JP2001512824A

JP2001512824A - 悪性細胞および悪性関連の変化を有する細胞を自動的に検出するシステムおよび方法

Info

Publication number: JP2001512824A
Application number: JP2000506512A
Authority: JP
Inventors: パルシック、ブランコ; マコーレイ、カルム・エリック; ハリソン、エス・アラン; ラム、スティーブン; ペイン、ピーター・ウイリアム; ガーナー、デビッド・マイケル; ドードキン、アレクセイ
Original assignee: ONCOMETRICS IMAGING CO RPORATION
Current assignee: ONCOMETRICS IMAGING CO RPORATION
Priority date: 1997-08-08
Filing date: 1998-08-06
Publication date: 2001-08-28
Also published as: AU8724598A; EP1019699A1; CA2299707C; WO1999008091A1; US6026174A; CA2299707A1; WO1999008091B1

Abstract

(57)【要約】診断細胞および悪性関連変化を有する細胞を検出するシステムおよび方法が開示されている。システムは、顕微鏡と、カメラと、影像デジタル化装置と、それらの構成要素を制御しインターフェースするコンピュータと、最初の細胞分類のための１次分類装置と、続いての細胞分類のための２次分類装置とを有する自動化された分類装置を備えている。方法は、特殊な症状を示す診断細胞および悪性関連変化を有する細胞を自動的に検出するための自動化された分類装置を使用する。システムおよび方法は肺の痰のような生態試料から得られたサンプル中のこれらの細胞を検出するために特に有効である。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】

本発明は、映像細胞システムおよび細胞分類に関し、特に悪性細胞と、悪性関
連変化を有する細胞の検出に関する。

【０００２】

【従来の技術】

患者の癌を診断する最も普通の方法では、容疑のある組織のサンプルを獲得し
、これを明白な悪性細胞の存在を確認するために顕微鏡で観察して検査する。容
疑のある組織の位置が知られているときにはこのプロセスは比較的容易であるが
、すぐに識別可能な腫瘍または前癌性の病巣が存在しないとき、それ程容易では
ない。例えば、啖のサンプルから肺癌の存在を検出するにはサンプル中に存在す
ることが比較的まれな１以上の癌細胞を必要とする。さらに、サンプルが正確に
肺の状況を示していないならば肺癌を有する患者は診断されない。

【０００３】悪性関連変化（ＭＡＣ）は、癌組織の付近で発見される明白に正常な細胞の核において生じることが知られている微妙な変化である。さらに、ＭＡＣは前癌
性病巣近くで発見される組織で検出されている。ＭＡＣを示す細胞は悪性細胞よ
りも非常に多数であるので、ＭＡＣは特に癌性の細胞が位置されることができな
い場合では、癌の存在を診断する付加的な方法を提供する。

【０００４】

【発明が解決しようとする課題】

癌または前癌状態を有することが知られている患者のＭＡＣを検出する研究者
の能力にもかかわらず、ＭＡＣは患者が癌であるか癌を進行させているかを決定
するためのスクリーンツールとして広い許容性を実現していない。典型的に、Ｍ
ＡＣは腫瘍または前癌性の病巣近くの位置から細胞サンプルを慎重に選択し、比
較的高い拡大率でその細胞を観察することによって検出されている。しかしなが
ら、細胞で生じる悪性関連変化があまりにも微妙であるために、特に患者が癌で
あるか否かを病理学者が事前に知らないとき、一般的な顕微鏡装置で作業する病
理学者が信頼性をもってこの変化を検出されることができないと考えられている
。例えば、悪性関連変化は、細胞核エッジの形状の僅かな変化と結合された核内
のＤＮＡ分布により示されることができる。しかしながら、正常な細胞からの核
は類似のタイプの変化を示すが、ＭＡＣの兆候になる程度ではない。人間のオペ
レータはこのような微妙な細胞変化を容易に量化できないので、ＭＡＣを示す細
胞を決定することは困難である。さらに、ＭＡＣを示す変化は異なるタイプの癌
により変化し、それによってこれらの検出をさらに困難にする。

【０００５】

【課題を解決するための手段】

本発明は細胞サンプルの悪性関連変化を自動的に検出するシステムである。こ
のシステムはコンピュータシステムにより制御され、それとインターフェイスす
るＣＣＤカメラを具備したデジタル顕微鏡を含んでいる。デジタル顕微鏡により
捕捉された映像は映像処理ボードに記憶され、悪性関連変化（ＭＡＣ）の存在を
検出するためにコンピュータシステムにより操作される。現在の技術では、ＭＡ
Ｃの任意の検出は高い空間的解像度、高い光度測定解像度で捕捉される映像を必
要とし、核から来るその全ての情報に焦点が当てられ、全ての情報は（幾つかの
背景ではなく）核に属し、核または核材料の正確で再生可能なセグメント化が存
在することが考えられている。これらの各ステップを以下詳細に説明する。

【０００６】悪性関連変化を検出するために、細胞サンプルが得られ、細胞の核材料を識別するために染色され、顕微鏡により映像が形成される。染色は化学量論的であ
り、ＤＮＡのみで特定される。コンピュータシステムはその後、映像を構成する
全ての画素のヒストグラムを計算するために映像を解析する。第１に、強度しき
い値が設定され、これは映像中のオブジェクトを構成する画素から背景画素を分
割する。しきい値よりも小さい強度値を有する全ての画素は問題のオブジェクト
である可能性があるとして識別され、しきい値よりも大きい強度値を有する画素
は背景として識別され無視される。

【０００７】それぞれ位置されるオブジェクトでは、コンピュータシステムはオブジェクトの面積と形状と光学的密度を計算する。恐らく細胞核ではないとされるこれら
のオブジェクトは無視される。次に、映像がデキャリブレートされ、即ち、現在
のフレームからスライドの走査前に捕捉された空のフレームを減算し、平均背景
光レベルに等しいオフセット値を加算することにより補正される。このプロセス
はシステムの任意の陰影と、不均一な照射と、その他の映像捕捉システムの欠陥
を補正する。デキャリブレートに続いて、全ての残りのオブジェクトの映像がさ
らに正確な焦点で捕捉されなければならない。これは近似的なフレーム焦点周辺
の多数の焦点平面のステージｚ方向に顕微鏡を移動することにより実現される。
それぞれの生存するオブジェクトに対しては、コントラスト関数（組織特徴）が
計算される。コントラスト関数はオブジェクトの正確な焦点でピーク値を有する
。最高のコントラスト値の映像だけがコンピュータメモリに維持され、このよう
なピーク値に到達しなかった任意のオブジェクトもさらに検討されずに廃棄され
る。

【０００８】映像上の各残りの焦点中のオブジェクトはさらにオブジェクト周辺の材料の局部的な吸収性を補償される。これは局部的なデキャリブレートであり、これは
オブジェクトが適合する方形区域に等しい面積を有する画素の小さいサブセット
だけが等価な空のフレーム方形を使用して補正される点を除いて、前述のフレー
ムデキャリブレートについて説明したものと類似である。

【０００９】全ての映像が局部的なデキャリブレート処理により補正された後、オブジェクトのエッジ、即ちオブジェクトに属する方形の画素と、背景の属する方形の画
素を決定する境界が計算される。エッジ決定はエッジ−再配置アルゴリズムによ
り実現される。このプロセスでは、各生存するオブジェクトの第１の外形のフレ
ームのもとのマスクのエッジは幾つかの画素で内側および外側に膨張される。こ
のフレームのあらゆる画素に対して、勾配値、即ち問題とする画素に接する全て
の隣接画素間の和と差が計算される。最低の勾配値の画素は縁部から外され、縁
部が破壊されない状態にされる。単一の画素縁部が残るような時間までこのプロ
セスは継続する。オブジェクトの適切なエッジが位置されることを確実にするた
め、このエッジは以前のように再度膨張され、新しいエッジが先のエッジに一致
する時間までこのプロセスは反復される。このようにしてエッジは最高の局部勾
配に沿って計算される。

【００１０】コンピュータシステムは各オブジェクトの１組の特徴値を計算する。幾つかの特徴計算では、最高の勾配値に沿ったエッジは１以上の画素だけエッジを膨張
するか、または１以上の画素だけエッジを侵食することにより補正される。これ
は各特徴がオブジェクトのクラス間にさらに大きい弁別パワー、したがってオブ
ジェクトの特定を実現するように行われる。これらの特徴値は、オブジェクトが
人工物であるかまたは細胞核であるか否かを決定するために特徴値を使用する分
類装置により解析される。オブジェクトが細胞核であるようであるならば、特徴
値は核が悪性関連変化を示すか否かを決定するために分類装置によりさらに解析
される。サンプル中で発見され悪性関連変化および／または全体的に悪性に関す
るスコアを有する可能性があるオブジェクトの数に基づいて、細胞サンプルを採
取した患者が健康であるかまたは悪性の成長を有するか否かの決定を行うことが
できる。

【００１１】別の特徴では、本発明は診断細胞と、悪性関連変化を有する細胞を自動的に検出するシステムおよび方法を提供する。このシステムは自動化された分類装置
であり、顕微鏡、カメラ、映像デジタル化装置、およびこれらの構成要素を制御
しインターフェイスするコンピュータシステムに加えて、細胞標本を予備的に分
類するための１次分類装置と、１次分類装置により最初に分類された細胞サンプ
ルの部分を分類するための２次分類装置を含んでいる。１次分類装置は１組の特
徴に基づいて細胞サンプルの診断細胞のような異常細胞の中から上皮細胞を弁別
し、選択する。２次分類装置は第２の組の特徴に基づいて、選択された上皮細胞
が正常であるか、または悪性関連変化を有するかを示す。このシステムおよび方
法は、診断細胞と、肺の啖のような気管支標本から得られる細胞を含む種々のソ
ースから獲得した細胞サンプル中の悪性関連変化を有する細胞とを検出するのに
特に有効である。

【００１２】その他の実施形態では、本発明は細胞サンプルの上皮細胞を検出する方法と、上皮細胞の中から悪性関連変化を有する細胞を検出する方法を提供する。別の
実施形態では、患者の癌が進行しているか否かを予測する方法が提供される。

【００１３】

【発明の実施の形態】

本発明の前述の特徴および付随する多数の利点はさらに容易に認識され、同様
に添付図面を伴った以下の詳細な説明を参照して最良に理解されるであろう。

【００１４】前述したように、本発明は、患者から得られた細胞核の悪性関連変化（ＭＡＣ）を自動的に検出するシステムである。ＭＡＣの存在または不在から、患者が
悪性癌を有するか否かの決定が行われる。

【００１５】本発明によるＭＡＱＣ検出システムのブロック図が図１に示されている。システム10はコンピュータシステム30により制御され、インターフェイスされたデ
ジタル顕微鏡12を含んでいる。顕微鏡12は約０．３μｍ×０．３μｍの寸法の方
形画素を有する科学的ＣＣＤを使用するデジタルＣＣＤカメラ14を有することが
好ましい。科学的ＣＣＤは１００％のフィルファクタと少なくとも２５６のグレ
ーレベル解像度を有する。ＣＣＤカメラは好ましくは顕微鏡12の平面対物レンズ
22の１次映像平面に設けられる。

【００１６】細胞サンプルが顕微鏡のモータで駆動されるステージ20に置かれ、そのステージの位置はコンピュータシステム30により制御される。モータ駆動されるステ
ージは好ましくは自動スライドローダを有し、それによってスライドの解析処理
は完全に自動化されることができる。

【００１７】好ましくはフィードバック制御を有する安定な光源18は細胞サンプルを照射し、スライドの映像はＣＣＤカメラにより捕捉される。サンプル16とＣＣＤカメ
ラ14との間に位置するレンズ22は好ましくは２０ｘ／０．７５対物レンズであり
、歪みのない映像を生成する１−２μｍの範囲の被写体深度を与える。本発明の
好ましい実施形態では、使用されるデジタルＣＣＤカメラ14はカナダ、リッチモ
ンドＢ．ＣのXillix Technologies Corp. により製造されているMicroimager （
商標名）である。

【００１８】ＣＣＤカメラにより生成される映像は、映像処理ボード32により受信され、映像処理ボード32はデジタルカメラ14とコンピュータシステム30との間のインタ
ーフェイスとして動作する。デジタル映像は映像処理ボード中に記憶され、ＭＡ
Ｃの検出を容易にするように操作される。映像処理ボードはデジタル映像から１
組のアナログビデオ信号を発生し、ビデオ信号を映像モニタ36に与え、それによ
って顕微鏡により観察されるオブジェクトの映像を表示する。

【００１９】コンピュータシステム30はまたキーボードおよびマウスのような１以上の入力装置38と、大容量デジタル記憶装置のような１以上の周辺装置42と、遠隔位置
のコンピュータと通信するためのモデムまたはネットワークカードと、モニタ40
とを含んでいる。

【００２０】図２乃至４は、サンプルがＭＡＣを示すか否かを決定するために本発明のシステムにより実行されるステップを示している。ステップ50から開始して、細胞
サンプルが獲得される。細胞は生検、解体等の一般的な任意の数の方法により得
られる。細胞はステップ52で変更されたフェイルゲン処理を使用してスライドに
固定され染色され、これはサンプル中の核ＤＮＡを識別する。染色処理の詳細は
図６に示され、以下詳細に説明する。

【００２１】ステップ54で、スライドからのフレームの映像はＣＣＤカメラにより捕捉され、映像プロセッサに転送される。このプロセスでは、カメラ内のＣＣＤセンサ
はクリアされ、カメラのシャッターは光源18の強度に基づく固定した期間だけ開
かれる。以下説明するステップにしたがって映像が最適にされた後、ステージは
スライド上の新しい位置に移動し、それによって新しいフレームの別の映像がカ
メラにより捕捉され、コンピュータメモリに転送されることができる。スライド
上の細胞サンプルは顕微鏡で観察する区域よりも非常に大きい区域を占有するの
で、多数のスライド映像が、サンプルがＭＡＣ陽性か陰性かを決定するために使
用される。スライド上の各捕捉された映像の位置はコンピュータシステムに記録
され、それによって所望ならば映像中の関心のあるオブジェクトがスライド上で
発見されることができる。

【００２２】スライドからの映像が一度ＣＣＤカメラにより捕捉され、映像処理ボードに記憶されたならば、コンピュータシステムはＣＣＤカメラにより生成された映像
にオブジェクトが存在しないか否かを決定する。これは暗い画素のデジタル映像
を走査することにより実行される。暗い画素の数、即ち背景強度から予め定めら
れたオフセット値を減算した強度を有する画素数が予め定められた最少値よりも
少ないならば、コンピュータシステムは、その映像がブランクであり、顕微鏡ス
テージがステップ60で新しい位置に移動し、新しい映像がステップ54で捕捉され
ることを想定する。

【００２３】映像がブランクでないならば、コンピュータシステムは映像をグローバルに（全体的に）焦点を合わせようとする。通常、映像が焦点にあるとき、映像中
の関心のあるオブジェクトは最大の輝度を有する。それ故、焦点決定のため、ス
テージの高さが調節され、新しい映像が捕捉される。オブジェクト画素の輝度が
決定され、このプロセスは映像中の画素の平均の暗さが最大になるまで繰返され
る。この点で、コンピュータシステムはグローバルな焦点が得られることを仮定
する。

【００２４】ステップ62で粗いグローバルな焦点合せを実行した後、コンピュータシステムは全ての画素のヒストグラムを計算する。図５で示されているように、ヒスト
グラムは各強度レベルの画素数の曲線である。マイクロイメージャ（Microimage
r ）（商標名）ベースの顕微鏡システムでは、各画素は０（最大の暗度）から２
５５（最大明度）までの範囲の強度を有することができる。ヒストグラムは典型
的に、背景画素の平均強度を表す第１のピーク90を含む。第２の、さらに小さい
ピーク92はオブジェクトを構成する画素の平均強度を表している。ピーク90と92
との間に位置するしきい値94を計算することによって、映像中の問題のオブジェ
クトを背景から大まかに分離することが可能である。

【００２５】図３に戻ると、コンピュータシステムはステップ68で映像中のオブジェクトを背景から分離するしきい値を計算する。ステップ72で、しきい値よりも小さい
強度を有する細胞映像中の全ての画素が識別される。ステップ72の結果が図７に
示されている。フレーム映像200 は問題の多数のオブジェクト202 、204 、206
…226 を含んでいる。これらのオブジェクトの幾つかはセル核であり、これはＭ
ＡＣの存在に対して解析され、その他のオブジェクトは、破片、汚れた粒子、白
血球等のようなアーチファクトであり、細胞映像から除去されるべきである。

【００２６】図３に戻ると、映像中のオブジェクトが一度識別されると、コンピュータシステムは以下さらに詳細に説明する公式にしたがって各オブジェクトの面積、形
状（球状）、光密度を計算する。ステップ76で、コンピュータシステムは細胞核
ではないオブジェクトをメモリから除去する。本発明の実施形態では、細胞核で
はない可能性の高いオブジェクトは、２０００μｍ²よりも大きい面積と、１ｃ
よりも小さい光密度（個々の正常な細胞の全体的な染色体数の１／２よりも小さ
い）、または形状または４よりも大きい球状を有するものとして識別される。

【００２７】ステップ76の結果が図８で示されており、問題の先に識別したオブジェクトのうちの幾つかのものだけが残されている。各残留したオブジェクトは悪性関連
変化を試験される細胞核である可能性がさらに高い。

【００２８】再度図３に戻ると、細胞核ではない各オブジェクトを除去した後、コンピュータシステムはステップ78で暗い画素を走査することにより残りのオブジェクト
が存在するか否かを決定する。オブジェクトが残留していないならば、コンピュ
ータシステムはステップ54に戻り、スライド上の新しい映像が捕捉され、ステッ
プ54乃至56が反復される。

【００２９】ステップ76で最初に人工物の除去を試みた後、映像中に残っているオブジェクトがあるならばコンピュータシステムはステップ80で照明強度の変化に対して
映像を補償する。これを行うため、コンピュータシステムは考慮している細胞の
映像に使用された時間と同じ露出時間だけブラックスライドを走査することによ
って得られた較正映像をリコールする。コンピュータシステムは、その後細胞サ
ンプルから得られた映像中で発見された対応する画素から、ブランクスライドか
ら得られた較正映像中の画素の強度値を減算する画素毎の減算を開始する。コン
ピュータシステムはその後、ブランクスライドから得られた較正映像の画素の平
均照明に等しい値を細胞映像の各画素に加算する。加算の結果は細胞映像を均一
な強度で照明する。

【００３０】照明強度の変化が一度補正されると、コンピュータシステムはステップ82で映像中の関心のある各オブジェクトの焦点を精密にしようとする（図４）。オブ
ジェクトが最小サイズで最大の暗度であるときに最適な焦点が得られる。それ故
、コンピュータシステムはステージをグローバルな焦点位置よりも予め限定され
た量だけ上に移動させ、連続的に順次下降位置に移動する。各位置で、ＣＣＤカ
メラはフレームの映像を捕捉し、残りのオブジェクトを構成する画素の面積と強
度を計算する。オブジェクトを構成する画素が最大の暗度と最小の面積を占める
位置から来る各オブジェクトのただ１つのみの映像が最終的にコンピュータメモ
リに記憶される。予め定められた数のステージ位置後、最適の焦点が得られない
ならば、オブジェクトはコンピュータメモリから除去され無視される。オブジェ
クトの最適な焦点が一度決定されると、ＣＣＤカメラから受信された映像はコン
ピュータメモリ中で考慮されているオブジェクトを構成する画素に重書きする。
局部焦点合わせの結果としてコンピュータメモリに疑似的に焦点を合わせられた
映像を生成し、それによって問題の各オブジェクトは最終的に最良の可能な焦点
で記録される。

【００３１】ステップ84で、コンピュータシステムは、細胞映像中の焦点中のオブジェクトが発見されたか否かを決定する。発見されないならば、コンピュータシステム
は図２のＡで示されているステップ54に戻り、したがってスライドが別の位置に
移動され、新しい映像が捕捉される。

【００３２】オブジェクトの映像が一度焦点を合わせられると、コンピュータシステムは、ステップ85でオブジェクト近くにおける光の局部的な吸収性を補償する。これ
を行うため、コンピュータシステムは、全ての側面上で２つの画素だけオブジェ
クトよりも大きい面積を有するボックス内の複数の画素を解析する。このような
ボックスの１例が図８で示されているボックス207 である。コンピュータシステ
ムはその後、ブランクスライドから得られた較正映像の対応する方形から強度値
を画素毎に減算する。次に、較正映像中の平均照明強度はオブジェクトを囲むボ
ックス中の各画素に加算される。ボックス中に存在するがオブジェクトの一部で
はない画素の平均強度値が決定され、この局部平均値はオブジェクトを囲むボッ
クスの各画素から減算される。

【００３３】オブジェクト周辺の吸収性の補償が一度行われると、コンピュータシステムはステップ86で細胞映像のそれぞれの残りのオブジェクトのさらに正確なエッジ
を決定する。エッジの計算に必要とされるステップについて以下さらに詳細に説
明する。

【００３４】局部吸収性を補償し、オブジェクトの正確なエッジの位置を決定し、コンピュータシステムはステップ87で残りの各オブジェクトに対して１組の特徴を計算
する。これらの特徴値は細胞核からの人工物を分離し、ＭＡＣを示す核を識別す
るためにさらに使用される。特徴計算の詳細は以下説明される。

【００３５】ステップ88で、コンピュータシステムは各オブジェクトの計算された特徴値を比較する分類装置を動作し、オブジェクトが人工物であるか否かを決定し、人
工物ではないならば、オブジェクトがＭＡＣを示す核であるか否かを決定する。

【００３６】ステップ90で、それぞれ焦点を合せた状態にあるオブジェクトに対して疑似的な焦点デジタル映像と、特徴計算と、分類装置の結果がコンピュータメモリに
記憶される。

【００３７】最終的に、ステップ92で、コンピュータシステムはさらにスライドの走査が必要とされるか否かを決定する。前述したように、各細胞映像のサイズはスライ
ド全体のサイズよりも非常に小さいので、多数の細胞映像がスライドが適正に解
析されていることを確実にするために捕捉される。十分な数の細胞映像が一度解
析されると、処理はステップ94で停止する。代わりに、さらに走査が必要とされ
るならば、コンピュータシステムはステップ54に戻り、細胞サンプルの新しい映
像が捕捉される。

【００３８】前述したように、サンプルがデジタル顕微鏡により映像化されることができる前に、サンプルは細胞核材料を識別するように染色される。

【００３９】図６は細胞サンプルの染色に使用されるステップのフローチャートである。ステップ100 で開始して、細胞サンプルはスライド上に位置され、空気乾燥され
、４分間５０％グリセリン溶液に浸漬される。細胞はその後、ステップ102 で２
分間蒸留水で洗い流される。ステップ104 で、サンプルは２分間５０％エタノー
ル溶液に入れられ、ステップ106 で再度２分間蒸留水で洗い流される。サンプル
はステップ108 で３０分間ボームスプレンジャ（Bohm-Sprenger ）溶液に浸漬さ
れ、それに続いてステップ110 で１分間蒸留水で洗い流される。ステップ112 で
、サンプルは４５分間５ＮＨＣｌ溶液に浸漬され、ステップ114 で１分間蒸留
水でリンスされる。サンプルはその後ステップ116 で、６０分間チオニン染色液
で染色され、ステップ118 で１分間蒸留水でリンスされる。

【００４０】ステップ120 で、サンプルは６分間、重亜硫酸塩に浸漬され、その後ステップ122 で１分間蒸留水でリンスされる。次に、サンプルはステップ124 で約１０
分間、それぞれ５０％、７５％、１００％のエタノール溶液で脱水される。その
後、カバースリップがステップ128 で与えられる前に、サンプルはステップ126
で１分間キシレンの最終的なバスに浸漬される。細胞サンプルが処理された後、
これは前述したようにデジタル顕微鏡により映像化され解析される準備が整えら
れる。

【００４１】図９のＡ乃至Ｆは本発明がオブジェクトの正確なエッジを計算する方法を示している。図９のＡで示されているように、オブジェクト230 は、前述したよう
にヒストグラムから計算され背景／オブジェクトしきい値よりも小さい強度値を
有する画素から構成されている。正確なエッジを計算するために、オブジェクト
のもとのエッジに位置する画素は新しいエッジ区域242 を形成するため膨張され
る。もとのエッジ内に位置する画素の第２のバンドも第２のエッジ区域244 を形
成するために選択される。コンピュータシステムは、真のエッジがエッジ区域24
2 と244 により境界を定められている環状リング内のどこかにあることを想定す
る。本発明の好ましい実施形態では、環状リングは約１０画素の幅を有する。エ
ッジを決定するために、コンピュータはその環状リングに含まれている各画素の
勾配を計算する。各画素の勾配は各画素と、その周辺の８個の隣接画素との間の
強度差の合計として定められる。類似の強度レベルを有する隣接画素を有するこ
れらの画素は低い勾配を有し、オブジェクトのエッジの画素は高い勾配を有する
。

【００４２】環状リングの各画素について勾配が一度計算されると、コンピュータシステムは勾配範囲を多数のしきい値に分割し、さらに低い勾配値を有する画素をリン
グから除去する。画素を除去するため、コンピュータはラスター方法で、考慮中
のオブジェクトを走査する。図９のＣで示されているように、ラスター走査は点
Ａで開始し、点Ｂに到達するまで右方向に継続する。第１の走査中に、エッジ外
部の画素、即ちエッジ区域242 の画素だけが除去される。その後、例えば点Ｄで
開始し、上方向に点Ｂまで継続し、ラスター方法で戻り、環状リングのエッジ区
域244 の内側の画素を除去することによってラスター中の反対方向で走査する。
コンピュータシステムは別の直交方向、例えば点Ｃで開始し、ラスター方法で点
Ｄの方向へ継続して走査し、このときエッジ区域242 外の画素だけを除去する。
このプロセスは勾配しきい値が除去される画素がなくなるまで継続される。

【００４３】画素は、除去されることができる画素がない状況の環状リングから除去され、これは環状リング周辺の画素チェインを破壊する。さらに、隣接画素は画素除
去の同じパスを行う期間に除去されることができない。第１の勾配しきい値以下
の勾配を有する全ての画素が一度除去されると、しきい値は増加され、プロセス
は開始される。図９のＤに示されているように、画素単位の除去プロセスは、１
つの画素チェイン240'が関心のあるオブジェクトを囲むまで連続する。

【００４４】オブジェクトの正確なエッジを突止めた後、エッジを構成するこれらの画素がオブジェクト中に含まれるべきであるか否かを決定する必要がある。これを行
うため新たに発見されたエッジを構成する各画素の強度は８つの隣接画素と比較
される。図９のＥで示されているように、例えば画素246 の強度は８つの包囲画
素と比較される。画素246 の強度が画素250 の強度よりも小さいならば、画素24
6 はこれが背景に属するとして画素チェインから除去される。チェインを完成す
るため、画素248 と252 が付加され、そのためエッジは図９のＦで示されている
ように破壊されない。エッジの再配置アルゴリズムを完成し、画素が問題のオブ
ジェクト中に含まれるべきであるか否かを決定した後、システムはオブジェクト
の特徴値を計算する準備が整えられている。

【００４５】それぞれの焦点中が合わされた状態のオブジェクトに対する特徴が一度計算されると、コンピュータシステムは、オブジェクトが悪性関連変化を解析すべき
細胞核であるか、または無視されるべき人工物であるか否かについて決定を行わ
なければならない。前述したように、システムはそれらの面積と、形状（球状）
と、光密度に基づいて明白な人工物を除去する。しかしながら、その他の人工物
はコンピュータが認識するのに困難であるかもしれない。さらに人工物を除去す
るために、コンピュータシステムはオブジェクトの計算された特徴値を解釈する
分類装置を使用する。

【００４６】図１０で示されているように、分類装置290 はその特徴値に基づいてオブジェクトを解析するコンピュータプログラムである。分類装置を構成するため、２
つのデータベースが使用される。第１のデータベース275 は図１で示されている
システムにより映像が形成され、先に専門の病理学者によって細胞核ではない、
即ち人工物として先に識別されているオブジェクトの特徴値を含んでいる。第２
のデータベース285 は、システムにより映像が形成され先に専門家に細胞核とし
て識別されたオブジェクトに対して計算された特徴を含んでいる。これらの各デ
ータベースのデータは段階的な線形判別関数解析を使用する統計的なコンピュー
タプログラムへ供給され、それによって細胞核を人工物から弁別できる判別関数
を獲得する。分類装置はその後、しきい値および／または線形判別関数に基づい
て２進決定ツリーとして構成される。２進ツリーはオブジェクトのアイデンティ
ティを決定するための特徴値に基づいて一連の質問に回答する。

【００４７】２進ツリーで使用される特定のしきい値は、既知のオブジェクトで計算された特徴値のヒストグラムを比較する統計学者により設定される。例えば、白血球
細胞は典型的に５０μｍ²よりも小さい面積を有する。本発明は白血球細胞を人
工物として扱うので、２進決定ツリーはオブジェクトの面積を５０μｍ²のしき
い値と比較するノードを含むことができる。しきい値よりも小さい区域のオブジ
ェクトは無視され、しきい値よりも大きい面積を有する区域のオブジェクトはこ
れらが可能なＭＡＣ細胞または人工物であるか否かを決定するためにさらに解析
される。

【００４８】本発明の好ましい実施形態では、オブジェクトのタイプを分離する判別関数は、カリフォルニア州ロサンゼルスのBMDP Statistical Software Inc.から市販
されているＢＭＤＰプログラムにより生成される。判別関数と適切なしきい値が
与えられると、２進ツリー分類装置の構造は当業者の定常的なものと考慮される
。

【００４９】２進ツリー分類装置が一度展開されると、未知のオブジェクトから取られた特徴値292 のセットが与えられ、特徴データに関係するオブジェクトが人工物ま
たは細胞核である可能性が高いか否かの指示294 を与える。

【００５０】図１１はスライドが悪性関連変化を示しているか否かを決定するために使用される分類装置の態様を示している。分類装置300 は１対のデータベースを使用
して構成されている。第１のデータベース302 は、図１で示されているデジタル
顕微鏡システムによって映像として形成された明白に正常な細胞から得られた特
徴値を含んでおり、これは健康な患者から取られたことが知られている。第２の
データベース304 は前述のデジタル顕微鏡システムにより映像として形成された
異常のある（例えば癌）患者から取られたことが知られている明白に正常な細胞
から計算された特徴値を含んでいる。本発明の好ましい実施形態で使用される分
類装置300 は細胞の２つのグループを分離できる判別関数および／またはしきい
値からなる２進決定ツリーである。一度分類装置が構成されると、分類装置には
状態が未知の患者から得られた細胞を映像として形成することにより得られた特
徴値306 が与えられる。分類装置は細胞核がＭＡＣを示すか否かの決定308 を行
う。

【００５１】図１２は患者が潜在的に癌を有するか否かを決定するための本発明により実行されるステップのフローチャートである。ステップ325 で開始して、コンピュ
ータシステムはスライド上の各焦点合せされた核に対して計算された特徴をリコ
ールする。ステップ330 で、コンピュータシステムはこれらの特徴に基づいてＭ
ＡＣを識別する分類装置を動作する。ステップ332 で、コンピュータシステムは
問題の核がＭＡＣ陽性であるか否かの指示を与える。ステップ332 への回答がイ
エスであるならば、スライドに対してＭＡＣ陽性の核の数を合計する累積装置は
ステップ334 で増加される。ステップ336 で、コンピュータシステムは、特徴が
計算されている全ての核が解析されているか否かを決定する。解析されていない
ならば、次の組の特徴がステップ338 でリコールされ、プロセスはそれ自体を反
復する。ステップ340 で、コンピュータシステムは、スライド上のＭＡＣ陽性細
胞の周波数が予め定められたしきい値を越えるか否かを決定する。例えば、頸部
癌を検出するための（英国、コロンビア、カナダで実施されたように空気乾燥さ
れた）特定の細胞の処理において、解析された上皮細胞の総数により割算された
ＭＡＣ陽性の上皮細胞の総数が１スライド毎に０．４５を越えるならば、患者が
癌を有するか、あるいはそれが進行している確率は８５％であることが決定され
る。ＭＡＣを示す細胞の周波数がしきい値を越えるならば、コンピュータシステ
ムはステップ342 で患者が健康であることを示し、あるいはステップ344 で癌の
可能性があるか、それが進行していることを示すことができる。

【００５２】患者がＭＡＣを有する可能性があるかまたは癌が進行している基準値であるしきい値は癌を進行させたまたは進行させなかった多数の患者のＭＡＣスコアを
比較することによって決定される。当業者により認められるように、使用される
特定のしきい値は検出される癌のタイプと、細胞の映像を形成するために使用さ
れる装置等に基づいている。

【００５３】本発明のＭＡＣ検出システムはまた癌治療の効果を決定するために使用されることもできる。例えば肺癌の治療として肺の一部を除去された患者は、残りの
肺組織から取られた明白に正常な細胞のサンプルを提供するように求められる。
強力なＭＡＣの存在が検出されたならば、癌がぶり返す可能性が高い。反対に、
本発明者は、癌治療が効果的であるときにはＭＡＣ細胞数が減少することを発見
している。

【００５４】前述したように、悪性関連変化を検出する本発明の能力は計算された特徴値に基づく。以下、各焦点を合わせられているオブジェクトに対して最近計算され
た特徴のリストを説明する。Ｉ．２座標系、専門用語および表記各映像は、中に背景により包囲された（不規則な形態の）オブジェクトの映像
を含んでいる方形画素の長方形アレイである。各画素Ｐ_ijは映像の対応する小さ
いセグメントの光度測定値（グレースケール）を示した整数であり、０（完全に
不透明）から２５５（完全に透明）までの範囲である。映像方形は、最小の長方
形よりも大きく、少なくとも２つの行、即ち上と下および２つの列、即ち左と右
によりオブジェクトを完全に含むことができ、背景がオブジェクトの全周囲に存
在することを確実にする。長方形映像はｉ＝１のＬ列とｊ＝１のＭ行にわたる画
素Ｐ_ijのマトリックスであり、左上の画素は座標系の原点ｉ＝ｊ＝１とする。

【００５５】オブジェクトである映像区域は特性関数Ωで示され、これは時には“オブジェクトマスク”または単に“マスク”とも呼ばれる。幾つかの特徴に対して、オ
ブジェクトの全周辺で１画素だけオブジェクトマスクを膨張することが理解でき
、このマスクはΩ⁺と示される。同様に、侵食されるマスクはΩ^-で示される。
オブジェクトマスクは２進関数である。

【数１】

【００５６】 II 形態的特徴形態的特徴は、オブジェクトの映像面積、形状、形態変化を評価する。 II．１面積面積ＡはマスクΩにより定められるとき、オブジェクトに属する画素の総数と
して限定される。

【数２】

【００５７】ここでｉ，ｊおよびΩは前述のセクションＩ．２で限定されている。 II．２ｘ centroid、ｙ centroid（ｘ質量中心、ｙ質量中心）ｘ centroid、ｙ centroid、即ちｘ質量中心、ｙ質量中心は、映像の原点
（左上部の角）に関して限定されているオブジェクトの幾何学的中心の座標であ
る。

【数３】

【００５８】ここで、前述のセクションＩ．２で限定されているように、ｉとｊは映像画素座
標であり、Ωはオブジェクトマスクであり、Ａはオブジェクト面積である。 II．３ mean radius、max radius（平均半径、最大半径）平均半径、最大半径特徴はオブジェクトの質量中心からその８つの接続された
エッジ画素までのオブジェクトの半径ベクトルの長さの平均値および最大値であ
る。

【数４】

【００５９】ここで、ｒ_kはｋ番目の半径ベクトルであり、Ｎはオブジェクトエッジにおける
８つの接続された画素数である。 II．４ var radius（変化半径）変化半径特徴は、セクションII．３で限定されているようにオブジェクトの半
径ベクトルの長さの変化である。

【数５】

【００６０】ここでｒ_kはｋ番目の半径ベクトルであり、Ｎは８つの接続されたエッジ画素数
である。 II．５球状性球状特性は、（前述のセクションII．２で限定されているように）オブジェク
ト質量中心を中心とする２つの円の半径の比として計算された形状の測定である
。一方の円はオブジェクトの半径ベクトルの絶対的な最小の長さに対応して、オ
ブジェクト周辺内に内接している最大の円である。他方の円は、オブジェクトの
半径ベクトルの絶対的な最大の長さに対応して、オブジェクトの周囲に外接する
最小の円である。最大の球状値１が円のオブジェクトに対して与えられる。

【数６】

【００６１】ここでｒ_kはｋ番目の半径ベクトルである。 II．６離心率離心率特徴は、オブジェクトの特徴関数Ωの第２の中心モーメントマトリック
スの最大および最小の固有値の比の平方根として計算された形状関数である。

【数７】

【００６２】ここでλ₁とλ₂はそれぞれ最大および最小の固有値であり、特徴関数Ωは式１
により与えられている。第２の中心モーメントマトリックスは次式のように計算
される。

【数８】

【００６３】離心率は、オブジェクトを示す“最良に適合した”楕円の短軸に対する長軸の比
として解釈されてもよく、円に対しては最小値１を与える。 II．７ inertia shape （慣性・形状）慣性・形状特徴は、方形の区域により正規化されたオブジェクトマスクの慣性
のモーメントとして計算されたオブジェクトの“丸み”の尺度であり、円の最小
値１を与える。

【数９】

【００６４】ここでＲ_i,jは、（セクションII．２で限定されている）オブジェクトの質量中
心に対する画素Ｐ_i,jの距離であり、Ａはオブジェクト面積であり、Ωは式１に
より定められたマスクである。 II．８コンパクト性コンパクト性特徴は、オブジェクトの“丸み”の別の尺度である。これはオブ
ジェクト面積により割算された周囲方形として計算され、円に対して最小値１を
与える。コンパクト性＝Ｐ²／４πＡ（１２）ここで、Ｐはオブジェクト周囲であり、Ａはオブジェクト面積である。周囲は４
つの接続された隣接画素を考慮することによって（それら自体が８つ接続されて
いる）境界画素から計算される。

【数１０】

【００６５】ここでＮ₁は、１つのオブジェクトではない隣接画素を有するエッジ上の画素数
であり、Ｎ₂は、２つのオブジェクトではない隣接画素を有するエッジ上の画素
数であり、Ｎ₃は、３つのオブジェクトではない隣接画素を有するエッジ上の画
素数である。 II．９ cell orient（細胞方向）細胞方向特徴は、ｙ方向からのオブジェクトの主軸の偏差として測定されるオ
ブジェクト方向を表している。

【数１１】

【００６６】ここでｙ_{moment 2}とｘｙ_{crossmoment 2}は前述の式１により定められた特徴関数
Ωであり、λ₁はその関数の第２の中心モーメントマトリックスの最大固有値で
ある（前述のセクションII．６参照）。オブジェクトの主軸は、最大の固有値に
対応する固有ベクトルによって限定される。細胞方向の幾何学的解釈は、これ
がｙ軸と、“最良に適合された”楕円形の主軸との間の角度（時計回りの意味で
測定された）である。

【００６７】細胞の懸濁液のスライドでは、演繹的な好ましい細胞の方向付けが存在しないので、この特徴は意味がない。組織的なセクション、および恐らくスメアーで
は、この特徴は価値を有する。例えば汚れ（スメアー）に対しては、破片がスラ
イドの長い軸に沿って優先的に延長される。 II．１０伸びセクションII．１０乃至II．１３の特徴は１２８のディスクリートな等しいス
テップにより（セクションII．２で限定されているオブジェクトの中心からオブ
ジェクトの周囲までの）半径ベクトルを掃引することにより計算され、最左上の
オブジェクトのエッジ画素で開始し、時計回り方向で掃引する。この関数は１２
８の角度のそれぞれにおけるオブジェクトエッジ画素位置の平均から補間される
。

【００６８】伸び特徴は、（主軸に対応する）主方向対それに直角な方向に沿ったオブジェクトの範囲の別の尺度である。これらの長さはオブジェクトの半径関数のフー
リエ変換係数を使用して評価される。

【数１２】

【００６９】ここでａ₂、ｂ₂はオブジェクトｒ（θ）の半径関数のフーリエ変換係数であり
、次式により限定される。

【数１３】

【００７０】 II．１１ freq low fft freq low fft は、オブジェクトの半径関数のフーリエスペクトルの低い高
調波（第３から第１１の高調波）のエネルギとして測定される粗境界変化の評価
を与える。

【数１４】

【００７１】ここでａ_n、ｂ_nは式１６で限定された半径関数のフーリエ変換係数である。 II．１２ freq high fft freq high fft は、オブジェクトの半径関数の高周波数フーリエスペクトル
（第１２から第３２の高調波）のエネルギとして計算された微細な境界変化の評
価を与える。

【数１５】

【００７２】ａ_n、ｂ_nは式１６により限定されるｎ番目の高調波のフーリエ変換係数である
。 II．１３ harmon01 fft …，harmon32 fft harmon01 fft …，harmon32 fft 特徴は、各高調波１−３２に対するオブジ
ェクト半径関数のフーリエ変換係数の大きさとして計算された境界変化の評価で
ある。

【数１６】

【００７３】ここで、ａ_n、ｂ_nは式１６により限定されるｎ番目の高調波のフーリエ変換係
数である。 III 光度測定特徴光度測定特徴は、オブジェクトの絶対強度と光密度レベルの評価と、それらの
分布特徴を与える。 III ．１ＤＮＡ Amount（ＤＮＡ量）ＤＮＡ量は、一度膨張されたマスクΩ⁺により限定されたオブジェクトの積分
された光密度の“生の”（正規化されていない）尺度である。

【数１７】

【００７４】ここで、一度膨張されたマスクΩ⁺はセクションＩ．２で限定され、ＯＤは［１
２］にしたがって計算された光密度である

【数１８】

【００７５】ここで、Ｉ_Bは局部的背景の強度であり、Ｉ_i,jはｉ，ｊ番目の画素の強度であ
る。 III ．２ＤＮＡ Index （ＤＮＡインデックス）ＤＮＡインデックスはオブジェクトの積分された光密度の正規化された尺度で
ある。

【数１９】

【００７６】ここで、ｉｏｄ_normは、スライドからの特定のオブジェクトの個体（例えば白血
球）に対するＤＮＡ量の平均値である。 III ．３ var intensity 、mean intensity （変化強度、平均強度）変化強度、平均強度特徴は、オブジェクトＩの強度関数の変化および平均であ
る。

【数２０】

【００７７】ここで、Ａはオブジェクトの面積であり、Ωは式１により限定されるオブジェク
トマスクであり、平均強度はセクションIII ．２で限定されているｉｏｄ_normに
対して正規化される。

【数２１】

【００７８】 III ．４ＯＤ maximum （ＯＤ最大）ＯＤ最大は、前述のセクションIII ．２で限定されているｉｏｄ_normに正規化
されたオブジェクトの光密度の最大値である。

【数２２】

【００７９】 III ．５ＯＤ variance（ＯＤ変化）ＯＤ変化は、オブジェクトの光密度関数の正規化された変化（第２のモーメン
ト）である。

【数２３】

【００８０】ここでΩはセクションＩ．２で限定されたようなオブジェクトマスクである。

【数２４】

【００８１】Ａはオブジェクト区域（画素の総数）である。変化は細胞の染色強度と独立して
測定を行うために平均光密度の２乗により割算された変化である。 III ．６ＯＤ skewness（ＯＤスキュー度）ＯＤスキュー度特徴は、オブジェクトの光密度関数の正規化された第３のモー
メントである。

【数２５】

【００８２】 ΩはセクションＩ．２で限定されたようなオブジェクトマスクであり、Ａはオブ
ジェクト区域（画素の総数）である。 III ．７ＯＤ kurtosis（ＯＤとがり）ＯＤとがりは、オブジェクトの光密度関数の正規化された第４のモーメントで
ある。

【数２６】

【００８３】ここでΩはセクションＩ．２で限定されたようなオブジェクトマスクであり、Ａ
はオブジェクト区域である。 IV ディスクリートなテクスチャ特徴ディスクリートなテクスチャ特徴は、オブジェクトの低、中、高の光強度領域
へのセグメント化に基づいている。低、中、高の光強度領域へのオブジェクトの
セグメント化は２つのしきい値、即ち光密度の高いしきい値と高密度の中間しき
い値に基づいている。これらのしきい値は、前述のセクションIII.２に記載され
ているようにオブジェクト（例えばリンパ球）の特定のサブセットのＤＮＡ量に
基づいてサンプルのｉｏｄ_norm値にスケールされる。

【００８４】デフォルトにより、リンパ球中の濃縮クロマキンが高い光密度材料であるようにこれらのしきい値が選択されている。第２のしきい値は、高いしきい値とゼ
ロとの中間に位置する。

【００８５】これらのしきい値が計算されるデフォルト設定は以下のようにコンピュータに記憶される。ＣＨＲＯＭＡＴＩＮＨＩＧＨＴＨＲＥＳ＝３６ＣＨＲＯＭＡＴＩＮＭＥＤＩＵＭＴＨＲＥＳ＝１８Ａ^highは０と１８との間の光密度を有する画素区域である。Ａ^medは１８と３
６との間の光密度を有する画素面積であり、Ａ^lowは３６よりも大きい光密度を
有する画素面積である。面積Ａ^high、Ａ、Ａ^lowは共にオブジェクトの全面積に
対して合計される。使用される実際のしきい値は１００で割算され、ｉｏｄ_norm ／１００により乗算されるこれらのパラメータである。

【００８６】以下の説明では、Ω^low、Ω^med、Ω^highは、式１と類似してそれぞれ定められている低−、中−、高−光密度領域のマスクである。 IV．１低ＤＮＡ面積、中ＤＮＡ面積、高ＤＮＡ面積これらのディスクリートなテクスチャ特徴は、オブジェクトの低、中、高光密
度領域と全体のオブジェクト面積の比を表している。

【数２７】

【００８７】ここで、Ωは式１で限定されているようなオブジェクトマスクであり、Ａはオブ
ジェクト面積である。 IV．２低ＤＮＡ量、中ＤＮＡ量、高ＤＮＡ量これらのディスクリートなテクスチャ特徴は、それぞれ低−、中−、高−密度
領域の積分された光密度値として計算され、全体的な積分された光密度により割
算されたオブジェクトの低、中、高の光密度領域に対する総吸光比を表している
。

【数２８】

【００８８】ここで、Ωは式１で定められているようなオブジェクトマスクであり、ＯＤは式
２１により定められるような光密度である。 IV．３低ＤＮＡコンパクト、中ＤＮＡコンパクト、高ＤＮＡコンパクト、中高
ＤＮＡコンパクトこれらのディスクリートなテクスチャ特徴は、単一の（恐らく分断された）オ
ブジェクトとして扱われるそれぞれ低−、中−、高−と、中および高を組合わせ
た密度領域のコンパクトさの特徴である。これらは領域の４π（面積）により割
算される各領域の周囲の２乗として計算される。

【数２９】

【００８９】ここで、Ｐは式１３と類似して限定される各光密度領域の周囲ではあり、式２と
類似して定められる、Ａは領域面積である。 IV．４ low av dst 、 med av dst 、hi av dst 、mh av dst これらのディスクリートなテクスチャ特徴は、オブジェクト平均半径により
正規化された、オブジェクトの中心から、低−、中−、高−と、中および高を組
合わせた密度画素間の平均的な分離を表している。

【数３０】

【００９０】ここで、Ｒ_i,jは画素Ｐ_i,jからオブジェクト質量中心（セクションII．２によ
り定められている）までの距離としてセクションII．７で定められており、オブ
ジェクト平均半径は式５により限定されている。 IV．５ lowＶＳmed ＤＮＡ、 lowＶＳhigh ＤＮＡ、 lowＶＳmh ＤＮＡこれらのディスクリートなテクスチャ特徴は、それぞれ中−、高−、中および
高を組合わせた平均吸光値により正規化された低−密度区域の平均吸光比を表し
ている。これらは低密度クラスタの平均光密度により割算された中−、高−と、
中および高を組合わせたクラスタの平均光密度として計算される。

【数３１】

【００９１】ここでＯＤは式２１に類似して限定された領域の光密度であり、Ωは式１に類似
して限定された領域マスクであり、Ａは式２に類似して限定された領域面積であ
る。 IV．６ low den obj 、med den obj 、high den obj これらのディスクリートなテクスチャ特徴は、低、中、高密度の１以上の画素
からなるオブジェクトのディスクリートな８つの接続されたサブコンポーネント
である。 IV．７ low cntr mass、med cntr mass、high cntr mass これらのディスクリートなテクスチャ特徴は、平均半径により正規化された
、低、中、高の光密度クラスタ（これらは１つのオブジェクトであるかのように
みなされる）の幾何学的中心と、オブジェクト全体の幾何学的中心との間の分離
を表している。

【数３２】

【００９２】ここで、オブジェクトの平均半径は式５により限定され、オブジェクトの質量
中心はセクションII．２で限定されており、Ωは式１と類似して限定され、Ａは
式２に類似して限定された領域面積である。Ｖ．１マルコフテクスチャ特徴マルコフテクスチャ特徴は、オブジェクト画素の同時に生じるマトリックスΔ _λ,j から限定される。そのマトリックスの各エレメントは（８つの接続を介して
）グレーレベルμの画素に対する次に生じるグレーレベルλの画素の条件的確率
を表し、ここでλ、μはそれぞれマトリックスの行および列インデックスである
。しかしながら、マルコフテクスチャ特性の計算においてここで使用する計算ア
ルゴリズムはいわゆる和と差のヒストグラム、即ちＨ^s _l、Ｈ^d _mを使用し、こ
こでＨ^s _lは合計して１になるグレーレベルを有する隣接画素の確率であり、Ｈ ^d _m はグレーレベル差ｍを有する隣接画素の確率であり、ここで８つの接続され
た隣接画素が仮定される。和と差のヒストグラムで使用されるグレーレベルの値
ｌ、ｍの値は各個々のオブジェクトのダイナミック範囲を４０レベルに量子化す
ることにより獲得される。

【００９３】完全にするために、マルコフテクスチャ特徴にしたがう式は実際に使用される一般的な式と計算式との両者を含んでいる。Ｖ．１エントロピーエントロピー特徴は、オブジェクトのグレーレベル組織の“無秩序”の尺度を
表し、大きい値は“ソルトアンドペッパー”ランダムフィールドのような非常に
乱れた分布に対応する。

【数３３】

【００９４】Ｖ．２エネルギエネルギ特徴は、空間的に組織されたグレースケール分布を有するオブジェク
トに大きい値を与える。これはエントロピーと反対であり、一定のグレーレベル
の大きい領域を有するオブジェクトに大きい値を与える。

【数３４】

【００９５】Ｖ．３コントラストコントラスト特徴は、頻繁な大きいグレースケール変化を有するオブジェクト
に大きい値を与える。

【数３５】

【００９６】Ｖ．４相関相関に対する大きい値は、一定のグレースケールを有する大きな接続されたサ
ブコンポーネントを有し、隣接するコンポーネント間に大きいグレースケールレ
ベル差を有するオブジェクトを示している。

【数３６】

【００９７】Ｖ．５均一性均一性特徴は、僅かで空間的にスムースなグレーレベル変化を有するオブジェ
クトでは大きい。

【数３７】

【００９８】Ｖ．６ cl shade （clシェイド） clシェイド特徴は、残りのオブジェクトと大きいコントラストを有する均一な
強度の幾つかの異なるクランプ（clump ）を有するオブジェクトに大きい絶対値
を与える。負の値は明るい背景に対する暗いクランプに対応し、正の値は暗い背
景に対する明るいクランプを示している。

【数３８】

【００９９】Ｖ．７ cl prominence（clプロミネンス）特徴clプロミネンスはクラスタの暗さを測定する。

【数３９】

【０１００】 VI マルコフではないテクスチャ特徴これらの特徴は、オブジェクトのグレーレベル差のグローバルな評価に関する
テクスチャを示す。 VI．１ den lit spot、 den drk spot これらは３×３ウィンドウにより平均された映像に基づいた、オブジェクト面
積により割算されたオブジェクト強度関数の複数の局部最大値および局部最小値
である。

【数４０】

【０１０１】Ｉはオブジェクト強度であり、Ωはオブジェクトマスクであり、Ａはオブジェク
ト面積である。 VI．２ range extreme （距離極値）これは、セクションIII ．２により限定されているスライドＤＮＡ量ｉｏｄ_no _rm に対して正規化されたオブジェクト強度関数の最大の局部最大値と最小の局部
最小値との強度差である。

【数４１】

【０１０２】 VI．３ range average （距離平均）これは、前述のセクションIII ．２により限定されているスライドＤＮＡ量値
ｉｏｄ_normに対して正規化された局部最大値の平均強度と局部最小値の平均強度
との強度差である。使用される局部最大値ｍａｘ_i _´ _,j _´ 、と最小値ｍｉｎ_i _´ _, _j _´ 値は前述のセクションVI．１からの値である。

【数４２】

【０１０３】 VI．４ center of gravity center of gravity 特徴は、オブジェクトの平均半径により正規化された
オブジェクトの幾何学的中心から光密度関数の“質量の中心”までの距離を表し
ている。

【数４３】

【０１０４】これはＯＤ分散の非均一性の尺度を与える。ＶII フラクタルテクスチャ特徴フラクタルテクスチャ特徴は、垂直軸が光密度を表わし、水平軸がｘおよびｙ
空間座標を表す３次元棒グラフとして本質的に表されるオブジェクトの光密度の
３次元面の面積に基づいている。したがって、各画素は、ｘ−ｙ平面中の単位面
積プラス近隣のものに関する画素の光密度の変化に比例した３次元構造の面の面
積を割当てられる。フラクタル面積の最大値は、それらの間の光密度変化が著し
い小さいサブコンポーネントを含む大きいオブジェクトに対応している。

【０１０５】 fractal1 area（フラクタル１面積）とfractal2 area（フラクタル２面積）との間の差は、これらの特徴が異なったスケールで計算されることである。第
２のものは、４つの画素が単一画素に平均される映像に基づいており、それによ
ってフラクタル１面積のスケールの変化を表す。この計算には、付加的なマスク
変換が必要であり、Ω_i2,j2は４つの画素が１つの画素にマッピングされた元の
マスクΩを表し、オブジェクトの画素から完全には構成されていない４つの画素
の任意の正方形は０に設定される。Ω_i,jは、Ω_i2,j2中の各画素がΩ_i,j中の
４つの画素となるように４倍に拡大されたΩ_i2,j2を表している。ＶII.1 fractal1 area（フラクタル１面積）

【数４４】

【０１０６】ここで、ＯＤ^* _i,jは、可能な光密度値が２５６レベルにわたるように全ての映
像に共通した係数によりスケールされた映像の光密度関数である。ＶII.2 fractal2 area（フラクタル２面積）これは、別のフラクタルディメンションであるが、４つの画素の正方形が単一
画素に平均された映像に基づいており、それによって上記のセクションＶII.1に
おけるフラクタル１面積のスケールの変化を表している。

【数４５】

【０１０７】ここで、Ｌ₂＝［Ｌ／２］，Ｍ₂＝［Ｍ／２］であり、Ｌ₂，Ｍ₂は整数であり
、ＯＤ^* _i2,j2は映像のスケールされた光密度関数であり、４つの画素が１に平
均される。ＶII.3 fractal dimen （フラクタルディメンション）フラクタルディメンション特徴は、ｌｏｇ２で除算されたフラクタル１面積の
対数とフラクタル２面積の対数との間の差として計算される。これは、２から３
まで変化し、測定された表面積が微細化するスケールで増加する速度と関連した
、映像の“フラクタル性質”の尺度を提供する。

【数４６】

【０１０８】ＶIII ラン長テクスチャ特徴ラン長テクスチャ特徴は、グレーレベルのランに特有の表現でテクスチャを説
明し、同じグレーレベル値を有する連続した共線画素のセットを表す。ランの長
さは、そのランの中の画素の数である。これらの特徴は、強度関数値が８つのレ
ベルに変換された映像に対して計算される。

【０１０９】ラン長テクスチャ特徴は、４つの主要な方向：θ＝０°，４５°，９０°，１３５°のそれぞれに対してグレーレベルの長さマトリクスＭを使用して規定さ
れる。

【数４７】

【０１１０】ここにおいて、これらの方向は正のｘ軸に関して時計回りに規定される。注釈：
ここにおいて規定されているように、ラン長テクスチャ特徴は輪番的に不変では
なく、したがって一般に個々に使用されることはできない。これは、ほとんどの
サンプルについて、テクスチャにとって好ましいアプリオリ方向は存在しないた
めである。たとえば、１つの細胞について、ラン長特徴は４５°で方向付けられ
てもよいが、次のものでは９０°であってもよい。一般に、これらは完全に等価
である。前記マトリクスＭの各要素は、オブジェクトが所定の方向Θにおいて長
さｑのランを含む回数を指定し、グレーレベル範囲ｐに存在する（８つのグレー
レベルからの）画素から構成されている。Ｎ^g＝８をグレーレベルの数とし、Ｎ ^r を、オブジェクト中で発生する異なるラン長の数とすると、ラン長特徴は以下
のように説明される。ＶIII.1 short0 runs（短い０ラン）,short45 runs（短い４５ラン）,short
90 runs（短い９０ラン）, short135 runs（短い１３５ラン）これらは、０°，４５°，９０°または１３５°で方向付けられた短いランが
優位を占めるオブジェクトに大きい値を与える。

【数４８】

【０１１１】ＶIII.2 long0 runs（長い０ラン），long45 runs（長い４５ラン），long
90 runs（長い９０ラン）， long135 runs（長い１３５ラン）これらは、０°，４５°，９０°または１３５°で方向付けられた長いランが
優位を占めるオブジェクトに大きい値を与える。

【数４９】

【０１１２】ＶIII.3 grey0 level(グレー０レベル),grey45 level(グレー４５レベル)
, grey90 level(グレー９０レベル), grey135 level(グレー１３５レベル) これらの特徴はグレーレベルの不均一度を評価し、ランがグレーレベル中に等
しく分布されたときにそれらの最低値を取る。

【数５０】

【０１１３】ＶIII.4 run0 length (ラン０長), run45 length (ラン４５長), run90 le
ngth (ラン９０長) 、run135 length (ラン１３５長) これらの特徴はラン長の不均一度を評価し、ランが長さの中において等しく分
布されたときにそれらの最低値を取る。

【数５１】

【０１１４】ＶIII.5 run0 percent(ラン０パーセント) ,run45 percent(ラン４５パーセ
ント), run90 percent(ラン９０パーセント) , run135 percent(ラン１３５パ
ーセント) これらの特徴は、オブジェクトの面積に対する可能なランの総数の割合として
計算され、最も直線的な構造を有する画像に対して最低値を有する。

【数５２】

【０１１５】ここでＡはオブジェクトの面積である。ＶIII.6 texture orient（テクスチャ方向）この特徴は、オブジェクトの線形テクスチャの優勢な方向を評価する。

【数５３】

【０１１６】ここでλi は、ラン長疑似第２モーメントマトリクスの最大固有値（セクション
II.9に類似した方法で計算された）である。ラン長疑似第２モーメントは、次の
ように計算される：

【数５４】

【０１１７】方向は、それがセクションII.9のセル方向に対して規定されたように、ｙ軸
と映像の線形構造の優勢な方向との間の角度（時計方向に測定された）として規
定される。ＶIII.7 size txt orient( 寸法・テクスチャ・方向) この特徴は、長さランに対してテクスチャ方向を増幅する。

【数５５】

【０１１８】ここで、λ´₁，λ´₂はセクションＶIII.6 で規定されたラン長さ疑似第２モ
ーメントマトリクスの最大および最小固有値である。

【０１１９】上記の各特徴は、映像中に配置された各焦点の合わせられているオブジェクトに対して計算される。ある特徴は、細胞核からアーティファクトを分離し、Ｍ
ＡＣを示す細胞と正常な細胞とを区別するために分類装置によって使用される。
上述のように、分類装置が完全に訓練され、二者択一ツリーまたは線形判別関数
を生成するまで、アーティファクトと細胞とを区別し、あるいはＭＡＣ細胞と非
ＭＡＣ細胞と区別するためにどの特徴が使用されるかを予測することは不可能で
ある。

【０１２０】本発明のこの実施形態では、アーティファクトを真性の核から分離し、ＭＡＣを有する細胞を識別する際に、上述した特徴のうちの３０のものがより重要で
あると判断されている。これらの主なテクスチャ特徴は次のとおりである：３０個の好ましい核の特徴 (1)面積 (11)高ＤＮＡ量 (21)ラン90パーセント (2)平均半径 (12)高平均距離 (22)ラン135 パーセント (3)ＯＤ分散 (13)中／高平均距離 (23)グレーレベル0 (4)ＯＤ歪度 (14)相関 (24)グレーレベル45 (5)平均範囲 (15)均質性 (25)グレーレベル90 (6)ＯＤ最大値 (16)エントロピー (26)グレーレベル135 (7)光スポットの密度 (17)フラクタル (27)ラン長0 (8)低ＤＮＡ面積ディメンション (28)ラン長45 (9)高ＤＮＡ面積 (18)ＤＮＡインデックス (29)ラン長90 (10)低ＤＮＡ量 (19)ラン0 パーセント (30)ラン長135 (20)ラン45パーセントこれらの特徴は、最も良好に細胞のタイプを区別することができることが分か
っているが、他のオブジェクトタイプが上記に説明された他の特徴によって区別
されてもよい。

【０１２１】上述のように、アーティファクトから細胞核を、あるいはＭＡＣを示さない細胞からＭＡＣを示す細胞を区別する本発明によるシステムの能力は、計算され
た特徴の値に基づいて区別を行う分類装置の能力に依存しない。たとえば、アー
ティファクトから細胞核を分離するために、本発明は、それぞれ特定のオブジェ
クトタイプを識別するように訓練されたいくつかの異なった判別関数を適用する
。たとえば、本発明のこの好ましい実施形態では、以下の判別関数が中位の頸管
細胞を小さいピクノーティック(picnotic)オブジェクトから分離するために使用
されている：頸管細胞ピクノーティック最大半径 4.56914 3.92899 freq low fft -.03624 -.04714 ハーモン03 fft 1.29958 1.80412 ハーモン04.fft .85959 1.20653 lowVSmed DNA 58.83394 61.84034 エネルギ 6566.14355 6182.17139 相関 .56801 .52911 均質性 -920.05017 -883.31567 cl shade -67.37746 -63.68423 den drk spot 916.69360 870.75739 CONSTANT -292.92908 -269.42419 細胞をジャンク(junk)粒子から分離することのできる別の判別関数は：細胞ジャンク(junk) 離心率 606.67365 574.82507 コンパクトネス 988.57196 1013.19745 freq low fft -2.57094 -2.51594 freq high fft -28.93165 -28.48727 harmon02.fft -31.30210 -30.18383 harmon03.fft 14.40738 14.30784 medDNAamnt 39.28350 37.50647 相関 .27381 .29397 CONSTANT -834.57800 -836.19659 さらに、無視されるべき折り重ねられた細胞を解析に適した細胞から分離する
ことのできる第３の判別関数は：正常排除された interm オブジェクト球形度 709.66357 701.85864 離心率 456.09146 444.18469 コンパクトネス 1221.73840 1232.27441 伸び -391.76352 -387.19376 freq high fft -37.89624 -37.39510 lowDNAmnt -41.89951 -39.42714 low den obj 1.40092 1.60374 相関 .26310 .29536 レンジ平均 .06601 .06029 CONSTANT -968.73628 -971.18219 明かに、分類装置によって生成された特定の線形判別関数は、使用される分類
装置のタイプと細胞の訓練セットとに依存する。上記の例は、説明のために与え
られたに過ぎない。

【０１２２】認められるように、本発明は、細胞サンプル中の悪性関連変化を自動的に検出するシステムである。細胞サンプルを適切に染色および投影することによって
、スライド上で見出だされた各オブジェクトの特徴が決定され、その細胞サンプ
ルが採取された患者が正常であるか、あるいは異常であるかを示すために使用す
ることができる。さらに、ＭＡＣは、施された癌治療が効果的かどうか、および
癌が鎮静しているかどうかを表す。

【０１２３】別の特徴において、本発明は、特殊症状を示す細胞や悪性関連変化を有する細胞を自動的に検出するシステムおよび方法を提供する。このシステムは、細胞
的標本（すなわち、細胞サンプル）内の細胞を分類するのに有効な映像サイトメ
ータ(cytometer) ベースの自動細胞学的標本分類装置である。細胞学的標本のビ
ューを得るための顕微鏡と、細胞サンプルのビューの映像を生成するためのカメ
ラと、細胞の映像のデジタル表示を生成するための映像デジタル化装置と、デジ
タル映像を記録および解析し、これらの素子を制御およびインターフェースする
コンピュータシステムを内蔵した映像サイトメータの素子に加えて、自動分類装
置は、細胞学的標本を予め分類する１次分類装置と、１次分類装置によって最初
に分類された細胞学的標本のそれらの部分を分類する２次分類装置とをさらに含
んでいる。一般に、映像サイトメータは、スライドから関心のある重要な細胞の
映像を捕獲する。その映像は、正常および異常上皮細胞または炎症細胞のような
種々の細胞サブタイプに自動的に分類される。分類は、たとえば、神経ネットワ
ーク、直接的に計算された核特徴に基づいた二者択一、決定ツリー、決定ウェブ
および判別式を含んだ線形または非線形分類方法を含む種々の分類方式を使用す
ることによって行われることができる。いくつかのタイプの分類を行うことがで
きる。

【０１２４】本発明の好ましい実施形態において、１次分類装置は、細胞サンプルの細胞の中から上皮細胞を識別し選択し、２次分類装置は、選択された上皮細胞が正常
（すなわち、ＭＡＣ陰性）であるか、あるいは悪性関連変化（すなわち、ＭＡ
Ｃ陽性）を有しているかを示す。それによって、上記に一般的に述べた原理を適
用することによって、第１の自動分類装置は、正常であるか、あるいは診断性の
特殊症状を示すかで上皮細胞の細胞サンプルを選別し、その後第２の分類装置は
正常細胞を正常でＭＡＣ陰性か、または正常でＭＡＣ陽性かを識別する。本発明
の全体的なシステムは、図１３に概略的に表されている。本発明のシステムは、
図１３に示されている第１（すなわち、１次）および第２（すなわち、２次）の
分類装置を含んでいるが、このシステムによって行われる分類は、以下さらに説
明するように１次および２次分類を順次行う単一の分類装置によって達成される
ことができることが理解されるであろう。

【０１２５】ここにおいて使用されているように、“診断細胞すなわち特殊症状を示す細胞”という用語は、視覚的に明らかに癌（すなわち、悪性）細胞または前癌状態
の（すなわち、悪性になる前の）細胞を指す。“癌細胞”という用語は侵襲性
の癌細胞を指し、“前癌細胞”という用語は、侵襲性になる前の癌細胞を指す。
一般には、侵襲性になる前の癌細胞の一部分だけが侵襲性の癌細胞になる。“悪
性関連変化”すなわち“ＭＡＣ”という用語は、視覚的に正常な核のクロマチン
構成（染色質）への視覚的にわずかに、または不完全に認められる変化を指し、
この変化が患者の腫瘍の存在に相関させられる。

【０１２６】システムは、特定の細胞サンプルが特殊症状を示す細胞や悪性関連変化を有する細胞を含んでいるかどうかを決定するために一緒に動作することのできる分
類装置を含んでいる。上述のように、分類装置は、ある特徴値に基づいてオブジ
ェクトを解析するコンピュータプログラムである。本発明の自動分類シスムは１
次分類装置を含んでおり、この１次分類装置は基本的な選別機能を行い、正常な
上皮細胞を選択する。２次分類装置は、上皮細胞を正常で悪性関連変化を有する
ものか、あるいは正常で悪性関連変化を示さないもののいずれかとして分類する
。上述のように、本発明の自動システムは１次および２次分類装置を含んでいる
ことが好ましいが、単一の分類装置を使用して、本発明によって達成される分類
を順次行うことができる。統計学的方法に基づいて分類機能を行うために使用さ
れるソフトウェアパッケージは、一般に入手可能である。本発明において有効な
統計学的分類装置は、上記において一般的に説明され、また図１０および１１に
示されているように構成されている。

【０１２７】本発明の自動分類装置は、それらの分類機能の実行において直接計算された核特徴に基づいた二者択一を使用する分類装置を含んでいることが好ましい。分
類装置は形態学的特徴、光度（ｐｈｏｔｏｍｅｔｒｉｃ）特徴、ディスクリート
なテクスチャ特徴、マルコフテクスチャ特徴、非マルコフテクスチャ特徴、フラ
クタルテクスチャ特徴およびラン長テクスチャ特徴を含む多数の特徴値を含むよ
うに構成されることができるが、上述された特徴のうちの３３個が上皮細胞を識
別し、特殊症状を示す細胞と悪性関連変化を有する細胞とを識別するのにさらに
重要であると思われる。これらの特徴は以下のものを含む： (1)面積 (11)高ＤＮＡ量 (21)ラン90パーセント (2)平均半径 (12)高平均距離 (22)ラン135 パーセント (3)ＯＤ分散 (13)中／高平均距離 (23)グレーレベル0 (4)ＯＤ歪度 (14)相関 (24)グレーレベル45 (5)平均範囲 (15)均質性 (25)グレーレベル90 (6)ＯＤ最大値 (16)エントロピー (26)グレーレベル135 (7)光スポットの密度 (17)フラクタル (27)ラン長0 (8)低ＤＮＡ面積ディメンション (28)ラン長45 (9)高ＤＮＡ面積 (18)ＤＮＡインデックス (29)ラン長90 (10)低ＤＮＡ量 (19)ラン0 パーセント (30)ラン長135 (20)ラン45パーセント (31)ハーモニック4 (32)ハーモニック5 (33)ハーモニック6 これらの特徴は、最も良好に細胞のタイプを区別できるように定められている
が、他の特徴によって他のオブジェクトタイプが区別されてもよい。

【０１２８】１次分類装置は、（１）特殊症状を示す上皮細胞および悪性関連変化を含んでいる可能性のある細胞；（２）炎症細胞；ならびに（３）ジャンク(junk)とい
う３つのクラスに細胞を細分するように機能する。１次分類装置は、図１４に示
されている特徴値の選択を組み込んだ二者択一ツリーにより細胞単位の分類を行
う。好ましい実施形態において、１次分類装置は、上述の３３個の特徴を使用し
てその分類機能を行う。

【０１２９】上述のように、細胞核をアーティファクトから区別し、上皮細胞をその他の細胞タイプから区別し、悪性関連変化を有する細胞をその他の正常な上皮細胞か
ら区別する本発明のシステムの能力は、計算された特徴の値に基づいて区別を行
う分類装置の能力に依存している。たとえば、正常な上皮細胞を異常な上皮細胞
（すなわち、特殊症状を示す細胞）から区別するために、本発明は、特定のタ
イプのオブジェクトを識別するようにそれぞれ訓練されたいくつかの異なった判
別関数を適用することができる。たとえば、以下の判別関数は、本発明の好まし
い１実施形態において正常な上皮細胞を異常な細胞から区別するために使用され
ている：特徴正常癌 2harmon05 199.62447 223.06030 3freqmac2 34.19107 50.18366 CONSTANT -51.21967 -65.70574 上記の関数は正常な上皮細胞を異常な細胞から識別するのに成功しているが、
当業者は、この関数において使用される正確な加重が、使用される分類装置のタ
イプと細胞の訓練セットとに依存することを認識するであろう。上記の例は、説
明のために与えられたに過ぎない。

【０１３０】２次分類装置は１次分類装置によって選択された細胞サンプル中の上皮細胞を分類し、またその分類機能の実行において二者択一ツリーおよび特徴値を使用
する。スライド単位の分類装置と見なされることのできる２次分類装置は、１次
分類装置によって分類された上皮細胞を解析し、細胞を正常でＭＡＣ陰性の細胞
または正常でＭＡＣ陽性の細胞として分類する。このようにして、２次分類装置
は、悪性関連変化を有する（すなわち、ＭＡＣ陽性）正常な上皮細胞を、悪性関
連変化を示さない（すなわち、ＭＡＣ陰性）正常な上皮細胞から区別する。１次
分類装置に関するように、２次分類装置は、１組の好ましい核特徴に基づいて細
胞を区別するように構成されている。好ましい実施形態において、２次分類装置
は、以下の特徴を使用してその分類機能を行う： (1)面積 (9) エントロピー (2)光スポットの密度 (10)フラクタル (3)低ＤＮＡ面積ディメンション (4)高ＤＮＡ面積 (11)ＤＮＡインデックス (5)低ＤＮＡ量 (12)ＯＤ最大値 (6)高ＤＮＡ量 (13)中ＤＮＡ量 (7)相関 (8)均質性２次分類装置の動作は、図１５に概略的に示されている。

【０１３１】各分類装置によって使用される特徴セットは、細胞核の定量的特徴を解析する判別関数から生成され、最小数の特徴を含んでいることが好ましい。理想的に
は、最小数の最適核特徴の選択の結果、能率的で堅牢な分類装置が得られる。す
なわち、分類装置は細胞または細胞タイプを正確に分類することにおいて能率的
であり、かつ種々の細胞およびスライド調整体を高い信頼性の下に分類すること
において頑強であることが好ましい。

【０１３２】悪性関連変化を有する細胞をこのような変化を示さない上皮細胞から区別する本発明のシステムの能力は、計算された特徴の値に基づいて区別を行う分類装
置の能力に依存している。本発明は、悪性関連変化を有する細胞を、このような
変化を示さない細胞から区別するために特定のタイプのオブジェクトを識別する
ようにそれぞれ訓練されたいくつかの異なった判別関数を適用することができる
。たとえば、本発明のこの好ましい実施形態において、悪性関連変化を有する細
胞を、悪性関連変化を示さない正常な上皮細胞から区別するために以下の判別関
数が使用されている：特徴ＭＡＣ陰性ＭＡＣ陽性 30harmon03 fft 3.52279 3.82334 93cl shade 0.99720 -1.09342 96den drk spot 168.27394 189.80289 105 fractal2 area 0.00372 0.00056 CONSTANT -63.66887 -67.90617 上記の関数は、正常でＭＡＣ陰性の細胞を正常でＭＡＣ陰性の細胞から識別す
るのに成功しているが、当業者は、この関数において使用される正確な加重が、
使用される分類装置のタイプと細胞の訓練セットとに依存することを認識するで
あろう。上記の例は、説明のために与えられたに過ぎない。

【０１３３】分類装置を構成するための特徴の選択は、細胞固定および核染色の方法にしばしば依存する。したがって、特定の細胞組織標本に対する特徴セットの選択は
、細胞が固定および染色された方法に依存する。いくつかの特徴セットはいくつ
かの病気の診断に有用であるように十分に頑強であるが、悪性関連変化が固定方
法に対して非常に敏感であることが認められている。たとえば、組織標本に対し
て通常使用されている固定であるホルマリン固定では、固定細胞が、本発明の自
動分類システムの好ましい実施形態によって効率的に分類されない。しかしなが
ら、本発明の原理を使用すると、分類装置はこのような固定細胞を能率的かつ頑
強に分類するように構成されることができる。本発明の実施において、Ｓａｃｃ
ａｍａｎｎｏ固定およびその変形、ならびにＢｏｈｍ−Ｓｐｒｅｎｇｅｒ固定お
よびその変形が好ましい固定方法である。

【０１３４】細胞サンプルは、固定された後、そのサンプル内の細胞核を識別するために核染料で染色される。細胞のＤＮＡ染色は、ＤＮＡの定量的および化学量的染色
であることが好ましい。好ましい化学量的染料には、チオニンおよびパラ／〜ｘ
＠ｕｌｙ（ｐａｒａ−ｒｏａｓｎａｌｉｎｅ）のようなフォイルゲン染料、ライ
ト染料、メイ・グルンワルド・ギームザ（Ｍａｙ−Ｇｒｕｎｗａｌｄ−Ｇｅｉｍ
ｓａ）染料およびヘマトキシリンのようなローズマウスキ（Ｒｏｕｓｍｏｕｓｋ
ｉ）染料、ならびにメチルグリーンが含まれる。好ましい実施形態において、フ
ォイルゲン染料はチオニンである。ヘマトキシリンやエオシンのような、定量的
染料を含む別の染料もまた使用可能である。以下の例１において、代表的な固定
および染色工程を説明する。

【０１３５】本発明のシステムおよび方法の自動分類装置は、細胞学的標本から得られた細胞を分類するために使用される。一般に、本発明のシステムおよび方法は、多
種多用な細胞学的標本の分類に有効である。たとえば、本発明は、Ｐａｐテスト
と関連した頸管塗沫標本の形態の細胞学的標本の分類に有効である。一般に腫瘍
バイオプシ中に、または腫瘍の手術による除去中に組織から採取されるような組
織セクションを含む組織学的標本もまた分類されてもよい。本発明のシステムお
よび方法は、とくに気管支標本の分類によく適している。ここにおいて使用され
るように、“気管支標本”という用語は、気管支鏡法または手術中に獲得された
組織、およびブラッシング、洗浄または痰細胞学のいずれかによって獲得された
気管支上皮から全体的または部分的に生成された細胞学的標本の両方を指す。本
発明のシステムおよび方法は、特殊症状を示す細胞、および肺の粘液から得られ
た細胞サンプル中に悪性関連変化を有する細胞の検出に有効であることが認めら
れている。肺の粘液の代表的な収集方法は、例２に示されている。

【０１３６】本発明のシステムおよび方法は、とくに上皮細胞の分類によく適しており、したがって、とくに肺癌、乳癌、前立腺癌、胃腸系の癌および皮膚癌の診断およ
び監視に有効である。

【０１３７】細胞サンプル中の上皮細胞を検出する方法は、一般に、（１）細胞サンプルを獲得し、（２）サンプル内の細胞核を識別するためにサンプルを染色し、（３
）上述のデジタルＣＣＤカメラおよびプログラム可能なスライドステージを有す
るデジタル顕微鏡により細胞サンプルの映像を獲得し、（４）映像の焦点を結び
、（５）映像中のオブジェクトを識別し、（６）識別された各オブジェクトに対
して１組の特徴値を計算し、（７）各オブジェクトが上皮細胞かどうかを決定す
るために特徴値を解析するステップを含む。１次分類装置について上述したよう
に、各オブジェクトが上皮細胞かどうかを決定するために特徴値を解析するステ
ップは、上述された核特徴を考慮した二者択一ツリーの利用を含んでいる。

【０１３８】特殊症状を示す診断細胞および悪性関連変化を有する細胞を検出する方法は、一般に上皮細胞を検出する方法について上述したものと同じステップを含んで
いるが、１組の特徴値を計算し、特徴値を解析するステップは、各オブジェクト
が悪性関連変化を有する正常な上皮細胞であるか、あるいは悪性関連変化を示さ
ない正常な上皮細胞であるかを決定するために上述の２次分類装置に依存する。
２次分類装置に関しては、解析ステップは、細胞を分類するために核特徴を使用
する二者択一ツリーの使用を含んでいる。

【０１３９】上述した両方法は、肺の粘液のような気管支標本を含む種々の細胞学標本の解析に適用可能である。

【０１４０】本発明はまた、特殊症状を示す診断細胞および悪性関連変化を有する細胞を検出し、患者が癌になりつつあるかどうかをさらに予測する方法を提供する。一
般に、この方法は、侵襲性の前癌細胞を検出し、患者が侵襲性の癌になるかどう
かを予測する。この方法は、細胞のサンプルを患者から獲得し、まず、サンプル
中の細胞の核を染色して顕微鏡によりそれらの細胞の映像を獲得し、コンピュー
タシステム中にその映像を記録し、次に、核を識別するために記憶された細胞の
映像を解析し、サンプル中において見出だされた各核に対する１組の特徴値を計
算し、これらの特徴値から、核が正常な細胞の核であるか、あるいは悪性関連変
化を有する細胞であるかを決定することによって、サンプル中の細胞が特殊症状
を示す細胞または悪性関連変化を有する細胞を含んでいるかどうかを決定するス
テップを含んでいる。このような決定の後、悪性関連変化を有する細胞の総数が
決定され、その数から、患者が癌になりつつあるかどうかを予測することができ
る。この予測は、特殊症状を示す細胞およびＭＡＣ陽性細胞について上述した予
測方法に類似した悪性関連変化を有する細胞に対するしきい値に基づいている。

【０１４１】以下の例は、単に説明のために与えられ、本発明を限定するものではない。例［例１］細胞固定および細胞ＤＮＡ染色の代表的な工程この例において、細胞を固定し、チオニンで細胞ＤＮＡを染色する代表的な工
程を説明する。ＤＮＡ染色工程において使用される試薬は、チオニンのメタノー
ルおよびｔブタノール溶液と、固定剤およびリンス溶液を含んでおり、以下説明
するように処理される。染料試薬調剤：Ａ．メタノールフォイルゲン染色溶液［チオニン／メタノール染色溶液］１．０．５ｇのチオニン（Aldrich Chemical社、Milwaukee,WI）および０
．５ｇのメタ重亜硫酸ナトリウムを５００ｍｌの撹拌棒を有するガラス瓶に付加
する。

【０１４２】２．２００ｍｌのメタノールを付加。十分に混合する。

【０１４３】３．２５０ｍｌの蒸留水を付加する。

【０１４４】４．５０ｍｌの１Ｎ塩酸を付加し、瓶に蓋をする。

【０１４５】５．１時間染料溶液を撹拌する。瓶をアルミ箔で包むことによって光から溶液を保護する。冷却しない。

【０１４６】６．使用の直前に、換気フード中で染料溶液を濾紙（No.1グレード）で濾過する。

【０１４７】Ｂ．通常のフォイルゲン染色溶液［チオニン／ｔブタノール染色溶液］１．２００ｍｌの三角フラスコ中に０．５ｇのチオニンを４３５ｍｌの蒸
留水に加える。

【０１４８】２．溶液を加熱して約５分間沸騰させ、その後ほぼ室温に冷ます。

【０１４９】３．４３５ｍｌのｔブタノールを付加する。（必要ならば、ｔブタノールを水浴中で溶解させる。ｔブタノールの融点は２５乃至２６℃であり、したが
って２５℃より低い室温では固体である。）４．１３０ｍｌの水性１Ｎ塩酸を付加する。

【０１５０】５．８．７ｇのメタ重亜硫酸ナトリウムを付加する。

【０１５１】６．撹拌棒を付加し、容器をパラファルムＭで密封する。

【０１５２】７．少なくとも１時間にわたって染料溶液を撹拌する。光から保護し、冷却しない。

【０１５３】８．使用の直前に、換気フード中で染料溶液を濾紙（No.1グレード）で濾過する。別の試薬調剤［Ｂｏｈｍ−Ｓｐｒｅｎｇｅｒ固定剤］１．５００ｍｌのガラス瓶の中で３２０ｍｌのメタノールと６０ｍｌの水
性ホルムアルデヒド（３７％）を結合する。

【０１５４】２．２０ｍｌの氷酢酸を付加する。

【０１５５】３．よく混合し、パラフィルムＭで密封する。［濯ぎ溶液］１．２０００ｍｌの三角フラスコにおいて１４２５ｍｌの蒸留水で７．５
ｇのメタ重亜硫酸ナトリウムを溶解する。

【０１５６】２．７５ｍｌの１Ｎ水性塩酸を付加する。

【０１５７】３．撹拌棒を付加し、溶解するまで撹拌する。パラフィルムＭでフラスコを密封する。［１％の酸性アルコール］１．２８０ｍｌの無水エタノールと１２０ｍｌの蒸留水とを混合する。

【０１５８】２．４ｍｌの濃縮塩酸を付加する。

【０１５９】３．十分に混合する。細胞を固定し、細胞ＤＮＡを染色するために、上述のように準備された調剤が
以下の方法で使用された。通常の塗沫標本および単層組織標本を含む関心を払わ
れた細胞（たとえば、子宮頸サンプルまたは肺粘液からの細胞）の組織標本がこ
の方法で使用されてもよい。この方法では、細胞は一般に染色するために顕微鏡
スライド上に配置される。固定および染色工程１．細胞を顕微鏡スライド上に配置する。

【０１６０】２．Ｂｏｈｍ−Ｓｐｒｅｎｇｅｒ固定剤中にスライドを浸すことによって細胞を固定する：３０乃至６０分。

【０１６１】３．蒸留水中でスライドを濯ぐ：１分撹拌する。

【０１６２】４．５Ｎ塩酸にスライドを浸すことによって細胞ＤＮＡを加水分解する：室温で６０分。

【０１６３】５．蒸留水中でスライドを濯ぐ：１５回浸漬、撹拌。

【０１６４】６．濾過したばかりのチオニン染色溶液を供給することによって細胞を染色する：７５分。

【０１６５】７．蒸留水中でスライドを洗浄する：６回取り替え、１回当り２０回浸漬。

【０１６６】８．準備されたばかりの濯ぎ溶液中でスライドを濯ぐ：３回取り替え。

【０１６７】最初の２回の濯ぎは３０秒、最後の濯ぎは５分。

【０１６８】９．蒸留水中でスライドを濯ぐ：３回取り替え、１回当り２０回浸漬。

【０１６９】１０．ムコイド(mucoidal)サンプルのみに対して、１％の酸性アルコール中でスライドを光学的に濯ぐ：２分。

【０１７０】１１．蒸留水中でスライドを濯ぐ：３回取り替え、１回当り２０回浸漬する。

【０１７１】１２．５０％、７０％の水性エタノール、１００％エタノールおよび取り替えた１００％エタノールの順にそれぞれ１分づつスライドを浸すことによ
って細胞を脱水する。

【０１７２】１３．５分キシレン中に浸すことによってスライドを透明にする。

【０１７３】１４．スライド上にカバーガラスをのせる。

【０１７４】１５．所望ならば、バーコードラベルによりスライドを特定させる。［例２］代表的な肺粘液収集工程この例では、肺の粘液を収集するための代表的な工程を説明する。一般に、肺
の粘液は、誘発(induction) またはプール方法によって収集されてもよい。誘発方法滅菌した水または塩性溶液を使用する粘液誘発は、検査に利用できる粘液の流
動性および量を増加させる。患者は、最初に軽く咳をして、口を徹底的に濯ぎ、
あるいは歯を磨いて、結果に影響を及ぼす目につかない有機堆積物(debris)を減
少させることが好ましい。その後、患者は以下に説明するように３回深呼吸／３
回深い咳(deep-cough)技術を実行する：１．処理マウスピースを備えた噴霧器を患者にくわえさせる。

【０１７５】２．使い捨ての鼻クリップを患者の鼻につける。

【０１７６】３．タイマーを１分にセットする。

【０１７７】４．患者は、１分間普通に口で呼吸することにより噴霧器の霧を肺まで吸い込んで吐き出す。

【０１７８】５．患者はマウスピースから最大吸気量の霧を吸い込み、５秒間そのまま耐えて、ティッシュペーパに強く吐きだすことによって第１の深呼吸を行な
う。

【０１７９】６．患者は、ステップ５を繰返すことによって第２の深呼吸を行う。

【０１８０】７．患者は、マウスピースから最大吸気量の霧を吸い込み、５秒間そのまま耐えて、ティッシュで口を覆って、深く咳をし、３０ｍｌ固定剤（例３に
説明するように準備された）を含む粘液収集広口瓶の中に粘液を吐き出すことに
よって第３の深呼吸を行う。

【０１８１】８．患者は、ステップ３乃至７を５回繰返す。３日間プール方法３日間プール方法では、患者は以下に概説する３日間プール方法にしたがって
３日間以上連続して早朝の粘液サンプルを収集する：１．患者は軽く咳をして、口を徹底的に濯ぎ、あるいは歯を磨いて、結
果に影響を及ぼす目につかない有機堆積物(debris)を減少させる。

【０１８２】２．患者は粘液サンプルを生成し、３０ｍｌ固定剤（例３に説明するように準備された）を含むサンプル収集広口瓶中にそれを吐き出す。

【０１８３】３．患者は、広口瓶に収集された標本を一晩中冷却する。

【０１８４】４．患者は２日以上連続して朝にステップ１乃至３を繰返す。［例３］代表的な固定剤溶液固定は、フォイルゲン染色細胞の映像血球計算および分類において最も重要な
ステップの１つである。固定剤の化学的性質は染色結果、および最終的に細胞分
類に影響を及ぼすものである。いくつかの固定剤がそれらの適合性に関して研究
されており、エタノールとポリエチレングリコールの混合物が好ましい固定剤で
あると確認されている。

【０１８５】容積で１乃至２％のポリエチレングリコールを含む５０％の水性エタノール溶液である標準的な固定剤が、細胞学的サンプルの準備まで粘液サンプルを保存
および固定するためにサンプル収集広口瓶において使用される。標準的な固定剤
は、３８４ｍｌの固定剤濃縮液（SurgiPath 社のSEDFIX）を４リットル容器に加
え、続いて１７００ｍｌの蒸留水と１７００ｍｌの９５％エタノールを付加する
ことによって処理される。

【０１８６】好ましい固定剤を準備するために、ジチオトレイトール（ＤＴＴ）を付加することによって標準的な固定剤が修正される。ＤＴＴは、粘液を分解し、低濃度
のものが使用された場合に、組織形態に対して悪影響を及ぼすことなく特殊症状
を示す細胞の収率を増加させることが独立した研究によって示されている。ＤＴ
Ｔはまた、標本の背景染色を減少させることが知られている。ＤＴＴ固定剤は、
サンプル準備中に使用され、粘液サンプル中の粘液を分解するための後固定方法
を提供する。ＤＴＴ固定剤溶液は、上述したように準備された４リットルの標準
固定剤に０．４グラムのＤＴＴを付加することによって処理される。

【０１８７】［例４］代表的な分類用粘液サンプルの準備工程この例では、本発明のシステムおよび方法による分類用の粘液サンプルを準備
するための代表的な工程を説明する。以下に概説するように、上記の例２において説明したように得られた粘液サン
プルを分類のために準備する：１．標本を遠心チューブに移して、元の標本容器を数ミリリットルの標
準固定剤（例３において説明したように準備された）で濯ぎ、この濯ぎ液を遠心
チューブに移す。

【０１８８】２．１０００ｇで１０分間遠心力を作用させる。

【０１８９】３．上ずみを捨てる。

【０１９０】４．３０ｍｌのＤＴＴ固定剤（例３において説明したように準備された）中で細胞球粒を再度懸濁する。渦巻き運動で混合させ、６０分間静止させて
おく。３０分後に混合を確実にするため渦巻き運動を行う。

【０１９１】５．この期間および遠心作用期間中に、解析のために６乃至１０個の高粘着顕微鏡スライド（３乃至５対）を準備する。

【０１９２】６．洗浄ステップ。１０００ｇで１０分間遠心力を作用させる。遠心作用後、上ずみを捨て、３０ｍｌのＤＴＴ固定剤中で細胞球粒に渦巻き運動させ
ることによって再度懸濁する。再び１０００ｇで１０分間遠心力を作用させる。この球粒を乱さずにその上ずみを捨てる。

【０１９３】７．この細胞球粒に対して６乃至１０滴を生成するのに十分な標準固定剤を加える。

【０１９４】８．均質になるまで各チューブに渦巻き運動させて、細胞を再度懸濁状態にする。

【０１９５】９．１ｍｌの使い捨て移動ピペットを使用して、混合された細胞懸濁液を高粘着顕微鏡スライドの中央に１滴落とす。

【０１９６】１０．対にされたスライドをとって、これを表面どうしが重なるように第１のスライド上に置き、互いを弱い力で押しつけ、その後弱い力で引っ張る
。この目的は、細胞の滑らかな単層を得ることである。スライドの端部に収集す
べき標本を配置しない。

【０１９７】１１．スライドを完全に空気乾燥させ、解析前に相互汚染する危険性を減らす。

【０１９８】上記説明のように処理されたスライドは、上記の例１において説明したような方法によって染色される。染色後、スライドはカバーガラスで覆われる。カバーガラスで覆うときに、通
常キシレン中で溶解できる固定(mounting)媒体（たとえば、ＶＷＲサイエンティ
フィック社から入手可能なCytosealまたはフィッシャーサイエンティフィック社
製のPermountのようなキシレン固定(mounting)媒体、あるいは浸漬油）を１滴ま
たは２滴標本上に落す。その後、薄いガラス片であるカバーガラスがスライド標
本固定媒体の上に載せられる。固定媒体スライドとカバーガラスとの間で拡散す
る。気泡が生じるのを避けなければならない。固定媒体は、スライドおよびカバ
ーガラスにおいて使用されるガラスの屈折率に一致するように製造される。この
組合せによって、通常は一晩であるが、少なくとも固定媒体が凝固するのに十分
な期間にわたる室温での空気乾燥が可能になる。この期間は１時間程度の短い時
間であってもよい。固定媒体として浸漬油を使用するスライドについては、凝固
は生じない。上述のように準備されたスライドは、本発明の自動分類システムに
よる解析および分類に対する準備が整った状態である。

【０１９９】本発明の好ましい実施形態が図示および説明してきたが、本発明の技術的範囲を逸脱することなく種々の変更が可能であることが理解されるであろう。

【図面の簡単な説明】

【図１】本発明によるＭＡＣ検出システムのブロック図。

【図２】ＭＡＣを検出するために本発明によって行われるステップを示す一連のフロー
チャート。

【図３】ＭＡＣを検出するために本発明によって行われるステップを示す一連のフロー
チャート。

【図４】ＭＡＣを検出するために本発明によって行われるステップを示す一連のフロー
チャート。

【図５】スライドの背景から関心を持たれているオブジェクトを分離するために使用さ
れる例示的なヒストグラム。

【図６】ＭＡＣの検出のために細胞サンプルを処理するために使用される好ましい染色
工程のフローチャート。

【図７】映像中に配置されたオブジェクトの概略図。

【図８】映像中に配置されたオブジェクトの概略図。

【図９】本発明がオブジェクトのエッジの位置を決めるためにどのようにして動作する
かを示す概略図。

【図１０】細胞核からアーティファクトを分離し、非ＭＡＣ核からＭＡＣ核を分離する分
類装置の概略図。

【図１１】細胞核からアーティファクトを分離し、非ＭＡＣ核からＭＡＣ核を分離する分
類装置の概略図。

【図１２】患者が正常か異常かをＭＡＣの存在に基づいて判断して決定するために本発明
によって行われるステップのフローチャート。

【図１３】本発明の自動化された分類装置システムの概略図。

【図１４】 "DI"がＤＮＡインデックス（正常＝１．０）を指し、"norm cell" が正常細胞
を指し、"junk"が残骸(debris)を指し、"lymph" はリンパ球を指し、"abn cell"
は異常な上皮細胞を指し、"dust"は肺胞の大食細胞を指し、"polys" は多形核好
中球白血球を指し、"eos" は多形核好酸球白血球を指している、細胞サンプル中
の上皮細胞を分類するために１次分類装置によって使用される２進決定ツリーの
フローチャート。

【図１５】細胞サンプル中の上皮細胞の中から悪性関連変化（すなわち、ＭＡＣ陽性細胞
）を有する細胞を分類するために２次分類装置によって使用される２進決定ツリ
ーのフローチャート。

【手続補正書】

【提出日】平成１２年６月１２日（２０００．６．１２）

【手続補正１】

【補正対象書類名】明細書

【補正対象項目名】０００４

【補正方法】変更

【補正内容】

【０００４】

【発明が解決しようとする課題】癌または前癌状態を有することが知られている患者のＭＡＣを検出する研究者
の能力にもかかわらず、ＭＡＣは患者が癌であるか癌を進行させているかを決定
するためのスクリーンツールとして広い許容性を実現していない。典型的に、Ｍ
ＡＣは腫瘍または前癌性の病巣近くの位置から細胞サンプルを慎重に選択し、比
較的高い拡大率でその細胞を観察することによって検出されている。しかしなが
ら、細胞で生じる悪性関連変化があまりにも微妙であるために、特に患者が癌で
あるか否かを病理学者が事前に知らないとき、一般的な顕微鏡装置を使用して作
業する病理学者が信頼性をもってこの変化を検出されることができないと考えら
れている。例えば、悪性関連変化は、細胞核エッジの形状の僅かな変化と結合さ
れた核内のＤＮＡ分布により示されることができる。しかしながら、正常な細胞
からの核は類似のタイプの変化を示すが、ＭＡＣの兆候になる程度ではない。人
間のオペレータはこのような微妙な細胞変化を容易に量化できないので、ＭＡＣ
を示す細胞を決定することは困難である。さらに、ＭＡＣを示す変化は異なるタ
イプの癌により変化し、それによってこれらの検出をさらに困難にする。出願人Xillix Technologies Corporation により1994年５月に出願された欧州
特許出願第0 595 506 号明細書は、細胞核映像の特徴、特に細胞核ＤＮＡ分布を
解析することによって細胞の悪性関連変化を検出する方法を開示している。この
公開された明細書に記載されている技術は上皮細胞の識別を含んでいない。 NeoPath 社の出願した1997年５月６日に発行された米国特許第5,627,900 号明
細書は自動的な細胞サンプルスクリーニングのサンプル間の変化を考慮する方法
を記載している。特に、この特許明細書はパンくず（Pap ）の汚れから準備され
たサンプルのような細胞サンプルを含むスライドを証明するためのダイナミック
正規化方法である。この方法は３つの段、即ち（１）研究施設間の変化を正規化
する初期的な較正段と、（２）研究施設内のバッチ変化を正規化する連続的なパ
ラメータ調節と、（３）ダイナミック正規化プロセスの一体化を確実にする証明
段とを含んでいる。この特許明細書に記載されている技術は、連続的に上皮細胞
を選択するための第１の分類装置と第２の分類装置の使用を含んでいない。

───────────────────────────────────────────────────── フロントページの続き (81)指定国ＥＰ(ＡＴ，ＢＥ，ＣＨ，ＣＹ，ＤＥ，ＤＫ，ＥＳ，ＦＩ，ＦＲ，ＧＢ，ＧＲ，ＩＥ，ＩＴ，ＬＵ，ＭＣ，ＮＬ，ＰＴ，ＳＥ)，ＯＡ(ＢＦ，ＢＪ，ＣＦ，ＣＧ，ＣＩ，ＣＭ，ＧＡ，ＧＮ，ＧＷ，ＭＬ，ＭＲ，ＮＥ，ＳＮ，ＴＤ，ＴＧ)，ＡＰ(ＧＨ，ＧＭ，ＫＥ，ＬＳ，ＭＷ，ＳＤ，ＳＺ，ＵＧ，ＺＷ)，ＥＡ(ＡＭ，ＡＺ，ＢＹ，ＫＧ，ＫＺ，ＭＤ，ＲＵ，ＴＪ，ＴＭ) ，ＡＬ，ＡＭ，ＡＴ，ＡＵ，ＡＺ，ＢＡ，ＢＢ，ＢＧ，ＢＲ，ＢＹ，ＣＡ，ＣＨ，ＣＮ，ＣＵ，ＣＺ，ＤＥ，ＤＫ，ＥＥ，ＥＳ，ＦＩ，ＧＢ，ＧＥ，ＧＨ，ＧＭ，ＨＲ，ＨＵ，ＩＤ，ＩＬ，ＩＳ，ＪＰ，ＫＥ，ＫＧ，ＫＰ，ＫＲ，ＫＺ，ＬＣ，ＬＫ，ＬＲ，ＬＳ，ＬＴ，ＬＵ，ＬＶ，ＭＤ，ＭＧ，ＭＫ，ＭＮ，ＭＷ，ＭＸ，ＮＯ，ＮＺ，ＰＬ，ＰＴ，ＲＯ，ＲＵ，ＳＤ，ＳＥ，ＳＧ，ＳＩ，ＳＫ，ＳＬ，ＴＪ，ＴＭ，ＴＲ，ＴＴ，ＵＡ，ＵＧ，ＵＺ，ＶＮ，ＹＵ，ＺＷ (72)発明者マコーレイ、カルム・エリックカナダ国、ブイ５ダブリュ・１イー７、ブリティッシュ・コロンビア、バンクーバー、イースト・サーティーセブンス・アベニュー 338 (72)発明者ハリソン、エス・アランカナダ国、ブイ６エス・１ティー８、ブリティッシュ・コロンビア、バンクーバー、ウエスト・トゥエンティーナインス・アベニュー 3884 (72)発明者ラム、スティーブンカナダ国、ブイ６ティー・２イー３、ブリティッシュ・コロンビア、バンクーバー、ウイクリフ・ロード 5512 (72)発明者ペイン、ピーター・ウイリアムカナダ国、ブイ３エックス・３エイチ４、ブリティッシュ・コロンビア、サリー、63 エー・アベニュー 12385 (72)発明者ガーナー、デビッド・マイケルカナダ国、ブイ６ピー・１ティー８、ブリティッシュ・コロンビア、バンクーバー、ウエスト・シックスティナインス・アベニュー 838 (72)発明者ドードキン、アレクセイカナダ国、ブイ４イー・２エル７、ブリティッシュ・コロンビア、デルタ、ウエストビュー・ドライブ 6921 Ｆターム(参考） 2G045 AA24 AA26 AA39 BA14 BB23 BB25 CB01 CB02 DA13 FA16 FA19 GB10 GC30 JA01 JA03 4B063 QA01 QA19 QQ03 QQ08 QQ42 QQ58 QR41 QR66 QS39 QX01

Claims

【特許請求の範囲】

【請求項１】細胞サンプル中の上皮細胞を検出する方法において、ａ．細胞サンプルを獲得し、ｂ．細胞サンプルの細胞を固定し、ｃ．細胞サンプル中の細胞核を識別するために細胞を染色し、ｄ．サンプルを照明し、顕微鏡およびデジタルカメラによりサンプルの映像を
獲得し、ｅ．背景照明における変化に対して映像を補償し、ｆ．関心のあるオブジェクトを検出するために映像を解析し、ｇ．関心のある各オブジェクトに対する焦点設定を決定し、その決定された焦
点設定における関心のある各オブジェクトの映像を獲得し、ｈ．関心のある各オブジェクトの境界であるエッジを計算し、ｉ．関心のある各オブジェクトに対する１組の特徴値を計算し、ｊ．関心のあるオブジェクト中の上皮細胞を識別する分類装置に１組の特徴値
を供給するステップを含むことを特徴とする上皮細胞検出方法。
【請求項２】細胞サンプル中の上皮細胞を識別するために使用される特徴
は、面積、平均半径、ＯＤ分散、ＯＤスキュー度、レンジ平均、ＯＤ最大、光ス
ポットの密度、低ＤＮＡ面積、高ＤＮＡ面積、低ＤＮＡ量、高ＤＮＡ量、高平均
距離、中／高平均距離、相関、均一度、エントロピー、フラクタルディメンショ
ン、ＤＮＡ指数、ラン0 ％、ラン45％、ラン90％、ラン135 ％、グレーレベル 0
、グレーレベル45、グレーレベル90、グレーレベル135 、ラン長 0、ラン長45、
ラン長90、ラン長135 、ハーモニック4 、ハーモニック5 、ハーモニック6 から
なるグループから選択された特徴を含んでいる請求項１記載の方法。
【請求項３】分類装置は判別関数を使用して上皮細胞を識別し、その判別
関数はハーモン05およびフリクマック2 からなるグループから選択された特徴を
使用する請求項１記載の方法。
【請求項４】細胞サンプルは人体の肺の標本である請求項１記載の方法。
【請求項５】細胞核を識別するためのサンプルの染色は化学量論的ＤＮＡ
染色剤による染色を含んでいる請求項１記載の方法。
【請求項６】化学量論的ＤＮＡ染色剤は、フォイリゲン染色剤、ロマノウ
スキ染色剤、メイ・グルンワルド・ギームザ染色剤、およびメチルグリーンから
なるグループから選択される請求項５記載の方法。
【請求項７】化学量論的ＤＮＡ染色剤は、チオニンである請求項５記載の
方法。
【請求項８】細胞サンプル中の特殊な症状を示す診断細胞を検出する方法
において、ａ．細胞サンプルを獲得し、ｂ．細胞サンプルの細胞を固定し、ｃ．細胞サンプル中の細胞核を識別するために細胞を染色し、ｄ．サンプルを照明し、顕微鏡およびデジタルカメラによりサンプルの映像を
獲得し、ｅ．背景照明における変化に対して映像を補償し、ｆ．関心のあるオブジェクトを検出するために映像を解析し、ｇ．関心のある各オブジェクトに対する焦点設定を決定し、その決定された焦
点設定における関心のある各オブジェクトの映像を獲得し、ｈ．関心のある各オブジェクトの境界であるエッジを計算し、ｉ．関心のある各オブジェクトに対する１組の特徴値を計算し、ｊ．関心のあるオブジェクト中の診断細胞を識別する分類装置に１組の特徴値
を供給するステップを含むことを特徴とする診断細胞検出方法。
【請求項９】細胞サンプル中の診断細胞を識別するために使用される特徴
は、面積、平均半径、ＯＤ分散、ＯＤスキュー度、レンジ平均、ＯＤ最大、光ス
ポットの密度、低ＤＮＡ面積、高ＤＮＡ面積、低ＤＮＡ量、高ＤＮＡ量、高平均
距離、中／高平均距離、相関、均一度、エントロピー、フラクタルディメンショ
ン、ＤＮＡ指数、ラン0 ％、ラン45％、ラン90％、ラン135 ％、グレーレベル 0
、グレーレベル45、グレーレベル90、グレーレベル135 、ラン長 0、ラン長45、
ラン長90、ラン長135 、ハーモニック4 、ハーモニック5 、ハーモニック6 から
なるグループから選択された特徴を含んでいる請求項８記載の方法。
【請求項１０】診断細胞を識別するために使用される特徴は、面積、光ス
ポットの密度、低ＤＮＡ面積、高ＤＮＡ面積、低ＤＮＡ量、高ＤＮＡ量、相関、
均一度、エントロピー、フラクタルディメンション、ＤＮＡ指数、ＯＤ最大、お
よび中間ＤＮＡ量からなるグループから選択された特徴を含んでいる請求項８記
載の方法。
【請求項１１】分類装置は判別関数を使用して細胞サンプル中の診断細胞
を識別し、その判別関数はハーモン03fft 、clシェイド、デンｄｒｋスポットお
よびフラクタル2 からなるグループから選択された特徴を使用する請求項８記載
の方法。
【請求項１２】診断細胞は癌の診断である請求項１０記載の方法。
【請求項１３】診断細胞は侵襲性になる前の癌細胞である請求項１０記載
の方法。
【請求項１４】診断細胞は侵襲性癌細胞である請求項１０記載の方法。
【請求項１５】癌患者を選別する方法において、ａ．細胞サンプルを獲得し、ｂ．細胞サンプルの細胞を固定し、ｃ．細胞サンプル中の細胞核を識別するために細胞を染色し、ｄ．サンプルを照明し、顕微鏡およびデジタルカメラによりサンプルの映像を
獲得し、ｅ．背景照明における変化に対して映像を補償し、ｆ．関心のあるオブジェクトを検出するために映像を解析し、ｇ．関心のある各オブジェクトに対する焦点設定を決定し、その決定された焦
点設定における関心のある各オブジェクトの映像を獲得し、ｈ．関心のある各オブジェクトの境界であるエッジを計算し、ｉ．関心のある各オブジェクトに対する１組の特徴値を計算し、ｊ．関心のあるオブジェクト中の上皮細胞を識別する第１の分類装置に１組の
特徴値を供給し、ｋ．上皮細胞が関心のあるオブジェクト中の診断細胞を含んでいるか否かを識
別する第２の分類装置に上皮細胞として識別された関心のあるオブジェクトに対
して計算された１組の特徴値を供給するステップを含むことを特徴とする癌患者
の選別方法。
【請求項１６】患者の侵襲性の癌の進行状況を決定する方法において、患者から細胞サンプルを獲得し、サンプル中の細胞が診断細胞を含んでいるか否かの決定において、（１）サンプル中の細胞核を染色し、（２）デジタル顕微鏡により細胞の映像を獲得し、その映像をコンピュータシ
ステムに記録し、（３）上皮細胞を識別するために細胞の記憶された映像を解析し、（４）サンプル中の識別された上皮細胞に対する１組の特徴値を計算し、その
特徴値から上皮細胞が診断細胞を含んでいるか否かを決定することを特徴とする
転移性癌の進行状況決定方法。
【請求項１７】侵襲性の癌が上皮細胞癌である請求項１６記載の方法。
【請求項１８】上皮細胞癌は、肺癌、胸部癌、前立腺癌、皮膚癌、および
胃の器官の癌からなるグループから選択される請求項１７記載の方法。
【請求項１９】特殊な症状を示す診断細胞を識別するための細胞試料自動
分類装置において、スライド上に位置する細胞試料の観察をするための顕微鏡と、観察した映像を生成するためのカメラと、映像のデジタル表示を生成するための映像デジタル化装置と、顕微鏡と、カメラと、映像デジタル化装置とを制御し、インターフェースする
コンピュータシステムとを具備し、前記コンピュータシステムは、関心のある１以上のオブジェクトを位置させる
ために映像のデジタル表示を解析し、関心のある各オブジェクトに対する１組の
特徴値を計算し、前記コンピュータシステムはさらに、関心のあるオブジェクトに対して計算された第１の１組の特徴値に基づいて
映像のデジタル表示における正常および異常の上皮細胞を識別する第１の分類装
置と、正常な上皮細胞として識別された関心のあるオブジェクトに対して計算され
た第２の１組の特徴値に基づいて診断細胞として正常な上皮細胞を識別する第２
の分類装置とを具備していることを特徴とする細胞試料自動分類装置。
【請求項２０】顕微鏡がデジタル顕微鏡である請求項１９記載の自動分類
装置。
【請求項２１】カメラはＣＣＤカメラである請求項１９記載の自動分類装
置。
【請求項２２】第１および第２の１組の特徴値は、面積、平均半径、ＯＤ
分散、ＯＤスキュー度、レンジ平均、ＯＤ最大、光スポットの密度、低ＤＮＡ面
積、高ＤＮＡ面積、低ＤＮＡ量、高ＤＮＡ量、高平均距離、中／高平均距離、相
関、均一度、エントロピー、フラクタルディメンション、ＤＮＡ指数、ラン0 ％
、ラン45％、ラン90％、ラン135 ％、グレーレベル 0、グレーレベル45、グレー
レベル90、グレーレベル135 、ラン長 0、ラン長45、ラン長90、ラン長135 、ハ
ーモニック4 、ハーモニック5 、ハーモニック6 からなるグループから選択され
る請求項１９記載の方法。
【請求項２３】第２の検出可能な特徴値は、面積、光スポットの密度、低
ＤＮＡ面積、高ＤＮＡ面積、低ＤＮＡ量、高ＤＮＡ量、相関、均一度、エントロ
ピー、フラクタルディメンション、ＤＮＡ指数、ＯＤ最大、および中間ＤＮＡ量
からなるグループから選択された特徴を含んでいる請求項１９記載の方法。