CN112136041A - 成像数据处理装置 - Google Patents
成像数据处理装置 Download PDFInfo
- Publication number
- CN112136041A CN112136041A CN201880093329.3A CN201880093329A CN112136041A CN 112136041 A CN112136041 A CN 112136041A CN 201880093329 A CN201880093329 A CN 201880093329A CN 112136041 A CN112136041 A CN 112136041A
- Authority
- CN
- China
- Prior art keywords
- image
- imaging data
- unit
- imaging
- data
- 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
Links
Images
Classifications
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
- H01J49/00—Particle spectrometers or separator tubes
- H01J49/0027—Methods for using particle spectrometers
- H01J49/0036—Step by step routines describing the handling of the data generated during a measurement
-
- 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
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
- H01J49/00—Particle spectrometers or separator tubes
- H01J49/0004—Imaging particle spectrometry
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
- H01J49/00—Particle spectrometers or separator tubes
- H01J49/26—Mass spectrometers or separator tubes
Landscapes
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- General Physics & Mathematics (AREA)
- Biochemistry (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Urology & Nephrology (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Hematology (AREA)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
Abstract
图像制作部(33)制作与相同的试样上的测定区域有关的每m/z的MS成像图像和光学图像,图像位置对准处理部(34)使分辨率一致并且进行图像位置对准。回归分析执行部(35)将基于MS成像数据的矩阵设为解释变量,将基于光学图像制作的以每个像素的亮度值为元素的矩阵设为被解释变量,执行PLS,来制作回归模型。图像制作部(33)将解释变量、即MS成像数据的各像素中的每个质荷比值的信号强度值应用于回归模型,来制作预测图像。显示处理部(39)将参照图像和预测图像显示在显示部(5)的画面上。由此,作业者能够确认MS成像图像与光学图像的分布的类似性的程度。其结果,能够评价所制作出的回归模型的准确性。
Description
技术领域
本发明涉及一种成像数据处理装置,该成像数据处理装置利用成像质谱分析装置等对在试样上的二维的测定区域内的许多微小区域中分别获得的数据进行处理,由此能够制作示出该试样中的特定物质的二维分布的图像或者导出关于该试样的有用的信息。
背景技术
成像质谱分析装置是能够一边通过光学显微镜观察生物体组织切片等试样的表面的形态一边对相同的试样表面上的具有特定质荷比m/z的离子的二维的强度分布进行测定的装置(参照非专利文献1)。通过使用成像质谱分析装置观察与在例如癌症等特定疾病中特征性地出现的源自化合物的离子有关的二维强度分布图像(质谱分析成像图像),能够掌握该疾病的扩散情况等。因此,近年来,盛行以下研究:利用成像质谱分析装置来对以生物体组织切片等为对象的药物动态解析或各器官中的化合物分布的不同、或者癌症等的病理部位与正常部位之间的化合物分布的差异等进行解析。
一般来说,具有某个质荷比的离子的二维强度分布示出特定物质的分布,因此,能够基于质谱分析成像图像,来获得例如与特定疾病相关联的化合物,即生物标记物在生物体组织内如何分布等之类的有用的信息。但是,在成像质谱分析装置中获得的数据的量庞大,在作为观察对象的化合物的种类不明的情况下,作业者在调查哪一个质荷比下的质谱分析成像图像是有用的信息上需要很大的劳力。
对于这样的课题,在专利文献1中记载有:对通过光学显微镜获得的光学图像、荧光图像等参照图像与任意质荷比下的质谱分析成像图像进行图像的位置对准和空间分辨率的调整,之后,对两个图像的相同位置的像素的数据执行统计解析处理,计算表示两个图像的分布的类似性的指标值。另外,在该文献中记载有利用偏最小二乘回归(PartialLeast Squares resgression=PLS)等回归分析作为统计解析方法。在该方法中,由于质谱分析成像图像与参照图像的二维分布的相关性越高,PLS的分数越高,因此能够推定具有赋予该分数高的质谱分析成像图像的质荷比的离子呈接近参照图像的二维强度分布。这些信息是在探索生物标记物的方面非常重要的信息。
另外,在本申请人先申请的PCT/JP2018/003735号中记载有:将基于针对试样收集到的遍及规定质荷比范围的质谱分析成像数据来制作出的二维矩阵设为解释变量,将基于参照图像的像素值数据来制作出的一维矩阵设为被解释变量(目标变量),执行PLS回归分析,来求出回归系数的一维矩阵,根据其结果来制作表示质荷比与回归系数之间的关系的谱状的曲线图并进行显示。如果观察该曲线图,则一眼就知晓回归系数的绝对值大的质荷比,因此,作业者能够容易地发现示出接近参照图像的二维强度分布的质荷比。
现有技术文献
专利文献
专利文献1:国际公开第2017/002226号刊
非专利文献
非专利文献1:“iMScopeTRIOイメージング質量顕微鏡”、[在线]、[平成30年3月28日检索]、株式会社岛津制作所、因特网<URL:https://www.an.shimadzu.co.jp/bio/imscope/>。
发明内容
发明要解决的问题
如上述那样,通过将针对不同的质荷比下的质谱分析成像图像获得的PLS分数(回归系数)进行比较,能够进行哪一个质荷比下的质谱分析成像图像更接近参照图像这样的相对的判断。然而,即使以这样的分数,也无法进行某个质荷比下的质谱分析成像图像与参照图像相似到何种程度这样的绝对的判断。因而,即使将针对相互不同的多个质荷比下的质谱分析成像图像和一个参照图像分别执行而求出的分数进行比较,提取出分数最高的一个质荷比,也保证不了该质荷比下的质谱分析成像图像与参照图像的二维分布的类似性充分高。
一般来说,在PLS中,被称为决定系数(也称为贡献率)的计算值用作表示PLS模型(回归式)的类似性的指标值的情况较多。为了计算决定系数而需要根据实际的数据值和估计出的回归式按每个数据值求出全变动、回归变动和残差变动这三个,根据与全部的数据值有关的这些值来计算决定系数。然而,在质谱分析成像法的情况下,由于处理对象的数据量非常庞大,因此实际上不可能计算决定系数。
此外,同样的问题不限于质谱分析成像法,对于利用拉曼光谱成像法、荧光成像法、红外光谱成像法等各种测定方法的成像也是共有的。
本发明是为了解决这样的问题而完成的,其目的在于提供一种例如在通过统计解析处理调查同相同的测定区域有关的质谱分析成像图像与光学图像的类似性时用户能够直观且容易地掌握其类似的程度的成像数据处理装置。
用于解决问题的方案
为了解决上述问题而完成的本发明是一种成像数据处理装置,通过基于针对试样的测定成像数据和构成参照图像的参照成像数据进行解析处理来求取与所述试样有关的信息,所述测定成像数据是作为针对所述试样上的二维的测定区域内的每个微小区域通过规定的测定方法获得的数据的集合的图像数据、或者是对该数据进行加工而获得的图像数据,所述成像数据处理装置具备:
a)回归分析执行部,其针对第一成像数据和第二成像数据,执行以该第一成像数据为解释变量并且以该第二成像数据为被解释变量(目标变量)的回归分析,来制作回归模型,其中,所述第一成像数据是所述测定成像数据的整体或一部分,所述第二成像数据是所述参照成像数据的整体或一部分,所述第二成像数据与第一成像数据在空间上相对应;以及
b)预测图像制作部,其通过将所述第一成像数据应用于所述回归模型,来制作基于回归分析结果的预测图像。
在本发明中,规定的测定方法能够采用:质谱分析成像法、拉曼光谱成像法、荧光成像法、红外光谱成像法、X射线分析成像法、使用电子线或离子线等粒子线的表面分析成像法、使用扫描型探针显微镜(SPM)等的探针的表面分析成像法、利用光学显微镜等一般的显微镜的显微观察法等中的任一个。另外,参照图像能够采用通过对试样进行在上述例示的测定方法中的与选择为规定的测定方法的方法不同的其中一种测定方法的测定而获得的图像。但是,参照图像始终是评价基于测定成像数据的图像时的成为基准的图像,因此不需要是针对与获得测定成像数据的试样相同的试样获得的图像,另外也可以是不依据测定而人为制作的图像。
作为本发明中的典型的实施方式,上述规定的测定方法是质谱分析法,上述测定成像数据是各像素中的遍及规定质荷比范围的质谱数据。
现在作为一例,假设测定成像数据是如上述那样针对一个试样上的测定区域获得的质谱分析成像数据,参照图像数据是构成针对相同的试样上的测定区域的光学图像的图像数据。在本发明中,回归分析执行部将测定区域整体的质谱分析成像数据设为解释变量,将构成针对该测定区域整体的光学图像的图像数据设为被解释变量(目标变量),来执行回归分析,按每个质荷比求出回归系数来制作回归模型。然后,预测图像制作部通过将作为解释变量的质谱分析图像数据应用于回归模型,来制作基于回归分析结果的预测图像。在此,作为回归分析,期望使用偏最小二乘回归分析而不是一般的复用回归。
在本发明所涉及的第一方式中,优选采用以下结构:还具备残差图像制作部,该残差图像制作部基于所述预测图像计算每个所述微小区域的预测残差,制作残差图像并使该残差图像显示在显示部的画面上。
只要是在回归模型中能够进行完全的回归的元素,则在全部像素中预测残差为零,但是,实际上基本必存在回归的误差,因此产生预测残差。由于该预测残差表示回归模型的准确性,因此用户能够通过确认残差图像来评价回归模型的准确性。
另外,在本发明所涉及的第二方式中,选优采用以下结构:还具备分析结果图像制作部,该分析结果图像制作部使所述预测图像和所述参照图像均显示在显示部的画面上。
通过回归分析获得的回归模特的准确性越高,作为回归分析结果的预测图像与参照图像的二维分布就越接近。因而,用户能够通过观察对比在显示部的画面上排列显示的预测图像和参照图像,来评价回归模型的准确性。
另外,在本发明所涉及的第三方式中,优选采用以下结构:还具备:
相关系数计算部,其计算相关系数,该相关系数表示所述预测图像与所述参照图像之间以空间上相对应的像素为单位的相关性;以及
显示处理部,其使由所述相关系数计算部计算出的相关系数显示在显示部的画面上。
如上述那样,回归模型的准确性越高则预测图像与参照图像的二维分布越接近,因此,两个图像的相关系数越大。因而,用户能够通过确认相关系数来评价回归模型的准确性。
另外,在本发明所涉及的第四方式中,优选采用以下结构:还具备:
回归分析结果评价部,其针对所述预测图像与所述参照图像之间在空间上相对应的每个像素,实施像素值的相减或相除,来计算出计算值;以及
差分图像制作部,其基于由所述回归分析结果评价部计算出的每个像素的计算值来制作图像,并使该图像显示在显示部的画面上。
由于回归模型的准确性越高则预测图像与参照图像的二维分布越接近,因此将两个图像的像素值相减或相除所获得的计算值越接近固定值(例如上述的零或1)。因而,用户能够通过基于上述计算值确认图像,来评价回归模型的准确性。
此外,优选的是,在本发明所涉及的成像数据处理装置中,在测定成像数据如上述那样是质谱分析成像数据的情况下,该数据设为以下数据:针对通过质谱分析获得的轮廓谱中的各峰,对在测定中使用的质谱分析装置在装置精度程度以内的范围内的信号强度进行积分,来设为该峰的信号强度。
一般来说,在轮廓谱中观测到的峰的峰宽大于由质谱分析装置的装置精度或分辨率决定的质荷比幅度。这起因于对相同的试样上的相同部位进行重复测定时的各种误差等,当为了这样的峰的扩展而对在轮廓谱上检测到的一个峰的整体(从开始点到结束点的范围)的信号强度进行积分时,由于受到其他的峰的下摆部的影响等,信号强度的精度降低。与此相对,根据上述优选的结构,能够减轻这样的误差的影响来制作准确性高的质谱分析成像图像。
发明的效果
根据本发明,能够利用例如分别以光学图像数据和质谱分析成像数据为被解释变量、解释变量来制作出的回归模型,制作与该光学图像接近的预测图像,能够基于该预测图像来评价回归分析结果的准确性。由此,能够谋求探索生物标记物的作业的高效化。
附图说明
图1是包括本发明所涉及的成像数据处理装置的成像质谱分析装置的一个实施例的概要结构图。
图2是示出轮廓谱上的峰与强度积分范围之间的关系的图。
图3是本实施例的成像质谱分析装置中的数据处理的说明图。
具体实施方式
参照附图来说明使用本发明所涉及的成像数据处理装置的成像质谱分析装置的一个实施例。
图1是本实施例的成像质谱分析装置的概要结构图。本装置包括:对试样实施基于质谱分析成像法的测定的成像质谱分析部1、对试样上的光学图像进行拍摄的光学显微摄像部2、数据处理部3、以及作为用户接口的输入部4及显示部5。
成像质谱分析部1包括例如MALDI离子阱飞行时间型质谱分析装置,对生物体组织切片等试样上的二维的测定区域内的许多测定点(微小区域)分别执行质谱分析,按每个微小区域获取质谱分析数据。在此,质谱分析数据是遍及规定质荷比范围的质谱数据,但是,也可以是针对特定的前体离子的MSn谱数据。光学显微摄像部2是将摄像部附加到光学显微镜的结构,获取试样上的表面的二维区域的光学图像。
数据处理部3接受由成像质谱分析部1收集到的各微小区域中的质谱数据以及从光学显微摄像部2输入的光学显微图像数据来进行规定的处理,该数据处理部3具备:数据收集部31、数据储存部32、图像制作部33、图像位置对准处理部34、回归分析执行部35、预测残差计算部36、相关系数计算部37、像素值减法/除法部38、显示处理部39等作为功能框。数据储存部32包括:谱数据储存区域321,其储存通过由成像质谱分析部1进行的测定来收集到的数据;以及光学图像数据储存区域322,其储存通过由光学显微摄像部2进行的测定(拍摄)来收集到的图像数据。
此外,通常,数据处理部3的实体是个人计算机(或更高性能的工作站),为通过使安装于该计算机的专用的软件在该计算机上运行来实现上述各框的功能的结构。在该情况下,输入部4是键盘或鼠标等指示设备,显示部5是显示监视器。
接着,对本实施例的装置中的试样的测定作业进行说明。
首先,当作业者将目标试样设置到光学显微摄像部2的规定的测定位置并且通过输入部4进行规定的操作时,光学显微摄像部2对该试样的表面进行拍摄,将光学图像数据保存到光学图像数据储存区域322中。另外,图像制作部33制作光学图像,显示处理部39将该图像显示在显示部5的画面上。作业者在该图像上通过输入部4指示作为该试样整体或试样的一部分的测定区域。
作业者暂时取出试样,使其表面附着MALDI用的基质。然后,将附着有基质的试样设置于成像质谱分析部1的规定的测定位置,通过输入部4进行规定的操作。由此,成像质谱分析部1针对试样上的如上述那样指示的测定区域内的许多微小区域分别执行质谱分析,获取遍及规定质荷比范围的质谱分析数据。此时,数据收集部31执行所谓的轮廓获取(profile acquisition),收集在质荷比范围内的在质荷比方向上连续的波形即轮廓谱数据并将其保存到数据储存部32的谱数据储存区域321中。
此外,在即使使基质附着于试样表面、也能够比较鲜明地观察该试样表面的图案(不同的组织的边界等)的情况下,也可以先使基质附着于试样的表面,之后通过光学显微摄像部2实施拍摄。
在如上述那样关于试样的质谱分析成像数据和光学图像数据被储存到数据储存部32中的状态下,如以下那样实施数据处理。
在数据处理3中,图像制作部33从数据储存部32的谱数据储存区域321中读出关于作为处理对象的一个试样的轮廓数据,按每个微小区域计算预先决定的多个目标质荷比下的信号强度,按照每个该质荷比制作示出信号强度的二维分布的质谱分析成像图像。
具体地说,如图2所示,基于轮廓数据来制作轮廓谱,在轮廓谱上检测峰,对检测出的各峰进行质心变换处理,由此求出准确的峰位置(质荷比值)Mc。然后,只要在以指定的质荷比为中心的规定质荷比范围内存在质心峰的质荷比值Mc,则该质心峰视为与目标质荷比对应的峰。然后,在轮廓谱中对以该质心峰为中心的规定质荷比范围(质谱分析装置的质量精度程度的范围)Mc±ΔM内的信号强度值进行积分,设为与该目标质荷比对应的信号强度值。通过对各微小区域中的轮廓数据进行同样的处理,能够获得目标质荷比下的信号强度值的二维分布,因此,当将其图像化时获得一个目标质荷比下的质谱分析成像图像。
另外,图像制作部33从数据储存部32的光学图像数据储存区域322中读出关于相同的试样的光学图像数据来制作一个光学图像。一般来说,光学显微摄像部2中的空间分辨率通常由摄像用摄像机的分辨率决定,与此相对,质谱分析成像图像的分辨率由为了离子化而向试样照射的激光的光斑直径决定。因此,质谱分析成像图像的分辨率低于光学图像的分辨率的情况较多。因此,在光学图像与质谱分析成像图像之间的空间分辨率不同的情况下,图像位置对准处理部34实施使空间分辨率一致的分辨率调整处理。
使分辨率一致的简单方法是将分辨率更高的图像的分辨率降低而与低分辨率的图像匹配的方法。作为这样的方法,例如分箱处理是有用的。另外,也可以通过提高分辨率更低的图像的分辨率来与高分辨率的图像匹配。为此,只要如下操作即可:在对低分辨率的图像进行上采样处理而使像素数在外观上一致之后,通过利用了与某个像素相邻或接近的多个像素的值的插值处理,计算通过上采样而新插入的像素的像素值并进行填补。
在使空间分辨率一致之后,图像位置对准处理部34使光学图像适当变形,使得质谱分析成像图像与光学图像以像素为单位位置大致一致。具体地说,例如,将光学图像作为基准来对质谱分析成像图像进行放大/缩小、旋转、移动、甚至按照规定算法的变形,由此使两个图像中的试样上的位置关系大致一致。通过这样的处理,能够在光学图像与质谱分析成像图像之间将在二维上处于相同位置的像素彼此相对应。将这样处理后的光学图像作为参照图像。此外,也可以不直接使用光学图像,而将如专利文献1等所公开的那样通过从光学图像中提取由作业者指示的特定的颜色成分而制作出的该颜色成分的亮度值的二维分布图像作为参照图像。
此后,回归分析执行部35将基于构成上述处理后的质谱分析成像图像的质谱分析成像数据而制作出的、以各像素中的每个质荷比值的信号强度值为元素的矩阵设为解释变量(X),将同样地基于上述参照图像而制作出的、以每个像素的亮度值为元素的矩阵设为被解释变量(Y),来执行PLS。然后,根据质谱分析成像数据的每个质荷比的信号强度值来制作与参照图像的二维分布类似的图像即回归模型(回归式)(参见图3)。众所周知,PLS中的回归模型由Y=Bpis·X+B0表示。Bpis是回归系数的矩阵。PLS一般能够利用可入手的各种软件来计算。
在本实施例的装置中,能够根据作业者的指定,来选择性地向作业者提供基于回归模型获得的以下那样的各种信息。
(1)作为基于回归模型的回归分析结果的预测图像的显示
当获得回归模型时,图像制作部33将解释变量、即质谱分析成像数据的各像素中的每个质荷比值的信号强度值应用于回归模型,来制作基于回归分析结果的预测图像。如果回归模型的精度高,即,如果回归模型能够基于解释变量很好地说明被解释变量,则预测图像的二维分布与参照图像的二维分布类似。因此,如图3中的[a]所示,显示处理部39将一个预测图像和参照图像排列配置在画面内并将其显示在显示部5中。当然,除了排列之外,还可将一方以使图像半透明化的方式重叠地显示。
通过这样的显示,作业者能够将参照图像与预测图像进行比较,来可靠地通过目视确认分布是否类似,能够评价所制作出的回归模型的准确性。由此,能够选择分布与参照图像类似的质荷比来作为生物标志物候选。
(2)预测图像与参照图像的相关系数的显示
当获得回归模型时,图像制作部33将解释变量、即质谱分析成像数据的各像素中的每个质荷比值的信号强度值应用于回归模型,来制作基于回归分析结果的预测图像。相关系数计算部37针对预测图像和参照图像以像素为单位来计算相关系数。由此,按每个预测图像求出反映了二维分布与参照图像的类似性的相关系数。如图3中的[b]所示,显示处理部39例如将预测图像和相关系数显示在显示部5中。此外,此时,也可以一并显示参照图像。
通过这样的显示,作业者能够基于相关系数这样的数值,来确认预测图像与参照图像的二维分布是否类似,能够评价所制作出的回归模型的准确性。由此,能够选择分布与参照图像类似的质荷比来作为生物标志物候选。
(3)基于针对预测图像和参照图像的相减/相除的图像的显示
当获得回归模型时,图像制作部33将解释变量、即质谱分析成像数据的各像素中的每个质荷比值的信号强度值应用于回归模型,来制作基于回归分析结果的预测图像。像素值减法/除法部38通过对预测图像中的各像素值和参照图像中的各像素值进行标准化,来使像素值大致一致。考虑以下等方法:例如按每个像素计算全部的像素值的平均值并且以使该平均值相同的方式将各像素值标准化,或者以使在各图像中的全部的像素值之中最大的像素值相同的方式将各像素值标准化。此外,该像素值的标准化不是必须的。
在像这样将像素值标准化之后,以像素为单位计算一方的图像的像素值与另一方的图像的像素值之差。或者,也可以以像素为单位进行相除来求出像素值之商。如果像这样按每个像素进行像素值的相减或相除而求出作为其结果的计算值,则图像制作部33基于该计算值来制作图像。如图3中的[c]所示,显示处理部39使上述的计算值的图像(在图3中为差分图像)显示在显示部5中。
如果参照图像与预测图像的二维分布的类似性高,则基于相减或相除的图像的像素值为接近固定的状态。因此,通过上述那样的显示,作业者能够确认预测图像与参照图像的二维分布是否类似,能够评价所制作出的回归模型的准确性。由此,能够选择分布与参照图像类似的质荷比来作为生物标志物候选。
(4)基于回归模型的预测残差图像的显示
当获得回归模型时,图像制作部33将解释变量、即质谱分析成像数据的各像素中的每个质荷比值的信号强度值应用于回归模型,来制作基于回归分析结果的预测图像。预测残差计算部36基于预测图像按每个像素计算预测残差。该预测残差的计算能够在PLS等回归分析中通过众所周知的方法求出。该预测残差在高精度地进行了回归的像素中是较小的值。图像制作部33制作基于该预测残差的图像。如图3中的[d]所示,显示处理部39使所制作出的预测残差图像显示在显示部5中。
如果参照图像与预测图像的二维分布的类似性高,则残差图像为接近固定的状态。因此,通过上述那样的显示,作业者能够通过目视确认残差图像,由此判断预测图像与参照图像的二维分布是否类似,能够评价所制作出的回归模型的准确性。由此,能够选择分布与参照图像类似的质荷比来作为生物标志物候选。
如以上那样,在本实施例的成像质谱分析装置中,利用通过特征性的数据处理进行的各种显示,作业者能够发现二维分布与参照图像真正类似的质谱成像图像,提取与该图像对应的质荷比来作为生物标志物的候选。
此外,在上述实施例的成像质谱分析装置中,将光学图像作为参照图像,但是,作为该参照图像,能够使用:通过对相同的试样进行质谱分析成像法以外的其他的测定而获得的成像图像、例如通过拉曼光谱成像法、红外光谱成像法、X射线分析成像法、使用电子线或离子线等粒子线的表面分析成像法、或者使用扫描型探针显微镜(SPM)等的探针的表面分析成像法等而获得的成像图像。另外,未必需要是针对相同的试样获得的图像,如果是例如通过将生物体组织切片片成极薄而形成的连续切片试样中的相邻的切片试样,则有时即使是不同的试样实质上也视为相同的试样来进行处理。在这种情况下,也可以针对视为相同试样的彼此不同的试样分别获得质谱分析成像图像和参照图像。
另外,在不是调查通过质谱分析成像法获得的数据与光学图像数据等之间的类似性、而是调查通过上述那样的各种成像法获得的图像数据与光学图像数据等之间的类似性的情况下,也能够应用本发明。
另外,上述实施例只不过本发明的一例,除了上述记载的各种变形例以外,在本发明的宗旨的范围内适当地进行变更、修改、追加当然也包含在本申请权利要求书中。
附图标记说明
1:成像质谱分析部;2:光学显微摄像部;22:数据储存部;3:数据处理部;31:数据收集部;32:数据储存部;321:谱数据储存区域;322:光学图像数据储存区域;33:图像制作部;34:图像位置对准处理部;35:回归分析执行部;36:预测残差计算部;37:相关系数计算部;38:像素值减法/除法部;39:显示处理部;4:输入部;5:显示部。
Claims (7)
1.一种成像数据处理装置,通过基于针对试样的测定成像数据和构成参照图像的参照成像数据进行解析处理来求取与所述试样有关的信息,所述测定成像数据是作为针对所述试样上的二维的测定区域内的每个微小区域通过规定的测定方法获得的数据的集合的图像数据、或者是对该数据进行加工而获得的图像数据,所述成像数据处理装置的特征在于,具备:
a)回归分析执行部,其针对第一成像数据和第二成像数据,执行以该第一成像数据为解释变量并且以该第二成像数据为被解释变量的回归分析,来制作回归模型,其中,所述第一成像数据是所述测定成像数据的整体或一部分,所述第二成像数据是所述参照成像数据的整体或一部分,所述第二成像数据与第一成像数据在空间上相对应;以及
b)预测图像制作部,其通过将所述第一成像数据应用于所述回归模型,来制作基于回归分析结果的预测图像。
2.根据权利要求1所述的成像数据处理装置,其特征在于,
还具备残差图像制作部,该残差图像制作部基于所述预测图像计算每个所述微小区域的预测残差,制作残差图像并使该残差图像显示在显示部的画面上。
3.根据权利要求1所述的成像数据处理装置,其特征在于,
还具备分析结果图像制作部,该分析结果图像制作部使所述预测图像和所述参照图像均显示在显示部的画面上。
4.根据权利要求1所述的成像数据处理装置,其特征在于,还具备:
相关系数计算部,其计算相关系数,该相关系数表示所述预测图像与所述参照图像之间以空间上相对应的像素为单位的相关性;以及
显示处理部,其使由所述相关系数计算部计算出的相关系数显示在显示部的画面上。
5.根据权利要求1所述的成像数据处理装置,其特征在于,还具备:
回归分析结果评价部,其针对所述预测图像与所述参照图像之间在空间上相对应的每个像素,实施像素值的相减或相除,来计算出计算值;以及
差分图像制作部,其基于由所述回归分析结果评价部计算出的每个像素的计算值来制作图像,并使该图像显示在显示部的画面上。
6.根据权利要求1~5中的任一项所述的成像数据处理装置,其特征在于,
所述规定的测定方法是质谱分析法,所述测定成像数据是针对通过质谱分析获得的轮廓谱中的各峰对在所使用的质谱分析装置的装置精度程度以内的范围内的信号强度进行积分来作为该峰的信号强度的数据。
7.根据权利要求6所述的成像数据处理装置,其特征在于,
所述回归分析是偏最小二乘回归分析。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2018/020836 WO2019229900A1 (ja) | 2018-05-30 | 2018-05-30 | イメージングデータ処理装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112136041A true CN112136041A (zh) | 2020-12-25 |
CN112136041B CN112136041B (zh) | 2023-06-16 |
Family
ID=68697054
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201880093329.3A Active CN112136041B (zh) | 2018-05-30 | 2018-05-30 | 成像数据处理装置 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11276566B2 (zh) |
JP (1) | JP7004073B2 (zh) |
CN (1) | CN112136041B (zh) |
WO (1) | WO2019229900A1 (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023032181A1 (ja) * | 2021-09-06 | 2023-03-09 | 株式会社島津製作所 | 質量分析データ解析方法及びイメージング質量分析装置 |
TW202347550A (zh) * | 2022-03-29 | 2023-12-01 | 日商東京威力科創股份有限公司 | 基板處理裝置、其檢查方法及基板處理系統 |
CN116429870A (zh) * | 2022-09-30 | 2023-07-14 | 上海立迪生物技术股份有限公司 | 一种消除成像质谱流式灵敏度差异的方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102194641A (zh) * | 2010-03-16 | 2011-09-21 | 株式会社岛津制作所 | 质量分析数据处理方法和质量分析数据处理设备 |
CN102495005A (zh) * | 2011-11-17 | 2012-06-13 | 江苏大学 | 高光谱图像技术诊断作物水分亏缺的方法 |
CN104270640A (zh) * | 2014-09-09 | 2015-01-07 | 西安电子科技大学 | 基于支持向量回归的光谱图像无损压缩方法 |
JP2018017743A (ja) * | 2017-11-06 | 2018-02-01 | 株式会社島津製作所 | データ処理装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9501687B2 (en) * | 2012-05-21 | 2016-11-22 | Vanderbilt University | Predictive modeling relating molecular imaging modalities |
EP3318866A4 (en) | 2015-07-01 | 2018-09-19 | Shimadzu Corporation | Data processing device |
JP6908136B2 (ja) | 2018-02-05 | 2021-07-21 | 株式会社島津製作所 | データ解析装置 |
-
2018
- 2018-05-30 US US17/055,808 patent/US11276566B2/en active Active
- 2018-05-30 WO PCT/JP2018/020836 patent/WO2019229900A1/ja active Application Filing
- 2018-05-30 JP JP2020522475A patent/JP7004073B2/ja active Active
- 2018-05-30 CN CN201880093329.3A patent/CN112136041B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102194641A (zh) * | 2010-03-16 | 2011-09-21 | 株式会社岛津制作所 | 质量分析数据处理方法和质量分析数据处理设备 |
CN102495005A (zh) * | 2011-11-17 | 2012-06-13 | 江苏大学 | 高光谱图像技术诊断作物水分亏缺的方法 |
CN104270640A (zh) * | 2014-09-09 | 2015-01-07 | 西安电子科技大学 | 基于支持向量回归的光谱图像无损压缩方法 |
JP2018017743A (ja) * | 2017-11-06 | 2018-02-01 | 株式会社島津製作所 | データ処理装置 |
Non-Patent Citations (6)
Title |
---|
ANDREAS RO¨MPP • BERNHARD SPENGLER: "Mass spectrometry imaging with high resolution in mass and space", HISTOCHEM CELL BIOL, vol. 139, pages 759 - 783, XP035342872, DOI: 10.1007/s00418-013-1097-6 * |
RAF VAN DE PLAS等: "Image fusion of mass spectrometry and microscopy: a multimodality paradigm for molecular tissue mapping", NATURE METHODS, vol. 12, no. 4, pages 366 - 372, XP055809340, DOI: 10.1038/nmeth.3296 * |
徐琨;朱尔一;杨原;刘银坤;: "由质谱分析数据建立乙肝病人与健康人的分类模型", 分析化学, no. 02, pages 211 - 215 * |
徐琨;朱尔一;杨原;刘银坤;: "由质谱分析数据建立肝癌病人与健康人血清的分类模型", 质谱学报, no. 05, pages 268 - 273 * |
毛歆歆: "质谱成像技术在恶性肿瘤诊断中的应用研究", 中国博士学位论文全文数据库 医药卫生科技辑, no. 11 * |
毛歆歆: "质谱成像技术在病理诊断领域的应用研究", 中国博士学位论文全文数据库医药卫生科技辑, no. 11 * |
Also Published As
Publication number | Publication date |
---|---|
JPWO2019229900A1 (ja) | 2021-03-11 |
US20210210318A1 (en) | 2021-07-08 |
JP7004073B2 (ja) | 2022-01-21 |
WO2019229900A1 (ja) | 2019-12-05 |
CN112136041B (zh) | 2023-06-16 |
US11276566B2 (en) | 2022-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11776799B2 (en) | Data processing device | |
Bhargava | Towards a practical Fourier transform infrared chemical imaging protocol for cancer histopathology | |
CN111837031B (zh) | 成像数据处理装置以及成像数据处理程序 | |
JP5565810B2 (ja) | 質量分析データ処理方法及び装置 | |
JP6207036B2 (ja) | 質量分析データ処理方法及び装置 | |
JP5348029B2 (ja) | 質量分析データ処理方法及び装置 | |
CN112136041B (zh) | 成像数据处理装置 | |
JP6908136B2 (ja) | データ解析装置 | |
WO2016103312A1 (ja) | 分析データ処理方法及び装置 | |
US11282683B2 (en) | Imaging mass spectrometric data analyzer | |
JP6179600B2 (ja) | 質量分析データ解析装置 | |
US20210217597A1 (en) | Imaging mass spectrometry data processing device | |
US11276565B2 (en) | Data processing device for imaging mass spectrometric analysis | |
WO2020166007A1 (ja) | イメージング質量分析装置 | |
US11211235B2 (en) | Imaging mass spectrometry data processing device | |
US11651603B2 (en) | Imaging data analyzer | |
US20240153086A1 (en) | Imaging analysis device and imaging data analysis method | |
US20200357122A1 (en) | Data analysis device and data analysis system | |
WO2019150574A1 (ja) | イメージング質量分析装置 |
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 |