CN112889086A - 图像处理装置、图像处理方法、程序及评价方法 - Google Patents
图像处理装置、图像处理方法、程序及评价方法 Download PDFInfo
- Publication number
- CN112889086A CN112889086A CN201980067104.5A CN201980067104A CN112889086A CN 112889086 A CN112889086 A CN 112889086A CN 201980067104 A CN201980067104 A CN 201980067104A CN 112889086 A CN112889086 A CN 112889086A
- Authority
- CN
- China
- Prior art keywords
- region
- colony
- extraction
- luminance
- 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.)
- Pending
Links
- 238000012545 processing Methods 0.000 title claims abstract description 85
- 238000011156 evaluation Methods 0.000 title claims description 18
- 238000003672 processing method Methods 0.000 title claims description 5
- 238000000605 extraction Methods 0.000 claims abstract description 319
- 210000001778 pluripotent stem cell Anatomy 0.000 claims abstract description 54
- 239000000284 extract Substances 0.000 claims abstract description 50
- 238000001000 micrograph Methods 0.000 claims abstract description 40
- 238000005286 illumination Methods 0.000 claims abstract description 17
- 230000008859 change Effects 0.000 claims description 37
- 230000002123 temporal effect Effects 0.000 claims description 30
- 238000000034 method Methods 0.000 claims description 23
- 238000004364 calculation method Methods 0.000 claims description 20
- 230000008569 process Effects 0.000 claims description 16
- 238000003384 imaging method Methods 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 3
- 210000004027 cell Anatomy 0.000 description 38
- 238000010586 diagram Methods 0.000 description 30
- 230000002159 abnormal effect Effects 0.000 description 28
- 210000002435 tendon Anatomy 0.000 description 20
- 238000004458 analytical method Methods 0.000 description 17
- 239000000203 mixture Substances 0.000 description 11
- 230000006870 function Effects 0.000 description 6
- 238000010606 normalization Methods 0.000 description 6
- 125000001475 halogen functional group Chemical group 0.000 description 5
- 230000035800 maturation Effects 0.000 description 4
- 239000011324 bead Substances 0.000 description 3
- 239000006285 cell suspension Substances 0.000 description 3
- 230000001052 transient effect Effects 0.000 description 3
- 206010027146 Melanoderma Diseases 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000012258 culturing Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000013341 scale-up Methods 0.000 description 2
- 230000001332 colony forming effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 210000003981 ectoderm Anatomy 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 210000001671 embryonic stem cell Anatomy 0.000 description 1
- 210000001900 endoderm Anatomy 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 210000001654 germ layer Anatomy 0.000 description 1
- 230000000873 masking effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 210000003716 mesoderm Anatomy 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000001172 regenerating effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 210000000130 stem cell Anatomy 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
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
- G01N33/5005—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving human or animal cells
- G01N33/5008—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving human or animal cells for testing or evaluating the effect of chemical or biological compounds, e.g. drugs, cosmetics
- G01N33/5044—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving human or animal cells for testing or evaluating the effect of chemical or biological compounds, e.g. drugs, cosmetics involving specific cell types
- G01N33/5073—Stem cells
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12M—APPARATUS FOR ENZYMOLOGY OR MICROBIOLOGY; APPARATUS FOR CULTURING MICROORGANISMS FOR PRODUCING BIOMASS, FOR GROWING CELLS OR FOR OBTAINING FERMENTATION OR METABOLIC PRODUCTS, i.e. BIOREACTORS OR FERMENTERS
- C12M41/00—Means for regulation, monitoring, measurement or control, e.g. flow regulation
- C12M41/30—Means for regulation, monitoring, measurement or control, e.g. flow regulation of concentration
- C12M41/36—Means for regulation, monitoring, measurement or control, e.g. flow regulation of concentration of biomass, e.g. colony counters or by turbidity measurements
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
- C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
- C12Q1/02—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving viable microorganisms
- C12Q1/04—Determining presence or kind of microorganism; Use of selective media for testing antibiotics or bacteriocides; Compositions containing a chemical indicator therefor
-
- 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
- G06T7/0014—Biomedical image inspection using an image reference approach
- G06T7/0016—Biomedical image inspection using an image reference approach involving temporal comparison
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/155—Segmentation; Edge detection involving morphological operators
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10056—Microscopic image
-
- 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
- G06T2207/30024—Cell structures in vitro; Tissue sections in vitro
-
- 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
- G06T2207/30242—Counting objects in image
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Physics & Mathematics (AREA)
- Immunology (AREA)
- Biomedical Technology (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Organic Chemistry (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Molecular Biology (AREA)
- Theoretical Computer Science (AREA)
- Zoology (AREA)
- Wood Science & Technology (AREA)
- Biotechnology (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Microbiology (AREA)
- Urology & Nephrology (AREA)
- Cell Biology (AREA)
- Hematology (AREA)
- Toxicology (AREA)
- General Engineering & Computer Science (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
- Genetics & Genomics (AREA)
- Quality & Reliability (AREA)
- Medical Informatics (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Developmental Biology & Embryology (AREA)
- Tropical Medicine & Parasitology (AREA)
- Pathology (AREA)
- Medicinal Chemistry (AREA)
- Food Science & Technology (AREA)
- Sustainable Development (AREA)
- Biophysics (AREA)
- Apparatus Associated With Microorganisms And Enzymes (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
一种图像处理装置,具备:集落区域提取部,从基于透过照明的显微镜图像提取多能性干细胞的集落区域;高辉度区域提取部,从显微镜图像提取高辉度区域,该高辉度区域是基于构成显微镜图像的像素中的、辉度值比基准值大的像素的集合的区域;提取对象区域提取部,基于由集落区域提取部提取出的集落区域和由高辉度区域提取部提取出的高辉度区域,从显微镜图像对提取对象区域进行提取;及输出部,将由提取对象区域提取部提取出的提取对象区域作为提取结果而输出。
Description
技术领域
本发明涉及图像处理装置、图像处理方法、程序及评价方法。
本申请基于2018年10月12日向日本申请的日本特愿2018-193814号来主张优先权,将其内容援引于此。
背景技术
人工多能性干细胞(iPS细胞:induced pluripotent stem cell)等形成集落的细胞从集落未成熟的状态逐渐向成熟的状态变化。在再生医疗等中,要求大量的iPS细胞,因此需要使细胞增殖而使细胞数增加的工序。将增加iPS细胞的数量的工序称作扩大培养工序。在扩大培养工序中,基于集落的成熟程度来进行传代的定时的判定。以往,该成熟程度由作业者通过目视观察集落内的细胞的大小来进行判断,但有时会针对每个作业者产生偏差。
为了抑制与传代培养的定时相关的每个作业者的偏差,提出了自动地进行以下作业的装置:在扩大培养后回收细胞而制作细胞悬浊液,测定细胞悬浊液的每单位量的细胞数量,基于该测定结果而稀释至期望的细胞浓度,进行传代(专利文献1)。但是,专利文献1所记载的装置使细胞从培养容器剥离并向回收袋回收后测定及调整细胞数量并进行传代培养,因此无法判断集落的成熟是否充分,在假设不充分的情况下,无法继续培养而使集落成熟。渴求能够保持被粘附培养的集落的状态而判定成熟度的方法。
现有技术文献
专利文献
专利文献1:国际公开第2016/013394号公报
发明内容
为了解决上述问题,本发明的一方案是一种图像处理装置,具备:集落区域提取部,从基于透过照明的显微镜图像提取该多能性干细胞的集落区域;高辉度区域提取部,从所述显微镜图像提取高辉度区域,该高辉度区域是基于构成所述显微镜图像的像素中的辉度值比基准值大的像素的集合的区域;提取对象区域提取部,基于由所述集落区域提取部提取出的所述集落区域和由所述高辉度区域提取部提取出的所述高辉度区域,从所述显微镜图像对提取对象区域进行提取;及输出部,将由所述提取对象区域提取部提取出的所述提取对象区域作为提取结果而输出。
为了解决上述问题,本发明的一方案是一种图像处理方法,具有:集落区域提取过程,从基于透过照明的显微镜图像提取多能性干细胞的集落区域;高辉度区域提取过程,从所述显微镜图像提取高辉度区域,该高辉度区域是基于构成所述显微镜图像的像素中的辉度值比基准值大的像素的集合的区域;提取对象区域提取过程,基于由所述集落区域提取过程提取出的所述集落区域和由所述高辉度区域提取过程提取出的所述高辉度区域,从所述显微镜图像对提取对象区域进行提取;及输出过程,将由所述提取对象区域提取过程提取出的所述提取对象区域作为提取结果而输出。
为了解决上述问题,本发明的一方案是一种程序,用于使计算机执行:集落区域提取步骤,从基于透过照明的显微镜图像提取多能性干细胞的集落区域;高辉度区域提取步骤,从所述显微镜图像提取高辉度区域,该高辉度区域是基于构成所述显微镜图像的像素中的辉度值比基准值大的像素的集合的区域;提取对象区域提取步骤,基于由所述集落区域提取步骤提取出的所述集落区域和由所述高辉度区域提取步骤提取出的所述高辉度区域,从所述显微镜图像对提取对象区域进行提取;及输出步骤,将由所述提取对象区域提取步骤提取出的所述提取对象区域作为提取结果而输出。
为了解决上述问题,本发明的一方案是一种评价方法,评价多能性干细胞的集落的成熟度,其中,该评价方法包括:取得过程,取得所述集落的相位差图像;及检测过程,在所述相位差图像中检测包括高辉度的像素的筋状构造。
为了解决上述问题,本发明的一方案是一种评价方法,评价多能性干细胞的集落的成熟度,其中,该评价方法包括:取得过程,取得改变时间而拍摄了所述集落的多个相位差图像;及算出过程,在所述多个相位差图像的各自中,检测包括高辉度的像素的筋状构造,并算出筋状构造的时间变化。
附图说明
图1是示出本发明的第一实施方式的图像处理装置的一例的图。
图2是示出本发明的第一实施方式的图像处理装置的提取对象区域的提取处理的一例的图。
图3是示出本发明的第一实施方式的相位差图像的一例的图。
图4是示出本发明的第一实施方式的集落掩模的一例的图。
图5是示出本发明的第一实施方式的正常区域掩模的一例的图。
图6是示出本发明的第一实施方式的密·筋区域提取处理的一例的图。
图7是示出本发明的第一实施方式的在密·筋区域提取处理中包含的各处理中生成的图像的一例的图。
图8是示出本发明的第一实施方式的在粗区域提取处理中生成的粗掩模的一例的图。
图9是示出本发明的第一实施方式的筋区域提取处理的一例的图。
图10是示出本发明的第一实施方式的在筋区域提取处理中包含的各处理中生成的图像的一例的图。
图11是示出本发明的第二实施方式的图像处理装置的结构的图。
图12是示出本发明的第二实施方式的图像处理装置的培养指标的生成处理的一例的图。
图13是示出本发明的第二实施方式的在集落区域中所占的粗区域、筋区域及密区域的面积比例的一例的图。
图14是示出以往的在集落区域中所占的粗区域及密区域的面积比例的一例的图。
图15是示出本发明的各实施方式的包括高辉度的像素的筋状构造的一例的图。
具体实施方式
(第一实施方式)
以下,一边参照附图一边对本发明的实施方式进行详细说明。图1是示出本实施方式的图像处理装置1的一例的图。图像处理装置1从拍摄了多能性干细胞的相位差图像P0提取成为提取的对象的区域即提取对象区域。在此,多能性干细胞是指具有能够分化成属于内胚层、中胚层、外胚层的三胚层的细胞系列全部的能力的干细胞,例如可举出iPS细胞、胚胎干细胞(ES细胞)。
在本实施方式中,提取对象区域是指相位差图像P0中的出现了筋状的花纹的区域。在此,为了对该筋状的花纹进行说明,对iPS细胞即多能性干细胞的培养过程进行说明。
iPS细胞即多能性干细胞的集落在培养过程中从未形成状态经过未成熟状态而向成熟状态变化。
集落未形成状态是指多能性干细胞是单个细胞且未形成集落的状态。在集落未成熟状态下,虽然形成有集落,但每一细胞的面积大且细胞密度低。以下,将细胞密度低的区域也称作粗区域。
成熟状态例如是指集落适合于传代的状态。在成熟状态的集落中,每一细胞的面积变小且细胞密度变高。以下,将细胞密度高的区域也称作密区域。在成熟状态的集落中,在中央形成密区域,以包围该密区域的周围的方式存在粗区域。
作为集落的未成熟状态与成熟状态之间的中间的状态,存在过渡状态。过渡状态是指多能性干细胞形成有集落但未充分成熟的状态。
在过渡状态下,在集落的相位差图像中可看到筋区域。筋区域是指在相位差图像中可看到多个细长的筋的区域。可认为:作为随着集落成熟而多能性干细胞彼此变密的结果,这些多个多能性干细胞的间隙的对比度变高,看起来是筋状。
在过渡状态下,集落包括筋区域、包围该筋区域的周围的密区域及包围该密区域的周围的粗区域。
图像处理装置1具备相位差图像取得部10、集落区域提取部11、密·筋混合区域提取部12、粗区域提取部13、筋区域提取部14、密区域提取部15及输出部16。
相位差图像取得部10取得从相位差图像供给部2供给的相位差图像P0。在此,相位差图像P0是基于透过照明的显微镜图像的一例。相位差图像P0是通过对多能性干细胞照射的照明光的透过光的相位差被变换为明暗差而拍摄了该多能性干细胞的图像。相位差图像P0例如是拍摄了由相位差显微镜得到的多能性干细胞的扩大像的图像。
基于透过照明的显微镜图像除了相位差图像以外,例如也可以是微分干涉像、定量相位差像等。
集落区域提取部11从由相位差图像取得部10取得的相位差图像P0提取多能性干细胞的集落区域CR。在此,集落区域提取部11具备提取部110、异常区域提取部111及正常区域提取部112。
提取部110从相位差图像P0提取多能性干细胞的集落区域CR,生成集落掩模CM。集落掩模CM是指将相位差图像P0中的集落区域CR以外的区域遮掩的掩模图像。
异常区域提取部111从由提取部110提取出的集落区域CR提取异常区域AR。异常区域AR是指集落区域CR中的由从多能性干细胞的状态脱离的异常的细胞形成的区域。在此,在多能性干细胞的培养中,维持多能性的状态不变而进行培养是重要的,但有时会在培养的过程中出现从多能性干细胞的状态脱离的异常的细胞。
正常区域提取部112从由提取部110提取出的集落区域CR提取正常区域NR,生成正常区域掩模NM。正常区域NR是指集落区域CR中的由维持了多能性干细胞的状态的正常的细胞形成的区域。正常区域掩模NM是指将相位差图像P0中的正常区域NR以外的区域遮掩的掩模图像。
密·筋混合区域提取部12基于由相位差图像取得部10取得的相位差图像P0、由提取部110生成的集落掩模CM及由正常区域提取部112生成的正常区域掩模NM来提取密·筋区域MSR,生成密·筋掩模MSM。在此,密·筋区域MSR是指将密区域DR和筋区域SR合起来的区域。密·筋掩模MSM是指将相位差图像P0中的密·筋区域MSR以外的区域遮掩的掩模图像。
粗区域提取部13基于由密·筋混合区域提取部12生成的密·筋掩模MSM和由正常区域提取部112生成的正常区域掩模NM来生成粗掩模PM。粗掩模PM是指将相位差图像P0中的粗区域PR以外的区域遮掩的掩模图像。
筋区域提取部14基于由相位差图像取得部10取得的相位差图像P0和由密·筋混合区域提取部12生成的密·筋掩模MSM来提取筋区域SR,生成筋掩模SM。筋掩模SM是指将相位差图像P0中的筋区域SR以外的区域遮掩的掩模图像。
在此,筋区域提取部14具备高辉度区域提取部140和提取对象区域提取部141。
高辉度区域提取部140从由相位差图像取得部10取得的相位差图像P0提取高辉度区域HR。在此,高辉度区域HR是基于构成相位差图像P0的像素中的辉度值比基准值大的像素的集合的区域。在高辉度区域HR中,包括辉度值比基准值大的像素的集合和该像素的集合的周围。
提取对象区域提取部141基于由密·筋混合区域提取部12生成的密·筋掩模MSM,从由高辉度区域提取部140提取出的高辉度区域HR对提取对象区域进行提取。
提取对象区域作为一例是相位差图像P0中的筋区域SR。在此,如上所述,筋区域SR是指在相位差图像P0中出现了筋状的花纹的区域。也就是说,提取对象区域是指在相位差图像P0中出现了筋状的花纹的区域。
密区域提取部15基于由密·筋混合区域提取部12生成的密·筋掩模MSM和由筋区域提取部14生成的筋掩模SM来提取密区域DR,生成密掩模DM。
输出部16将处理结果PP向提示部3输出,使处理结果PP显示于提示部3。处理结果PP例如是在相位差图像P0中分别示出了由筋区域提取部14提取出的筋区域SR、由密区域提取部15提取出的密区域DR及由粗区域提取部13提取出的粗区域PR的图像。处理结果PP也可以是表示由筋区域提取部14提取出的筋区域SR的信息、表示由密区域提取部15提取出的密区域DR的信息及表示由粗区域提取部13提取出的粗区域PR的信息。
需要说明的是,输出部16也可以向提示部3以外的输出装置、存储装置等输出处理结果PP。
相位差图像供给部2向图像处理装置1供给相位差图像P0。
提示部3提示从图像处理装置1供给的处理结果PP。提示部3例如是显示器等显示装置。
图2是示出本实施方式的图像处理装置1的提取对象区域的提取处理的一例的图。
在以下的说明中,对一方的图像加上另一方的图像是指生成具有对一方的图像的像素的辉度加上另一方的图像的与该像素对应的像素的辉度后的结果的辉度的像素的图像。
另外,对一方的图像减去另一方的图像是指生成具有从一方的图像的像素的辉度减去另一方的图像的与该像素对应的像素的辉度的结果的辉度的像素的图像。
另外,在取一方的图像与另一方的图像的逻辑与的情况下,仅在一方的图像的像素的辉度和与该像素对应的另一方的图像的像素的辉度双方不为零的情况下,作为取逻辑与的结果而得到的图像的像素的辉度具有不为零的值。
步骤S100:相位差图像取得部10取得从相位差图像供给部2供给的相位差图像P1。相位差图像P1是相位差图像P0的一例。相位差图像取得部10将取得的相位差图像P1向集落区域提取部11、密·筋混合区域提取部12及筋区域提取部14供给。
在此,参照图3,对相位差图像P1进行说明。
图3是示出本实施方式的相位差图像P1的一例的图。相位差图像P1是拍摄了多能性干细胞的集落的图像。
返回图2,继续图像处理装置1的提取处理的说明。
步骤S110:集落区域提取部11的提取部110从由相位差图像取得部10取得的相位差图像P1提取多能性干细胞的集落区域CR。
在此,提取部110在提取多能性干细胞的集落区域CR前,从相位差图像P1提取拍摄有细胞的区域即细胞区域。作为一例,提取部110基于公知的边缘检测来从相位差图像P1提取细胞区域。
提取部110从提取出的细胞区域提取集落区域CR。提取部110例如将比规定的面积大的细胞区域作为集落区域CR而提取。提取部110基于提取出的集落区域CR来生成集落掩模CM。集落区域CR的提取不限定于基于细胞区域的面积来进行的方法,能够通过公知的各种各样的方法来进行。
提取部110将生成的集落掩模CM向异常区域提取部111和正常区域提取部112供给。另外,提取部110将生成的集落掩模CM向密·筋混合区域提取部12供给。
在此,参照图4,对集落掩模CM进行说明。
图4是示出本实施方式的集落掩模CM的一例的图。在图4中,由集落掩模CM遮掩了相位差图像P1中的集落区域CR以外的区域。
返回图2,继续图像处理装置1的提取处理的说明。
步骤S110:异常区域提取部111从由提取部110提取出的集落区域CR提取异常区域AR。在此,异常区域提取部111基于由相位差图像取得部10取得的相位差图像P1和由提取部110生成的集落掩模CM来提取异常区域AR。异常区域提取部111只要提取多能性干细胞以外的异常的细胞,则不管通过何种方法来进行都行,但例如能够基于周围的光环的有无来从集落区域CR提取异常区域AR。
光环是指相位差图像中的一方的区域与另一方的区域的相位差大,结果在一方的区域与另一方的区域的交界处辉度比周围高的部分。正常的多能性干细胞的集落在周围可看到很多光环,异常细胞的集落在周围不怎么看得到光环。
因此,正常区域NR能够设为集落区域CR中的在周围具有相位差为规定的值以上的部分的区域。异常区域AR能够设为集落区域CR中的在周围不具有相位差为规定的值以上的部分的区域。
异常区域提取部111将集落区域CR中的在周围不具有光环的部分区域作为异常区域AR而提取。异常区域提取部111将表示提取出的异常区域AR的信息向正常区域提取部112供给。
步骤S130:正常区域提取部112从由提取部110提取出的集落区域CR提取正常区域NR,生成正常区域掩模NM。
在此,正常区域提取部112基于由提取部110生成的集落掩模CM和表示由异常区域提取部111提取出的异常区域AR的信息,从由提取部110提取出的集落区域CR排除异常区域AR。正常区域提取部112将从集落掩模CM排除异常区域AR而剩下的区域作为正常区域NR而提取。
在本实施方式中,正常区域提取部112设置于集落区域提取部11。作为别的实施方式,集落区域提取部11也可以不进行提取异常区域AR的工序,将集落区域CR中的在周围具有相位差为规定的值以上的部分的区域作为正常区域NR而直接提取。
正常区域提取部112作为提取了正常区域NR的结果而生成正常区域掩模NM。正常区域提取部112将生成的正常区域掩模NM向密·筋混合区域提取部12及粗区域提取部13供给。
在此,参照图5,对正常区域掩模NM进行说明。
图5是示出本实施方式的正常区域掩模NM的一例的图。在图5中,由正常区域掩模NM遮掩了相位差图像P1中的正常区域NR以外的区域。
返回图2,继续图像处理装置1的提取处理的说明。
步骤S140:密·筋混合区域提取部12基于由相位差图像取得部10取得的相位差图像P1、由提取部110生成的集落掩模CM及由正常区域提取部112生成的正常区域掩模NM来提取密·筋区域MSR。
在此,参照图6及图7,对密·筋混合区域提取部12提取密·筋区域MSR的处理即密·筋区域提取处理进行说明。
图6是示出本实施方式的密·筋区域提取处理的一例的图。图6所示的密·筋区域提取处理对应于图2所示的步骤S140。
图7是示出本实施方式的在密·筋区域提取处理中包含的各处理中生成的图像的一例的图。
步骤S200:密·筋混合区域提取部12从由相位差图像取得部10取得的相位差图像P1除去黑斑。密·筋混合区域提取部12作为从相位差图像P1除去了黑斑的结果而生成黑斑除去图像P21。在此,黑斑是指相位差图像P1中的像素的辉度比规定的值低的区域。黑斑主要对应于多能性干细胞的核。
步骤S210:密·筋混合区域提取部12从相位差图像P1的各像素的辉度减去在步骤S200中生成的黑斑除去图像P21的各像素的辉度,进行标准化。在此,若从相位差图像P1的各像素的辉度减去黑斑除去图像P21的各像素的辉度,则黑斑残留。密·筋混合区域提取部12通过将残留的黑斑的辉度标准化而生成黑斑图像P22。
步骤S220:密·筋混合区域提取部12对由相位差图像取得部10取得的相位差图像P1进行顶帽处理。密·筋混合区域提取部12作为对相位差图像P1进行了顶帽处理的结果而生成顶帽处理图像P23。
在此,顶帽处理是指提取相位差图像P1中的像素的辉度相对高的区域的处理。通过顶帽处理,在相位差图像P1中拍摄到的多能性干细胞的核的周围的区域中的密度高的区域及筋区域SR被提取。
步骤S230:密·筋混合区域提取部12将在步骤S220中生成的顶帽处理图像P23的各像素的辉度标准化。密·筋混合区域提取部12作为标准化的结果而生成标准化图像P24。
步骤S240:密·筋混合区域提取部12取将在步骤S210中生成的黑斑图像P22和在步骤S230中生成的标准化图像P24相加而得到的相加图像(未图示)与集落掩模CM的逻辑与。密·筋混合区域提取部12作为取逻辑与的结果而生成集落掩模逻辑与图像P25。
集落掩模逻辑与图像P25对应于从相位差图像P1排除了粗区域PR的结果。粗区域PR与密区域DR、筋区域SR相比辉度低。
需要说明的是,密·筋混合区域提取部12也可以取代集落掩模CM而取相加图像与正常区域掩模NM的逻辑与。
步骤S250:密·筋混合区域提取部12基于在步骤S240中生成的集落掩模逻辑与图像P25来生成掩模P26。在此,密·筋混合区域提取部12通过对集落掩模逻辑与图像P25进行公知的图像处理来生成掩模P26。
公知的图像处理例如是指闭(closing)、开(opening)、填充及对象除去等。通过公知的图像处理,在集落掩模逻辑与图像P25中,例如,筋区域SR的筋状的花纹、密区域DR的细胞的间隙被填充。
步骤S260:密·筋混合区域提取部12取正常区域掩模NM与在步骤S250中生成的掩模P26的逻辑与。密·筋混合区域提取部12作为取逻辑与的结果而生成密·筋掩模MSM。密·筋混合区域提取部12将生成的密·筋掩模MSM向粗区域提取部13、筋区域提取部14及密区域提取部15供给。
返回图2,继续图像处理装置1的提取处理的说明。
步骤S150:粗区域提取部13基于由密·筋混合区域提取部12生成的密·筋掩模MSM和由正常区域提取部112生成的正常区域掩模NM来提取粗区域PR。在此,粗区域提取部13通过从正常区域掩模NM减去密·筋掩模MSM而提取粗区域PR。
粗区域提取部13作为提取了粗区域PR的结果而生成粗掩模PM。粗区域提取部13将生成的粗掩模PM向输出部16供给。
在此,在图8中示出作为步骤S150的粗区域提取处理的结果而生成的粗掩模PM。
图8是示出本实施方式的在粗区域提取处理中生成的粗掩模PM的一例的图。
需要说明的是,在步骤S150中,粗区域提取部13也可以取代正常区域掩模NM而基于由提取部110生成的集落掩模CM和由密·筋混合区域提取部12生成的密·筋掩模MSM来提取粗区域PR。在粗区域提取部13取代正常区域掩模NM而基于集落掩模CM来提取粗区域PR的情况下,与基于正常区域掩模NM来提取粗区域PR的情况相比,粗区域PR的提取精度有时会下降。
返回图2,继续图像处理装置1的提取处理的说明。
步骤S160:筋区域提取部14基于由相位差图像取得部10取得的相位差图像P0和由密·筋混合区域提取部12生成的密·筋掩模MSM来提取筋区域SR。
在此,参照图9及图10,对筋区域提取部14提取筋区域SR的处理即筋区域提取处理进行说明。
图9是示出本实施方式的筋区域提取处理的一例的图。图9所示的筋区域提取处理对应于图2所示的步骤S160。
图10是示出本实施方式的在筋区域提取处理中包含的各处理中生成的图像的一例的图。需要说明的是,在图10中也包括在图2的步骤S170中生成的图像的一例。
步骤S300:高辉度区域提取部140对由相位差图像取得部10取得的相位差图像P1进行背景标准化的处理。高辉度区域提取部140作为背景标准化的处理的结果而生成背景标准化图像P31。
在此,背景标准化是指以使相位差图像P1的各像素的辉度处于规定的范围的方式进行标准化的处理。通过背景标准化,相位差图像P1中的筋区域SR被强调。
步骤S310:高辉度区域提取部140从在步骤S300中生成的背景标准化图像P31提取高辉度区域HR。高辉度区域提取部140作为提取的结果而生成高辉度图像P32。在此,背景标准化图像P31中的高辉度区域HR对应于相位差图像P1中的筋区域SR。
高辉度区域提取部140将生成的高辉度图像P32向提取对象区域提取部141供给。
需要说明的是,步骤S300中的背景标准化的处理也可以被省略。在步骤S300的处理被省略的情况下,在步骤S310中,高辉度区域提取部140从相位差图像P1提取基于构成相位差图像P1的像素中的辉度值比基准值大的像素的集合的区域即高辉度区域。
步骤S320:提取对象区域提取部141取由密·筋混合区域提取部12生成的密·筋掩模MSM与由高辉度区域提取部140生成的高辉度图像P32的逻辑与。提取对象区域提取部141作为取逻辑与的结果而生成密·筋掩模逻辑与图像P33。
在此,密·筋掩模逻辑与图像P33对应于从相位差图像P1提取了提取对象区域即筋区域SR的结果。也就是说,提取对象区域提取部141从相位差图像P1对提取对象区域进行提取。
提取对象区域提取部141在提取对象区域的提取中使用的密·筋掩模MSM是在上述的步骤S140中基于正常区域掩模NM而生成的图像。而且,正常区域掩模NM是在上述的步骤S130中从集落掩模CM生成的图像。
因此,提取对象区域提取部141基于由集落区域提取部11提取出的集落区域CR和由高辉度区域提取部140提取出的高辉度区域HR来从相位差图像P1对提取对象区域进行提取。
步骤S330:提取对象区域提取部141基于在步骤S320中生成的密·筋掩模逻辑与图像P33来生成筋掩模SM。在此,提取对象区域提取部141通过对密·筋掩模逻辑与图像P33进行上述的公知的图像处理来生成筋掩模SM。
提取对象区域提取部141将生成的筋掩模SM向密区域提取部15及输出部16供给。
返回图2,继续图像处理装置1的提取处理的说明。
步骤S170:密区域提取部15通过从由密·筋混合区域提取部12生成的密·筋掩模MSM减去由筋区域提取部14生成的筋掩模SM来提取密区域DR。密区域提取部15作为提取了密区域DR的结果而生成密掩模DM。密区域提取部15将生成的密掩模DM向输出部16供给。
在此,密掩模DM的一例示于图10。
步骤S180:输出部16将处理结果PP1向提示部3供给并使其输出。处理结果PP1是处理结果PP的一例,是在由相位差图像取得部10取得的相位差图像P1中分别示出了由筋区域提取部14提取出的筋区域SR、由密区域提取部15提取出的密区域DR及由粗区域提取部13提取出的粗区域PR的图像。在此,筋区域SR由筋掩模SM表示。密区域DR由密掩模DM表示。粗区域PR由粗掩模PM表示。
在此,筋区域SR是指由提取对象区域提取部141提取出的提取对象区域。也就是说,输出部16将由提取对象区域提取部141提取出的提取对象区域作为提取结果而输出。
如以上说明那样,本实施方式的图像处理装置1具备集落区域提取部11、高辉度区域提取部140及提取对象区域提取部141。
集落区域提取部11从基于透过照明的显微镜图像(在该一例中是相位差图像P0)提取多能性干细胞的集落区域CR。
高辉度区域提取部140从相位差图像P0提取高辉度区域HR,该高辉度区域HR是基于构成基于透过照明的显微镜图像(在该一例中是相位差图像P0)的像素中的辉度值比基准值大的像素的集合的区域。
提取对象区域提取部141基于由集落区域提取部11提取出的集落区域CR和由高辉度区域提取部140提取出的高辉度区域HR,从基于透过照明的显微镜图像(在该一例中是相位差图像P0)对提取对象区域进行提取(在该一例中是筋区域SR)。
通过该结构,在本实施方式的图像处理装置1中,能够从基于透过照明的显微镜图像(在该一例中是相位差图像P0)对提取对象区域进行提取(在该一例中是筋区域SR),因此能够使多能性干细胞的集落的成熟程度的评价结果的精度与不考虑提取对象区域(在该一例中是筋区域SR)的情况相比提高。
在此,提取对象区域(在该一例中是筋区域SR)是指以下区域:该区域是基于透过照明的显微镜图像(在该一例中是相位差图像P0)中包含的集落区域CR中的高辉度区域HR。
另外,在本实施方式的图像处理装置1中,集落区域提取部11将集落区域CR中的在周围具有相位差为规定的值以上的部分的区域作为正常区域NR而提取。
通过该结构,在本实施方式的图像处理装置1中,能够排除异常区域AR而对提取对象区域进行提取(在该一例中是筋区域SR),因此与不排除异常区域AR的情况相比,能够使多能性干细胞的集落的成熟程度的评价结果的精度提高。
另外,在本实施方式的图像处理装置1中,提取对象区域是指在基于透过照明的显微镜图像(在该一例中是相位差图像P0)中出现了筋状的花纹的区域。
通过该结构,在本实施方式的图像处理装置1中,除了与集落未成熟的状态对应的粗区域PR和与集落成熟的状态对应的密区域DR之外,还能够将与未成熟的状态与成熟的状态的过渡状态对应的筋区域SR从基于透过照明的显微镜图像(在该一例中是相位差图像P0)提取。基于筋区域SR来进行多能性干细胞的集落的成熟程度的评价与仅基于粗区域PR和密区域DR来进行评价的情况相比,能够使该评价的精度提高。
在上述的第一实施方式中,例如,“集落掩模CM”设为了将相位差图像P0中的集落区域CR以外的区域遮掩的掩模图像,“正常区域掩模NM”设为了将相位差图像P0中的正常区域NR以外的区域遮掩的掩模图像,但也可以将“集落掩模CM”设为仅将集落区域CR遮掩的掩模图像,将“正常区域掩模NM”设为仅将正常区域NR遮掩的掩模图像。
(第二实施方式)
以下,一边参照附图一边对本发明的第二实施方式进行详细说明。
在上述第一实施方式中,对图像处理装置从相位差图像提取筋区域的情况进行了说明。在本实施方式中,对相位差图像是延时图像且图像处理装置基于筋区域的面积的时间变化来提示关于培养的指标的情况进行说明。
将本实施方式的图像处理装置称作图像处理装置1a。本实施方式的相位差图像PT是改变时间而拍摄了多能性干细胞的多个图像。
图11是示出本实施方式的图像处理装置1a的结构的图。若比较本实施方式的图像处理装置1a(图11)和第一实施方式的图像处理装置1(图1),则输出部16a、时间变化算出部17a、培养指标生成部18a及分析部19a不同。在此,其他的构成要素(相位差图像取得部10、集落区域提取部11,密·筋混合区域提取部12、粗区域提取部13、筋区域提取部14及密区域提取部15)所具有的功能与第一实施方式相同。与第一实施方式相同的功能的说明省略,在第二实施方式中,以与第一实施方式不同的部分为中心进行说明。
时间变化算出部17a算出在集落区域中粗区域PR、筋区域SR及密区域DR的面积所占的比例的时间变化。在本实施方式中,将正常区域NR设为集落区域的一例。在此,在相位差图像PT中包括1个以上的正常区域NR。
培养指标生成部18a基于由时间变化算出部17a算出的时间变化而将关于培养的指标针对每个正常区域NR生成。以下,将关于培养的指标称作培养指标CI。培养指标CI例如表示“传代”、“培养继续”及“废弃”。
分析部19a基于由培养指标生成部18a生成的培养指标CI来分析相位差图像PT中包含的正常区域NR。
输出部16a将分析部19a的分析结果A向提示部3输出,使分析结果A显示于提示部3。
图12是示出本实施方式的图像处理装置1a的培养指标CI的生成处理的一例的图。图像处理装置1a将培养指标CI的生成处理(图12)在第一实施方式的提取处理(图2)完成后执行。
步骤S400:时间变化算出部17a针对每个正常区域NR,算出正常区域NR中的粗区域PR、筋区域SR及密区域DR各自的面积所占的比例。需要说明的是,时间变化算出部17a也可以分别算出粗区域PR、筋区域SR及密区域DR的面积。
步骤S410:时间变化算出部17a将相位差图像PT0中的粗区域PR、筋区域SR及密区域DR的上述面积比例的时间变化分别针对每个正常区域NR而算出。时间变化算出部17a也可以分别算出粗区域PR、筋区域SR及密区域DR的面积的时间变化。
在此,正常区域NR由集落区域提取部11的提取部110提取。另外,筋区域SR是由提取对象区域提取部141提取出的提取对象区域。
也就是说,时间变化算出部17a算出集落区域(正常区域NR)中的提取对象区域所占的面积的时间变化。
步骤S420:培养指标生成部18a基于在步骤S410中算出的时间变化而将培养指标CI针对每个正常区域NR生成。
也就是说,培养指标生成部18a基于由时间变化算出部17a算出的时间变化来生成关于培养的指标。
本发明人发现了:若将多能性干细胞的集落从未成熟状态培养至成熟状态,则在正常区域NR整体的面积中所占的筋区域SR的面积的比例暂且增加并减小,最终几乎没有筋区域SR。
因此,培养指标生成部18a例如也可以在筋区域SR的面积比例比规定的值高的情况下,生成表示“培养继续”的培养指标CI。在筋区域SR的面积比例比规定的值高的情况下,可认为是过渡状态,因此优选不进行传代而继续培养。
另外,例如,在筋区域SR的面积比例增加后转为减小且变得比规定的值低的情况下,培养指标生成部18a也可以生成表示“传代”的培养指标CI。这样的集落被评价为充分成熟,能够用于传代。
培养指标生成部18a例如在筋区域SR的面积比例为规定的值以下且密区域DR的面积比例比粗区域PR的面积比例高的情况下,生成表示“传代”的培养指标CI。筋区域SR的面积比例为规定的值以下且密区域DR的面积比例比粗区域PR的面积比例高的集落被认为是成熟状态,因此优选进行传代。另一方面,在从集落没能提取筋区域SR的情况下,可认为集落未正常地成熟,因此培养指标生成部18a也可以生成表示“废弃”的培养指标CI。
步骤S430:分析部19a基于由培养指标生成部18a生成的培养指标CI来分析相位差图像PT中包含的各正常区域NR。分析部19a将分析结果A向输出部16供给。
分析部19a例如将培养指标CI表示“传代”的正常区域NR作为能够传代的集落而提取。
分析部19a例如在相位差图像PT中培养指标CI表示“培养继续”的正常区域NR的比例为规定的比例以上的情况下,关于在相位差图像PT中拍摄到的多能性干细胞被培养的容器,判定为“培养继续”。
分析部19a例如在相位差图像PT中培养指标CI表示废弃的正常区域NR的比例为规定的比例以上的情况下,关于在相位差图像PT中拍摄到的多能性干细胞被培养的容器,判定为“废弃”。
步骤S440:输出部16a将基于分析部19a的分析结果A向提示部3供给并使其输出。输出部16a基于分析结果A,使提示部3提示在相位差图像PT中的与某拍摄时间对应的1张图像中能够传代的集落。另外,输出部16a基于分析结果A,关于在相位差图像PT中拍摄到的多能性干细胞被培养的容器,使提示部3提示“培养继续”、“废弃”等消息。
在此,参照图13,对在正常区域NR中所占的粗区域PR、筋区域SR及密区域DR的面积比例的例子进行说明。
图13是示出本实施方式的在正常区域NR中所占的粗区域PR、筋区域SR及密区域DR的面积比例的一例的图。第一图表G1关于在某时期拍摄到的相位差图像PT1中包含的某正常区域NR1,示出在正常区域NR1中所占的粗区域PR、筋区域SR及密区域DR的面积比例的时间变化的一例。第二图表G2关于在某时期拍摄到的相位差图像PT2中包含的某正常区域NR2,示出在正常区域NR2中所占的粗区域PR、筋区域SR及密区域DR的面积比例的时间变化的一例。
在第一图表G1中,能够确认第4天筋区域比例SR14和第7天筋区域比例SR17。在第一图表G1中,关于在相位差图像PT1中拍摄到的正常区域NR1,第4天及第7天分别筋区域比例还高,判定为“培养继续”。
在第二图表G2中,能够确认:第4天筋区域比例SR24、第5天筋区域比例SR25及第6天筋区域比例SR26依次变大,第7天筋区域比例SR27与第6天筋区域比例SR26相比变小。在第8天中,正常区域NR2中的筋区域SR的比例是大致零。
在第二图表G2中,关于在相位差图像PT2中拍摄到的正常区域NR2,例如,第6天及第7天分别被判定为“培养继续”,关于第8天判定为“传代”。
在此,为了与本实施方式比较,对仅基于粗区域PR和密区域DR来分析正常区域NR的情况进行说明。
图14是示出在正常区域NR中所占的粗区域PR及密区域DR的面积比例的一例的图。筋区域作为密区域DR的一部分而包含,未求出筋区域自身的面积比例。第一图表G10关于与图13的第一图表G1相同的相位差图像PT1中包含的某正常区域NR1,示出在正常区域NR1中所占的粗区域PR及密区域DR的面积比例的时间变化的一例。第二图表G20关于与图13的第二图表G2相同的相位差图像PT2中包含的某正常区域NR2,示出在正常区域NR2中所占的粗区域PR及密区域DR的面积比例的时间变化的一例。
在第一图表G10中,关于在相位差图像PT1中拍摄到的正常区域NR1,第4天被判定为“培养继续”,但第7天被判定为“传代”。例如,在密区域DR的面积比例为60%以上的情况下,集落是成熟状态,判定为“传代”。
相对于图14的第7天的判定结果是“传代”,本实施方式的第7天的判定结果是“培养继续”。在本实施方式中,由于评价筋区域SR1的面积比例,所以与以往相比集落的成熟程度的评价结果的精度高。
在第二图表G20中,关于在相位差图像PT2中拍摄到的正常区域NR2,关于第6天、第7天及第8天判定为“传代”。
相对于图14的第6天、第7天的判定结果是“传代”,本实施方式的第6天、第7天的判定结果是“培养继续”。在本实施方式中,由于评价筋区域SR2的面积比例,所以与以往相比集落的成熟程度的评价结果的精度高。
如以上说明那样,在本实施方式的图像处理装置1a中,显微镜图像(在该一例中是相位差图像PT)是改变时间而拍摄了多能性干细胞的多个图像,本实施方式的图像处理装置1a具备时间变化算出部17a和培养指标生成部18a。
时间变化算出部17a算出集落区域(在该一例中是正常区域NR)中的提取对象区域(在该一例中是筋区域SR)所占的面积的时间变化。
培养指标生成部18a基于由时间变化算出部17a算出的时间变化来生成关于培养的指标(在该一例中是培养指标CI)。
通过该结构,在本实施方式的图像处理装置1a中,由于能够基于提取对象区域(在该一例中是筋区域SR)在集落区域(在该一例中是正常区域NR)中所占的面积的关于拍摄时间的时间变化来生成关于培养的指标(在该一例中是培养指标CI),所以与不基于提取对象区域(在该一例中是筋区域SR)在集落区域(在该一例中是正常区域NR)中所占的面积的关于拍摄时间的时间变化的情况相比能够使集落的成熟程度的评价结果的精度提高。
需要说明的是,在上述的各实施方式中,对图像处理装置1作为提取对象区域而提取出现了筋状的花纹的区域的情况进行了说明,但图像处理装置1也可以检测或测定包括高辉度的像素的筋状构造。
在此,参照图15,对包括高辉度的像素的筋状构造进行说明。
图15是示出各实施方式的包括高辉度的像素的筋状构造SS的一例的图。相位差图像取得部10取得多能性干细胞的集落的相位差图像P2。筋区域提取部14在由相位差图像取得部10取得的相位差图像P2中检测或测定包括高辉度的像素的筋状构造SS。
图像处理装置1基于检测或测定到的筋状构造SS来评价多能性干细胞的集落的成熟度。图像处理装置1例如在检测或测定到筋状构造SS的情况下,作为多能性干细胞的集落的成熟度而判定为处于过渡状态。
也就是说,评价多能性干细胞的集落的成熟度的评价方法包括取得集落的相位差图像P2的取得过程和在相位差图像P2中检测包括高辉度的像素的筋状构造SS的检测过程。
另外,图像处理装置1也可以检测包括高辉度的像素的筋状构造SS,算出筋状构造SS的时间变化。
相位差图像取得部10取得多个相位差图像PT20。在此,多个相位差图像PT20是改变时间而拍摄了多能性干细胞的集落的相位差图像。筋区域提取部14在由相位差图像取得部10取得的多个相位差图像PT20的各自中检测筋状构造SS。时间变化算出部17a算出由筋区域提取部14检测到的筋状构造SS的时间变化。
图像处理装置1基于算出的筋状构造SS的时间变化来评价多能性干细胞的集落的成熟度。
也就是说,评价多能性干细胞的集落的成熟度的评价方法包括:取得过程,取得改变时间而拍摄了集落的多个相位差图像PT20;及算出过程,在多个相位差图像PT20的各自中检测包括高辉度的像素的筋状构造SS,算出筋状构造SS的时间变化。
需要说明的是,也可以将上述的实施方式中的图像处理装置1、1a的一部分(例如,相位差图像取得部10、集落区域提取部11、密·筋混合区域提取部12、粗区域提取部13、筋区域提取部14、密区域提取部15、输出部16、时间变化算出部17a、培养指标生成部18a及分析部19a)利用计算机来实现。在该情况下,也可以通过“将用于实现该控制功能的程序向计算机能够读取的记录介质记录,使计算机系统读入记录于该记录介质的程序,执行该程序”来实现。需要说明的是,在此所说的“计算机系统”是内置于图像处理装置1、1a的计算机系统,包括OS、周边设备等硬件。另外,“计算机能够读取的记录介质”是指软盘、光磁盘、ROM、CD-ROM等可移动介质、内置于计算机系统的硬盘等存储装置。而且,“计算机能够读取的记录介质”也可以包括如经由互联网等网络、电话线路等通信线路而发送程序的情况下的通信线那样短时间且动态地保持程序的介质、如该情况下的成为服务器、客户端的计算机系统内部的易失性存储器那样一定时间保持程序的介质。另外,上述程序可以是用于实现前述的功能的一部分的程序,而且也可以是能够将前述的功能通过与已经记录于计算机系统的程序的组合而实现的程序。
另外,也可以将上述的实施方式中的图像处理装置1、1a的一部分或全部作为LSI(Large Scale Integration:大规模集成电路)等集成电路来实现。图像处理装置1、1a的各功能框可以独立地处理器化,也可以将一部分或全部集成而处理器化。另外,集成电路化的手法不限于LSI,也可以通过专用电路或通用处理器来实现。另外,在通过半导体技术的进步而出现了代替LSI的集成电路化的技术的情况下,也可以使用基于该技术的集成电路。
以上,虽然参照附图对本发明的一实施方式进行了详细说明,但具体的结构不限于上述的结构,能够在不脱离本发明的主旨的范围内进行各种各样的设计变更等。
标号说明
1、1a…图像处理装置,10…相位差图像取得部,11…集落区域提取部,110…提取部,111…异常区域提取部,112…正常区域提取部,12…密·筋混合区域提取部,13…粗区域提取部,14…筋区域提取部,140…高辉度区域提取部,141…提取对象区域提取部,15…密区域提取部,16、16a…输出部,17a…时间变化算出部,18a…培养指标生成部,19a分析部,2…相位差图像供给部,3…提示部
Claims (8)
1.一种图像处理装置,具备:
集落区域提取部,从基于透过照明的显微镜图像提取多能性干细胞的集落区域;
高辉度区域提取部,从所述显微镜图像提取高辉度区域,该高辉度区域是基于构成所述显微镜图像的像素中的辉度值比基准值大的像素的集合的区域;
提取对象区域提取部,基于由所述集落区域提取部提取出的所述集落区域和由所述高辉度区域提取部提取出的所述高辉度区域,从所述显微镜图像对提取对象区域进行提取;及
输出部,将由所述提取对象区域提取部提取出的所述提取对象区域作为提取结果而输出。
2.根据权利要求1所述的图像处理装置,其中,
所述集落区域提取部将所述集落区域中的在周围具有交界的辉度为规定的值以上的部分的区域作为正常区域而提取。
3.根据权利要求1或2所述的图像处理装置,其中,
所述提取对象区域是在所述显微镜图像中出现了筋状的花纹的区域。
4.根据权利要求1~3中任一项所述的图像处理装置,其中,
所述显微镜图像是改变时间而拍摄了所述多能性干细胞的多个图像,
所述图像处理装置还具备:
时间变化算出部,算出所述集落区域中的所述提取对象区域所占的面积的时间变化;及
培养指标生成部,基于由所述时间变化算出部算出的所述时间变化来生成关于培养的指标。
5.一种图像处理方法,具有:
集落区域提取过程,从基于透过照明的显微镜图像提取多能性干细胞的集落区域;
高辉度区域提取过程,从所述显微镜图像提取高辉度区域,该高辉度区域是基于构成所述显微镜图像的像素中的辉度值比基准值大的像素的集合的区域;
提取对象区域提取过程,基于由所述集落区域提取过程提取出的所述集落区域和由所述高辉度区域提取过程提取出的所述高辉度区域,从所述显微镜图像对提取对象区域进行提取;及
输出过程,将由所述提取对象区域提取过程提取出的所述提取对象区域作为提取结果而输出。
6.一种程序,用于使计算机执行:
集落区域提取步骤,从基于透过照明的显微镜图像提取多能性干细胞的集落区域;
高辉度区域提取步骤,从所述显微镜图像提取高辉度区域,该高辉度区域是基于构成所述显微镜图像的像素中的辉度值比基准值大的像素的集合的区域;
提取对象区域提取步骤,基于由所述集落区域提取步骤提取出的所述集落区域和由所述高辉度区域提取步骤提取出的所述高辉度区域,从所述显微镜图像对提取对象区域进行提取;及
输出步骤,将由所述提取对象区域提取步骤提取出的所述提取对象区域作为提取结果而输出。
7.一种评价方法,评价多能性干细胞的集落的成熟度,其中,该评价方法包括:
取得过程,取得所述集落的相位差图像;及
检测过程,在所述相位差图像中检测包括高辉度的像素的筋状构造。
8.一种评价方法,评价多能性干细胞的集落的成熟度,其中,该评价方法包括:
取得过程,取得改变时间而拍摄了所述集落的多个相位差图像;及
算出过程,在所述多个相位差图像的各自中,检测包括高辉度的像素的筋状构造,并算出筋状构造的时间变化。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018-193814 | 2018-10-12 | ||
JP2018193814 | 2018-10-12 | ||
PCT/JP2019/039250 WO2020075635A1 (ja) | 2018-10-12 | 2019-10-04 | 画像処理装置、画像処理方法、プログラム、及び評価方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112889086A true CN112889086A (zh) | 2021-06-01 |
Family
ID=70164557
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201980067104.5A Pending CN112889086A (zh) | 2018-10-12 | 2019-10-04 | 图像处理装置、图像处理方法、程序及评价方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US11953498B2 (zh) |
EP (1) | EP3865565A4 (zh) |
JP (1) | JP7351311B2 (zh) |
CN (1) | CN112889086A (zh) |
WO (1) | WO2020075635A1 (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120114219A1 (en) * | 2009-07-21 | 2012-05-10 | Nikon Corporation | Image processing apparatus, incubation observing apparatus, and image processing method |
US20120315620A1 (en) * | 2009-10-09 | 2012-12-13 | Kawasaki Jukogyo Kabushiki Kaisha | Method and Apparatus for Discriminating Undifferentiated Pluripotent Stem Cells, and Automated Culture Method and System |
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 |
CN105765074A (zh) * | 2013-11-19 | 2016-07-13 | 国立大学法人京都大学 | 细胞判定方法、细胞判定装置及细胞判定程序 |
US20170199171A1 (en) * | 2014-06-16 | 2017-07-13 | Nikon Corporation | Observation apparatus, observation method, observation system, program, and cell manufacturing method |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7907769B2 (en) * | 2004-05-13 | 2011-03-15 | The Charles Stark Draper Laboratory, Inc. | Image-based methods for measuring global nuclear patterns as epigenetic markers of cell differentiation |
WO2012115153A1 (ja) | 2011-02-25 | 2012-08-30 | 株式会社ニコン | 細胞評価方法、細胞培養方法、細胞評価装置、インキュベータ、細胞評価プログラム、コロニー分類プログラム、幹細胞の培養方法、幹細胞評価装置および幹細胞評価プログラム |
JP6066492B2 (ja) | 2013-08-22 | 2017-01-25 | 富士フイルム株式会社 | 細胞画像評価装置および方法並びにプログラム |
US10138456B2 (en) | 2014-07-22 | 2018-11-27 | Hitachi High-Technologies Corporation | Cell concentration adjustment device, and automatic subculture system using same |
JP6871057B2 (ja) | 2017-05-19 | 2021-05-12 | 株式会社技研製作所 | 鋼管矢板の施工方法および改良方法 |
-
2019
- 2019-10-04 CN CN201980067104.5A patent/CN112889086A/zh active Pending
- 2019-10-04 JP JP2020551099A patent/JP7351311B2/ja active Active
- 2019-10-04 EP EP19871996.5A patent/EP3865565A4/en active Pending
- 2019-10-04 WO PCT/JP2019/039250 patent/WO2020075635A1/ja unknown
-
2021
- 2021-04-12 US US17/227,967 patent/US11953498B2/en active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120114219A1 (en) * | 2009-07-21 | 2012-05-10 | Nikon Corporation | Image processing apparatus, incubation observing apparatus, and image processing method |
US20120315620A1 (en) * | 2009-10-09 | 2012-12-13 | Kawasaki Jukogyo Kabushiki Kaisha | Method and Apparatus for Discriminating Undifferentiated Pluripotent Stem Cells, and Automated Culture Method and System |
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 |
CN105765074A (zh) * | 2013-11-19 | 2016-07-13 | 国立大学法人京都大学 | 细胞判定方法、细胞判定装置及细胞判定程序 |
US20170199171A1 (en) * | 2014-06-16 | 2017-07-13 | Nikon Corporation | Observation apparatus, observation method, observation system, program, and cell manufacturing method |
Also Published As
Publication number | Publication date |
---|---|
EP3865565A1 (en) | 2021-08-18 |
US11953498B2 (en) | 2024-04-09 |
EP3865565A4 (en) | 2022-07-20 |
WO2020075635A1 (ja) | 2020-04-16 |
JP7351311B2 (ja) | 2023-09-27 |
JPWO2020075635A1 (ja) | 2021-10-14 |
US20210301246A1 (en) | 2021-09-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11797886B2 (en) | Image processing device, image processing method, and image processing program | |
EP3588368A2 (en) | Image analysis method, apparatus, and deep learning algorithm generation method | |
US10169861B2 (en) | Image processing apparatus, non-transitory computer readable medium, and image processing method | |
US20150262356A1 (en) | Information processing apparatus, information processing system, information processing method, program, and recording medium | |
Kaczmarek et al. | Techniques of image analysis for quantitative immunohistochemistry | |
US9466103B2 (en) | Biomarker evaluation through image analysis | |
US9224199B2 (en) | Pathological diagnosis assisting apparatus, pathological diagnosis assisting method and non-transitory computer readable medium storing pathological diagnosis assisting program | |
JP5995215B2 (ja) | 癌細胞領域抽出装置、方法、及びプログラム | |
EP3299811B1 (en) | Image processing device, image processing method, and program for image processing | |
CN103489187A (zh) | 基于质量检测的宫颈lct图像中细胞核的分割方法 | |
EP3719739B1 (en) | Image coloring device, image coloring method, image learning device, image learning method, program, and image coloring system | |
CN110060223B (zh) | 一种基于特征提取及去噪的图像分割方法 | |
CN106960424B (zh) | 基于优化分水岭的结核杆菌图像分割识别方法及装置 | |
CN111429429A (zh) | 干细胞融合度检测方法、装置、计算机设备及存储介质 | |
Qomariah et al. | Exudate detection in retinal fundus images using combination of mathematical morphology and Renyi entropy thresholding | |
US11449991B2 (en) | Image processing method, image processing apparatus, and storage medium | |
US20210292703A1 (en) | Passage timing calculation device, passage timing calculation method, and recording medium for recording program | |
CN107123102A (zh) | 一种贴壁细胞生长融合度自动分析方法 | |
CN112889086A (zh) | 图像处理装置、图像处理方法、程序及评价方法 | |
JP2010271921A (ja) | 皮膚領域抽出方法、皮膚領域抽出装置、および皮膚領域抽出プログラム | |
Buehl et al. | Statistical problems caused by missing data resulting from neodymium: YAG laser capsulotomies in long-term posterior capsule opacification studies: problem identification and possible solutions | |
Jian et al. | Hyperchromatic nucleus segmentation on breast histopathological images for mitosis detection | |
WO2023008525A1 (ja) | 細胞画像解析方法 | |
US9390313B2 (en) | Image measurement apparatus and image measurment method measuring the cell neclei count | |
EP3905191A1 (en) | Image determination device, image determination method, and image determination program |
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 |