，由换算出的每个单位液量的个数导出所述每个基准视场的个数。
3.根据权利要求1或2所述的信息处理装置，其中，
所述生成部以彼此不重叠的方式配置所述多个有形成分图像。
4.根据权利要求1或2所述的信息处理装置，其中，
所述生成部将所述多个有形成分图像各自的背景颜色调整为同一色调。
5.根据权利要求4所述的信息处理装置，其中，
所述色调根据表示所述多个有形成分图像各自的背景颜色的像素值的平均值、最大值及最小值中的任意一个来确定。
6.根据权利要求1或2所述的信息处理装置，其中，
所述信息处理装置还具备控制部，该控制部进行控制，以显示通过所述生成部生成的全成分图像，
所述控制部进行控制，以仅选择性地显示在所述全成分图像中包括的特定的有形成分图像。
7.根据权利要求6所述的信息处理装置，其中，
所述控制部还进行如下控制：将在所述全成分图像中包括的多个有形成分图像中的成为非关注的有形成分图像设为非显示，或对于成为非关注的有形成分图像，将超过上限值的张数的图像设为非显示。
8.根据权利要求1或2所述的信息处理装置，其中，
所述信息处理装置还具备设定部，该设定部对于所述分类部所分类的有形成分图像，按照所述每个分类，设定存储于存储部的张数的上限。
9.根据权利要求8所述的信息处理装置，其中，
在作为所述全成分图像的一部分而配置的所述每个分类的有形成分图像的张数超过所述上限的情况下，所述生成部从存储于所述存储部的有形成分图像中重复地取得超过所述上限的量的有形成分图像。
10.一种信息处理方法，该信息处理方法包括如下步骤：
从对包括多种有形成分且在流动池中流过的检体流体进行摄影而得到的多个图像中切出识别为有形成分的有形成分图像，并将切出的有形成分图像按照规定的每个分类进行分类，
根据所述分类的有形成分图像的个数，按照所述每个分类，导出每个基准视场的有形成分的个数或在所述检体流体中包括的每个单位液量的有形成分的个数，
配置所述导出的与所述每个分类的个数对应的多个有形成分图像，生成全成分图像。
11.一种测定系统，其具备：
流动池，在该流动池中流过包括多种有形成分的检体流体及鞘液流体；
摄影部，其对在所述流动池中流过的检体流体进行摄影；及
权利要求1或2所述的信息处理装置，其输入通过所述摄影部进行摄影而得到的多个图像。
12.一种非临时性存储介质，其存储有程序，该程序使计算机执行如下处理：
从对包括多种有形成分且在流动池中流过的检体流体进行摄影而得到的多个图像中切出识别为有形成分的有形成分图像，并将切出的有形成分图像按照规定的每个分类进行分类，
根据所述分类的有形成分图像的个数，按照所述每个分类而导出每个基准视场的有形成分的个数或在所述检体流体中包括的每个单位液量的有形成分的个数，
配置所述导出的与所述每个分类的个数对应的多个有形成分图像，生成全成分图像。
CN201910957313.9A 2018-10-29 2019-10-10 信息处理装置及方法、测定系统及非临时性存储介质 Active CN111103433B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2018202721A JP7175158B2 (ja) 2018-10-29 2018-10-29 情報処理装置、測定システム、及びプログラム
JP2018-202721 2018-10-29

Publications (2)

Publication Number Publication Date
CN111103433A true CN111103433A (zh) 2020-05-05
CN111103433B CN111103433B (zh) 2024-03-29

Family

ID=68382222

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910957313.9A Active CN111103433B (zh) 2018-10-29 2019-10-10 信息处理装置及方法、测定系统及非临时性存储介质

Country Status (4)

Country Link
US (1) US11080512B2 (zh)
EP (1) EP3647998A1 (zh)
JP (1) JP7175158B2 (zh)
CN (1) CN111103433B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11959908B2 (en) * 2019-12-17 2024-04-16 Arkray, Inc. Measurement device and measurement method
CN113516637B (zh) * 2021-06-23 2022-02-15 深圳市小绿人网络信息技术有限公司 一种基于图像自动识别废钢种类的方法及装置
WO2023276361A1 (ja) * 2021-06-30 2023-01-05 株式会社堀場製作所 粒子画像分析装置、粒子画像分析システム、粒子画像分析方法、及び、粒子画像分析装置用プログラム
WO2024080385A1 (ja) * 2022-10-14 2024-04-18 アークレイ株式会社 情報処理装置、情報処理方法、及び情報処理プログラム

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0341783B2 (zh) * 1981-10-15 1991-06-25
JPH10302067A (ja) * 1997-04-23 1998-11-13 Hitachi Ltd パターン認識装置
JP2001255260A (ja) * 2000-03-07 2001-09-21 Toyobo Co Ltd 尿中有形成分分類装置
JP2004125775A (ja) * 2002-07-29 2004-04-22 Sysmex Corp 血液分析装置及び方法
US20080019584A1 (en) * 2006-07-19 2008-01-24 Stellan Lindberg Measurement apparatus, method and computer program
JP4085338B1 (ja) * 2007-11-27 2008-05-14 東洋紡績株式会社 画像処理方法
JP2010151523A (ja) * 2008-12-24 2010-07-08 Hitachi High-Technologies Corp 粒子画像解析方法および装置
US20110090247A1 (en) * 2008-06-04 2011-04-21 Hitachi High-Technologies Corporation Particle image analysis method and apparatus
CN102472705A (zh) * 2009-07-29 2012-05-23 株式会社日立高新技术 粒子图像分析装置
US20140315238A1 (en) * 2013-03-15 2014-10-23 Iris International, Inc. Sheath fluid systems and methods for particle analysis in blood samples
WO2016157982A1 (ja) * 2015-03-31 2016-10-06 シスメックス株式会社 尿分析システム、撮像装置、細胞撮像装置、尿分析方法、管理装置および情報処理方法
JP2017116393A (ja) * 2015-12-24 2017-06-29 東洋紡株式会社 分析装置、および、分析方法
WO2017223412A1 (en) * 2016-06-24 2017-12-28 Beckman Coulter, Inc. Image atlas systems and methods
WO2018152157A1 (en) * 2017-02-15 2018-08-23 Tokitae Llc Image analysis systems and related methods

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4338024A (en) * 1980-05-02 1982-07-06 International Remote Imaging Systems, Inc. Flow analyzer and system for analysis of fluids with particles
US4612614A (en) 1980-09-12 1986-09-16 International Remote Imaging Systems, Inc. Method of analyzing particles in a fluid sample
US4393466A (en) 1980-09-12 1983-07-12 International Remote Imaging Systems Method of analyzing particles in a dilute fluid sample
JPH0961339A (ja) * 1995-08-21 1997-03-07 Hitachi Ltd フロ−式粒子画像解析方法および装置
WO2003051834A2 (en) * 2001-12-14 2003-06-26 President And Fellows Of Harvard College Immunocellular receptors related to neurological disorders
US8019134B2 (en) * 2006-11-16 2011-09-13 Definiens Ag Automatic image analysis and quantification for fluorescence in situ hybridization
US9502227B2 (en) * 2007-11-02 2016-11-22 Humanix Co., Ltd. Capturing of cell fluid and analysis of its components under observation of cells and instruments for the cell fluid capturing and the analysis
EP2863412A1 (en) * 2007-11-02 2015-04-22 Humanix Co., Ltd. Nanospray ionization capillary tip
JP5466825B2 (ja) 2008-01-23 2014-04-09 シスメックス株式会社 細胞画像処理システム、細胞画像表示システムおよび細胞画像表示方法
US8663576B2 (en) * 2009-11-25 2014-03-04 Hologic, Inc. Detection of intraamniotic infection
US9536304B2 (en) * 2013-08-30 2017-01-03 Dairy Quality Inc. Determining pathogens based on an image of somatic cells in a fluid sample
WO2016087592A1 (en) * 2014-12-03 2016-06-09 Ventana Medical Systems, Inc. Systems and methods for early-stage cancer prognosis
JP6742724B2 (ja) * 2015-12-28 2020-08-19 シスメックス株式会社 細胞領域決定方法、細胞撮像システム、細胞画像の処理装置及びコンピュータプログラム
US10083340B2 (en) * 2016-01-26 2018-09-25 Ge Healthcare Bio-Sciences Corp. Automated cell segmentation quality control
US10852290B2 (en) * 2016-05-11 2020-12-01 Bonraybio Co., Ltd. Analysis accuracy improvement in automated testing apparatus
GB201615532D0 (en) * 2016-09-13 2016-10-26 Univ Swansea Computer-Implemented apparatus and method for performing a genetic toxicity assay

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0341783B2 (zh) * 1981-10-15 1991-06-25
JPH10302067A (ja) * 1997-04-23 1998-11-13 Hitachi Ltd パターン認識装置
JP2001255260A (ja) * 2000-03-07 2001-09-21 Toyobo Co Ltd 尿中有形成分分類装置
JP2004125775A (ja) * 2002-07-29 2004-04-22 Sysmex Corp 血液分析装置及び方法
US20080019584A1 (en) * 2006-07-19 2008-01-24 Stellan Lindberg Measurement apparatus, method and computer program
JP4085338B1 (ja) * 2007-11-27 2008-05-14 東洋紡績株式会社 画像処理方法
US20110090247A1 (en) * 2008-06-04 2011-04-21 Hitachi High-Technologies Corporation Particle image analysis method and apparatus
JP2010151523A (ja) * 2008-12-24 2010-07-08 Hitachi High-Technologies Corp 粒子画像解析方法および装置
CN102472705A (zh) * 2009-07-29 2012-05-23 株式会社日立高新技术 粒子图像分析装置
US20140315238A1 (en) * 2013-03-15 2014-10-23 Iris International, Inc. Sheath fluid systems and methods for particle analysis in blood samples
WO2016157982A1 (ja) * 2015-03-31 2016-10-06 シスメックス株式会社 尿分析システム、撮像装置、細胞撮像装置、尿分析方法、管理装置および情報処理方法
US20180017480A1 (en) * 2015-03-31 2018-01-18 Sysmex Corporation Urine analysis system, image capturing apparatus, urine analysis method
JP2017116393A (ja) * 2015-12-24 2017-06-29 東洋紡株式会社 分析装置、および、分析方法
WO2017223412A1 (en) * 2016-06-24 2017-12-28 Beckman Coulter, Inc. Image atlas systems and methods
WO2018152157A1 (en) * 2017-02-15 2018-08-23 Tokitae Llc Image analysis systems and related methods

Also Published As

Publication number Publication date
EP3647998A1 (en) 2020-05-06
CN111103433B (zh) 2024-03-29
US11080512B2 (en) 2021-08-03
JP2020071037A (ja) 2020-05-07
JP7175158B2 (ja) 2022-11-18
US20200134287A1 (en) 2020-04-30

Similar Documents

Publication Publication Date Title
CN111103433B (zh) 信息处理装置及方法、测定系统及非临时性存储介质
JP6947841B2 (ja) 病理学用の拡張現実顕微鏡
JP2021515240A (ja) 定量的バイオマーカデータのオーバレイを有する病理学用拡張現実顕微鏡
US6633662B2 (en) Identification of objects of interest using multiple illumination schemes and finding overlap of features in corresponding multiple images
US6148096A (en) Specimen preview and inspection system
EP2441827A1 (en) Technique for determining the state of a cell mass, image processing program and image processing device using said technique, and method for producing a cell mass
JP2024038396A (ja) 画像解析方法、画像解析装置、およびプログラム
US9607372B2 (en) Automated bone marrow cellularity determination
JPH0643948B2 (ja) 流体試料の粒子の分析方法
JP6120675B2 (ja) 顕微鏡システム、画像生成方法及びプログラム
WO2017150194A1 (ja) 画像処理装置、画像処理方法及びプログラム
CN112714887A (zh) 显微镜系统、投影单元以及图像投影方法
CN115511866B (zh) 用于多维数据的图像分析的系统和方法
JP2023113783A (ja) 測定システム
CN109596619B (zh) 尿中有形成分的分析装置
JP7253273B2 (ja) 生殖医療支援システム
KR101106386B1 (ko) 산점도 분포를 사용한 슬라이드를 분류하기 위한 시스템
JPWO2018128091A1 (ja) 画像解析プログラム及び画像解析方法
US20200074628A1 (en) Image processing apparatus, imaging system, image processing method and computer readable recoding medium
CN111160238A (zh) 显微图像质量分析方法、训练方法、系统、设备及介质
CN114778419B (zh) 一种高倍率光学放大成像流式细胞仪
WO2023031622A1 (en) System and method for identifying and counting biological species
JPH0829694A (ja) 画像処理装置付き顕微鏡
JP2010151523A (ja) 粒子画像解析方法および装置
JPH10302067A (ja) パターン認識装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant