JP2006153742A - 病理診断支援装置、病理診断支援プログラム、病理診断支援方法、及び病理診断支援システム - Google Patents
病理診断支援装置、病理診断支援プログラム、病理診断支援方法、及び病理診断支援システム Download PDFInfo
- Publication number
- JP2006153742A JP2006153742A JP2004346911A JP2004346911A JP2006153742A JP 2006153742 A JP2006153742 A JP 2006153742A JP 2004346911 A JP2004346911 A JP 2004346911A JP 2004346911 A JP2004346911 A JP 2004346911A JP 2006153742 A JP2006153742 A JP 2006153742A
- Authority
- JP
- Japan
- Prior art keywords
- feature
- pattern
- learning pattern
- learning
- candidate
- 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
- JAPMJSVZDUYFKL-UHFFFAOYSA-N C1C2C1CCC2 Chemical compound C1C2C1CCC2 JAPMJSVZDUYFKL-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/20—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for electronic clinical trials or questionnaires
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/211—Selection of the most significant subset of features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/771—Feature selection, e.g. selecting representative features from a multi-dimensional feature space
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Artificial Intelligence (AREA)
- Primary Health Care (AREA)
- Software Systems (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Epidemiology (AREA)
- Databases & Information Systems (AREA)
- Public Health (AREA)
- Computing Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
- Investigating Or Analysing Biological Materials (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
【解決手段】 病理学検査において採取した組織には染色(ヘマトキシレン、エオジン等による染色)が施されるため、細胞核、その周辺組織等がそれぞれ特有の色に染色されていることを考慮して、病理画像から細胞核、空孔、細胞質、間質等を中心とするサブイメージを抽出すると同時に、細胞核の色情報を抽出し、両者を特徴候補として記憶することにより、より高い精度で腫瘍の有無、及び腫瘍の良性・悪性を判定する。
【選択図】 図1
Description
特徴候補生成手段102は、まず、s番目(s=1〜N、s=1からスタートする)の特徴パラメータセットを読み出し、s≦N_1であった場合には、s番目の特徴パラメータセット(k_s、r0_s、σ_s、th_s)を(k、r0、σ、th)に代入し、パラメータk、r0、σで規定される次式に例示する複素ガボール関数Gab、及びガウス関数Gを生成する。なお、s≦N_1の場合、学習パターンとして学習パターン記憶手段101に記憶されているカラーのサブイメージをグレースケール変換したグレースケール画像を用いて特徴cを算出する。
特徴候補生成手段102は、まず、s番目(s=1〜N、s=1からスタートする)の特徴パラメータセットを読み出し、N_1+1≦s≦N_1+N_2であった場合には、s番目の特徴パラメータセット(x_s、y_s、color_index)及び特徴候補の識別番号sを特徴決定手段103に送る(ステップS002)。
特徴候補生成手段102は、まず、s番目(s=1〜N、s=1からスタートする)の特徴パラメータセットを読み出し、N_1+N_2+1≦s≦Nであった場合には、s番目の特徴パラメータセット(x_s、y_s、color_index、th_s)及び特徴候補の識別番号sを特徴決定手段103に送る(ステップS002)。なお、ここで、(x_s、y_s)は、サブイメージ中の特徴cを決定する画素の位置を表し、color_index(=1〜4)は、特徴cに対する色を表し、thは閾値パラメータを表している。
続いて、学習パターンに実効的ノイズを加える本発明の第2の実施形態について説明する。
続いて、本発明の第3の実施形態について、図面を参照して説明する。本実施形態においても、上記した第1、第2の実施形態と同様に、3クラス以上の場合に拡張することは容易であるが、説明の便宜のため、2クラスの場合(q=0 or 1)について説明する。
次に、第1〜3の実施形態に係る病理診断支援装置を利用した病理診断支援システムの構成及び動作について説明する。
101、301 学習パターン記憶手段
102、302 特徴候補生成手段
103、303 特徴決定手段
104、304 特徴記憶手段
105 分類テーブル作成手段
106 分類テーブル
201、202、403 診断手段
202、402 特徴抽出手段
305 遷移テーブル
401 パターン入力手段
1601 顕微鏡
1602 病理画像処理端末
1603 病理診断サーバ
1604 課金サーバ
Claims (43)
- 学習に用いる病理画像から腫瘍を中心としたイメージを切り出し、学習パターンとして入力する学習パターン入力手段と、クラス情報が付された前記学習パターンを記憶保持する学習パターン記憶手段と、複数の特徴候補を生成する特徴候補生成手段と、前記特徴候補生成手段によって生成される特徴候補の中から診断に適した特徴のセットを決定する特徴決定手段と、前記特徴決定手段により決定されている特徴のセットを記憶保持する特徴記憶手段と、分類テーブルを作成する分類テーブル作成手段と、診断する病理画像から腫瘍候補を中心としたイメージを切り出し、入力パターンとして入力するパターン入力手段と、前記入力パターンから特徴を抽出する特徴抽出手段と、前記特徴に基いて診断する診断手段とを有する病理診断支援装置において、
前記特徴決定手段は、前記各特徴候補に対応する各学習パターンの特徴を計算して、前記学習パターン集合のクラス情報との相互情報量が最大となる特徴候補を、特徴のセットの最初の特徴として決定し、決定した特徴が既知であるとの条件の下で、各特徴候補に対応する各学習パターンの特徴と、前記各学習パターンのクラス情報との相互情報量が最大となる特徴候補を、特徴のセットの次なる特徴として、順次、決定し、
前記分類テーブル作成手段が、前記特徴のセットを用いて、前記各学習パターンの各特徴を計算し、前記各学習パターンの各特徴と、クラス情報と、を配置してなる前記分類テーブルにより前記パターンを分類し、
前記特徴抽出手段は、前記特徴のセットを用いて、前記入力パターンの各特徴を算出し、
前記診断手段は、前記算出結果及び前記分類テーブルに基いて、前記入力パターンを診断することを特徴とする病理診断支援装置。 - 学習に用いる病理画像から腫瘍を中心としたイメージを切り出し、学習パターンとして入力する学習パターン入力手段と、クラス情報が付された前記学習パターンを記憶保持する学習パターン記憶手段と、複数の特徴候補を生成する特徴候補生成手段と、前記特徴候補生成手段によって生成される特徴候補の中から診断に適した特徴のセットを決定する特徴決定手段と、前記特徴決定手段により決定されている特徴のセットを記憶保持する特徴記憶手段と、分類テーブルを作成する分類テーブル作成手段と、診断する病理画像から腫瘍候補を中心としたイメージを切り出し、入力パターンとして入力するパターン入力手段と、前記入力パターンから特徴を抽出する特徴抽出手段と、前記特徴に基いて診断する診断手段とを有する病理診断支援装置において、
前記特徴決定手段は、前記学習パターンを特徴の値に応じて遷移させるべき、予め定めた個数の集合を用意し、前記各特徴候補に対応する各学習パターンの特徴を計算して、前記学習パターン集合のクラス情報との相互情報量が最大となる特徴候補を、特徴のセットの最初の特徴として決定し、前記各学習パターンを、決定した特徴に応じた重みを付けて、分配するとともに、決定した特徴に対応する集合に、順次、遷移させ、前記各学習パターンが含まれる集合についての情報と、決定されている特徴とが既知であるとの条件の下で、各特徴候補に対応する各学習パターンの特徴と、前記各学習パターンのクラス情報との相互情報量が最大となる特徴候補を、特徴のセットの次なる特徴として、順次、決定し、
前記分類テーブル作成手段が、前記特徴のセットを用いて、前記各学習パターンの各特徴を計算し、前記各学習パターンの各特徴と、クラス情報と、を配置してなる前記分類テーブルにより前記学習パターンを分類し、
前記特徴抽出手段は、前記特徴のセットを用いて、前記入力パターンの各特徴を算出し、
前記診断手段は、前記入力パターンの各特徴と、前記特徴のセットの各特徴の決定の際に前記学習パターンが属する集合を逐次記録してなる遷移テーブルと、に基いて前記入力パターンの遷移を行って、前記遷移の結果、前記入力パターンが属する集合に基いて前記入力パターンを診断することを特徴とする病理診断支援装置。 - 学習に用いる病理画像から腫瘍を中心としたイメージを切り出し、学習パターンとして入力する学習パターン入力手段と、クラス情報が付された前記学習パターンを記憶保持する学習パターン記憶手段と、複数の特徴候補を生成する特徴候補生成手段と、前記特徴候補生成手段によって生成される特徴候補の中から診断に適した特徴のセットを決定する特徴決定手段と、前記特徴決定手段により決定されている特徴のセットを記憶保持する特徴記憶手段と、分類テーブルを作成する分類テーブル作成手段と、診断する病理画像から腫瘍候補を中心としたイメージを切り出し、入力パターンとして入力するパターン入力手段と、前記入力パターンから特徴を抽出する特徴抽出手段と、前記特徴に基いて診断する診断手段とを有する病理診断支援装置において、
前記特徴決定手段は、前記学習パターンを特徴の値に応じて遷移させるべき、予め定めた個数の集合を用意し、前記各特徴候補に対応する各学習パターンの特徴を計算して、前記学習パターン集合のクラス情報との相互情報量が最大となる特徴候補を、特徴のセットの最初の特徴として決定し、前記各学習パターンを、決定した特徴に応じた重みを付けて、分配するとともに、決定した特徴に対応する集合に、順次、遷移させ、前記各学習パターンが含まれる集合についての情報と、決定されている特徴とが既知であるとの条件の下で、各特徴候補に対応する各学習パターンの特徴と、前記各学習パターンのクラス情報との相互情報量が最大となる特徴候補を、特徴のセットの次なる特徴として、順次、決定し、
前記分類テーブル作成手段が、前記特徴のセットを用いて、前記各学習パターンの各特徴を計算し、前記各学習パターンの各特徴と、クラス情報と、を配置してなる前記分類テーブルにより前記学習パターンを分類し、
前記特徴抽出手段は、前記特徴のセットを用いて、該順位の特徴が予め定めた値となる確率を示している、前記入力パターンの各特徴を算出し、
前記診断手段は、前記入力パターンの各特徴と、前記特徴のセットの各特徴の決定の際に前記学習パターンが属する集合を逐次記録してなる遷移テーブルと、に基いて前記入力パターンが予め定められたクラス情報を有する確率を算出し、診断することを特徴とする病理診断支援装置。 - 前記学習パターン入力手段及び前記パターン入力手段は、
染色された前記病理画像中の各画素のRGB値から、予め設定された腫瘍細胞核が属する色領域に属する画素を選択し、前記色領域の分布の中心と前記色領域に属する各画素との距離を算出し、前記距離に応じて前記各画素に信号を付与し、前記病理画像中における前記信号の分布からピークを検出し、前記ピークを中心としたイメージを前記学習パターンとして入力することを特徴とする請求項1から3のいずれか1項記載の病理診断支援装置。 - 前記特徴候補生成手段が生成する特徴候補には、複素ガボール関数を特徴抽出関数から得られる特徴候補が含まれることを特徴とする請求項1から4のいずれか1項記載の病理診断支援装置。
- 前記特徴候補生成手段が生成する特徴候補には、複素ガボール関数を規格化した特徴抽出関数から得られる特徴候補が含まれることを特徴とする請求項1から4のいずれか1項記載の病理診断支援装置。
- 前記特徴候補生成手段が生成する特徴候補には、腫瘍の色を識別する特徴候補が含まれることを特徴とする請求項1から6のいずれか1項記載の病理診断支援装置。
- 前記特徴決定手段は、前記学習パターン入力手段によって算出された前記学習パターンに含まれる前記各画素の信号と、予め設定された閾値とを比較することを特徴とする請求項7記載の病理診断支援装置。
- 前記特徴決定手段は、前記学習パターン入力手段によって算出された前記学習パターンに含まれる前記各画素の信号と、前記各画素近傍に位置する画素の信号の平均値とを比較することを特徴とする請求項7記載の病理診断支援装置。
- 前記特徴決定手段は、前記各学習パターンに対して、前記特徴候補毎に予め定められたノイズパラメータによる操作を加えることを特徴とする請求項5、6、又は9記載の病理診断支援装置。
- 前記特徴決定手段は、前記各特徴候補に対応する前記各学習パターンの特徴として、前記各学習パターンの特徴が、予め定めた値をとる確率を計算することを特徴とする請求項5、6、又は9記載の病理診断支援装置。
- 前記特徴の値に関らず、前記学習パターンを分類できるとき、前記分類テーブル作成手段は、前記分類テーブルの対応する位置に、前記特徴の値に代えて冗長項を置くことを特徴とする請求項1から11のいずれか1項記載の病理診断支援装置。
- 前記入力パターンの各特徴は、該順位の特徴が予め定めた値となる確率の値であって、
前記診断手段は、前記各特徴を用いて、前記分類テーブルに含まれる各特徴パターンが予め定めたクラス情報の値となる確率を計算して判定を行うことを特徴とする請求項1から12のいずれか1項記載の病理診断支援装置。 - 学習に用いる病理画像から腫瘍を中心としたイメージを切り出し、学習パターンとして入力する学習パターン入力手段と、クラス情報が付された前記学習パターンを記憶保持する学習パターン記憶手段と、複数の特徴候補を生成する特徴候補生成手段と、前記特徴候補生成手段によって生成される特徴候補の中から診断に適した特徴のセットを決定する特徴決定手段と、前記特徴決定手段により決定されている特徴のセットを記憶保持する特徴記憶手段と、分類テーブルを作成する分類テーブル作成手段と、診断する病理画像から腫瘍候補を中心としたイメージを切り出し、入力パターンとして入力するパターン入力手段と、前記入力パターンから特徴を抽出する特徴抽出手段と、前記特徴に基いて診断する診断手段とを有する病理診断支援装置の病理診断支援プログラムであって、
前記特徴決定手段が、前記各特徴候補に対応する各学習パターンの特徴を計算して、前記学習パターン集合のクラス情報との相互情報量が最大となる特徴候補を、特徴のセットの最初の特徴として決定し、決定した特徴が既知であるとの条件の下で、各特徴候補に対応する各学習パターンの特徴と、前記各学習パターンのクラス情報との相互情報量が最大となる特徴候補を、特徴のセットの次なる特徴として、順次、決定する処理と、
前記分類テーブル作成手段が、前記特徴のセットを用いて、前記各学習パターンの各特徴を計算し、前記各学習パターンの各特徴と、クラス情報と、を配置してなる前記分類テーブルにより前記パターンを分類する処理と、
前記特徴抽出手段が、前記特徴のセットを用いて、前記入力パターンの各特徴を算出する処理と、
前記診断手段が、前記算出結果及び前記分類テーブルに基いて、前記入力パターンを診断する処理とを有することを特徴とする病理診断支援プログラム。 - 学習に用いる病理画像から腫瘍を中心としたイメージを切り出し、学習パターンとして入力する学習パターン入力手段と、クラス情報が付された前記学習パターンを記憶保持する学習パターン記憶手段と、複数の特徴候補を生成する特徴候補生成手段と、前記特徴候補生成手段によって生成される特徴候補の中から診断に適した特徴のセットを決定する特徴決定手段と、前記特徴決定手段により決定されている特徴のセットを記憶保持する特徴記憶手段と、分類テーブルを作成する分類テーブル作成手段と、診断する病理画像から腫瘍候補を中心としたイメージを切り出し、入力パターンとして入力するパターン入力手段と、前記入力パターンから特徴を抽出する特徴抽出手段と、前記特徴に基いて診断する診断手段とを有する病理診断支援装置の病理診断支援プログラムであって、
前記特徴決定手段が、前記学習パターンを特徴の値に応じて遷移させるべき、予め定めた個数の集合を用意し、前記各特徴候補に対応する各学習パターンの特徴を計算して、前記学習パターン集合のクラス情報との相互情報量が最大となる特徴候補を、特徴のセットの最初の特徴として決定し、前記各学習パターンを、決定した特徴に応じた重みを付けて、分配するとともに、決定した特徴に対応する集合に、順次、遷移させ、前記各学習パターンが含まれる集合についての情報と、決定されている特徴とが既知であるとの条件の下で、各特徴候補に対応する各学習パターンの特徴と、前記各学習パターンのクラス情報との相互情報量が最大となる特徴候補を、特徴のセットの次なる特徴として、順次、決定する処理と、
前記分類テーブル作成手段が、前記特徴のセットを用いて、前記各学習パターンの各特徴を計算し、前記各学習パターンの各特徴と、クラス情報と、を配置してなる前記分類テーブルにより前記学習パターンを分類する処理と、
前記特徴抽出手段が、前記特徴のセットを用いて、前記入力パターンの各特徴を算出する処理と、
前記診断手段が、前記入力パターンの各特徴と、前記特徴のセットの各特徴の決定の際に前記学習パターンが属する集合を逐次記録してなる遷移テーブルと、に基いて前記入力パターンの遷移を行って、前記遷移の結果、前記入力パターンが属する集合に基いて前記入力パターンを診断する処理とを有することを特徴とする病理診断支援プログラム。 - 学習に用いる病理画像から腫瘍を中心としたイメージを切り出し、学習パターンとして入力する学習パターン入力手段と、クラス情報が付された前記学習パターンを記憶保持する学習パターン記憶手段と、複数の特徴候補を生成する特徴候補生成手段と、前記特徴候補生成手段によって生成される特徴候補の中から診断に適した特徴のセットを決定する特徴決定手段と、前記特徴決定手段により決定されている特徴のセットを記憶保持する特徴記憶手段と、分類テーブルを作成する分類テーブル作成手段と、診断する病理画像から腫瘍候補を中心としたイメージを切り出し、入力パターンとして入力するパターン入力手段と、前記入力パターンから特徴を抽出する特徴抽出手段と、前記特徴に基いて診断する診断手段とを有する病理診断支援装置の病理診断支援プログラムであって、
前記特徴決定手段は、前記学習パターンを特徴の値に応じて遷移させるべき、予め定めた個数の集合を用意し、前記各特徴候補に対応する各学習パターンの特徴を計算して、前記学習パターン集合のクラス情報との相互情報量が最大となる特徴候補を、特徴のセットの最初の特徴として決定し、前記各学習パターンを、決定した特徴に応じた重みを付けて、分配するとともに、決定した特徴に対応する集合に、順次、遷移させ、前記各学習パターンが含まれる集合についての情報と、決定されている特徴とが既知であるとの条件の下で、各特徴候補に対応する各学習パターンの特徴と、前記各学習パターンのクラス情報との相互情報量が最大となる特徴候補を、特徴のセットの次なる特徴として、順次、決定する処理と、
前記分類テーブル作成手段が、前記特徴のセットを用いて、前記各学習パターンの各特徴を計算し、前記各学習パターンの各特徴と、クラス情報と、を配置してなる前記分類テーブルにより前記学習パターンを分類する処理と、
前記特徴抽出手段は、前記特徴のセットを用いて、該順位の特徴が予め定めた値となる確率を示している、前記入力パターンの各特徴を算出する処理と、
前記診断手段は、前記入力パターンの各特徴と、前記特徴のセットの各特徴の決定の際に前記学習パターンが属する集合を逐次記録してなる遷移テーブルと、に基いて前記入力パターンが予め定められたクラス情報を有する確率を算出し、診断する処理とを有することを特徴とする病理診断支援プログラム。 - 前記学習パターン入力手段及び前記パターン入力手段は、
染色された前記病理画像中の各画素のRGB値から、予め設定された腫瘍細胞核が属する色領域に属する画素を選択する処理と、
前記色領域の分布の中心と前記色領域に属する各画素との距離を算出する処理と、
前記距離に応じて前記各画素に信号を付与する処理と、
前記病理画像中における前記信号の分布からピークを検出する処理と、
前記ピークを中心としたイメージを前記学習パターンとして入力する処理とを有することを特徴とする請求項14から16のいずれか1項記載の病理診断支援プログラム。 - 前記特徴候補生成手段が生成する特徴候補には、複素ガボール関数を特徴抽出関数から得られる特徴候補が含まれることを特徴とする請求項14から17のいずれか1項記載の病理診断支援プログラム。
- 前記特徴候補生成手段が生成する特徴候補には、複素ガボール関数を規格化した特徴抽出関数から得られる特徴候補が含まれることを特徴とする請求項14から17のいずれか1項記載の病理診断支援プログラム。
- 前記特徴候補生成手段が生成する特徴候補には、腫瘍の色を識別する特徴候補が含まれることを特徴とする請求項14から19のいずれか1項記載の病理診断支援プログラム。
- 前記特徴決定手段は、前記学習パターン入力手段によって算出された前記学習パターンに含まれる前記各画素の信号と、予め設定された閾値とを比較する処理を有することを特徴とする請求項20記載の病理診断支援プログラム。
- 前記特徴決定手段は、前記学習パターン入力手段によって算出された前記学習パターンに含まれる前記各画素の信号と、前記各画素近傍に位置する画素の信号の平均値とを比較する処理を有することを特徴とする請求項20記載の病理診断支援プログラム。
- 前記特徴決定手段は、前記各学習パターンに対して、前記特徴候補毎に予め定められたノイズパラメータによる操作を加える処理を有することを特徴とする請求項18、19、又は22記載の病理診断支援プログラム。
- 前記特徴決定手段は、前記各特徴候補に対応する前記各学習パターンの特徴として、前記各学習パターンの特徴が、予め定めた値をとる確率を計算する処理を有することを特徴とする請求項18、19、又は22記載の病理診断支援プログラム。
- 前記特徴の値に関らず、前記学習パターンを分類できるとき、前記分類テーブル作成手段は、前記分類テーブルの対応する位置に、前記特徴の値に代えて冗長項を置く処理を有することを特徴とする請求項14から24のいずれか1項記載の病理診断支援プログラム。
- 前記入力パターンの各特徴は、該順位の特徴が予め定めた値となる確率の値であって、
前記診断手段は、前記各特徴を用いて、前記分類テーブルに含まれる各特徴パターンが予め定めたクラス情報の値となる確率を計算して判定を行う処理を有することを特徴とする請求項14から25のいずれか1項記載の病理診断支援プログラム。 - 学習に用いる病理画像から腫瘍を中心としたイメージを切り出し、学習パターンとして入力する学習パターン入力手段と、クラス情報が付された前記学習パターンを記憶保持する学習パターン記憶手段と、複数の特徴候補を生成する特徴候補生成手段と、前記特徴候補生成手段によって生成される特徴候補の中から診断に適した特徴のセットを決定する特徴決定手段と、前記特徴決定手段により決定されている特徴のセットを記憶保持する特徴記憶手段と、分類テーブルを作成する分類テーブル作成手段と、診断する病理画像から腫瘍候補を中心としたイメージを切り出し、入力パターンとして入力するパターン入力手段と、前記入力パターンから特徴を抽出する特徴抽出手段と、前記特徴に基いて診断する診断手段とを有する病理診断支援装置の病理診断支援方法であって、
前記特徴決定手段が、前記各特徴候補に対応する各学習パターンの特徴を計算して、前記学習パターン集合のクラス情報との相互情報量が最大となる特徴候補を、特徴のセットの最初の特徴として決定し、決定した特徴が既知であるとの条件の下で、各特徴候補に対応する各学習パターンの特徴と、前記各学習パターンのクラス情報との相互情報量が最大となる特徴候補を、特徴のセットの次なる特徴として、順次、決定する工程と、
前記分類テーブル作成手段が、前記特徴のセットを用いて、前記各学習パターンの各特徴を計算し、前記各学習パターンの各特徴と、クラス情報と、を配置してなる前記分類テーブルにより前記パターンを分類する工程と、
前記特徴抽出手段が、前記特徴のセットを用いて、前記入力パターンの各特徴を算出する工程と、
前記診断手段が、前記算出結果及び前記分類テーブルに基いて、前記入力パターンを診断する工程とを有することを特徴とする病理診断支援方法。 - 学習に用いる病理画像から腫瘍を中心としたイメージを切り出し、学習パターンとして入力する学習パターン入力手段と、クラス情報が付された前記学習パターンを記憶保持する学習パターン記憶手段と、複数の特徴候補を生成する特徴候補生成手段と、前記特徴候補生成手段によって生成される特徴候補の中から診断に適した特徴のセットを決定する特徴決定手段と、前記特徴決定手段により決定されている特徴のセットを記憶保持する特徴記憶手段と、分類テーブルを作成する分類テーブル作成手段と、診断する病理画像から腫瘍候補を中心としたイメージを切り出し、入力パターンとして入力するパターン入力手段と、前記入力パターンから特徴を抽出する特徴抽出手段と、前記特徴に基いて診断する診断手段とを有する病理診断支援装置の病理診断支援方法であって、
前記特徴決定手段が、前記学習パターンを特徴の値に応じて遷移させるべき、予め定めた個数の集合を用意し、前記各特徴候補に対応する各学習パターンの特徴を計算して、前記学習パターン集合のクラス情報との相互情報量が最大となる特徴候補を、特徴のセットの最初の特徴として決定し、前記各学習パターンを、決定した特徴に応じた重みを付けて、分配するとともに、決定した特徴に対応する集合に、順次、遷移させ、前記各学習パターンが含まれる集合についての情報と、決定されている特徴とが既知であるとの条件の下で、各特徴候補に対応する各学習パターンの特徴と、前記各学習パターンのクラス情報との相互情報量が最大となる特徴候補を、特徴のセットの次なる特徴として、順次、決定する工程と、
前記分類テーブル作成手段が、前記特徴のセットを用いて、前記各学習パターンの各特徴を計算し、前記各学習パターンの各特徴と、クラス情報と、を配置してなる前記分類テーブルにより前記学習パターンを分類する工程と、
前記特徴抽出手段が、前記特徴のセットを用いて、前記入力パターンの各特徴を算出する工程と、
前記診断手段が、前記入力パターンの各特徴と、前記特徴のセットの各特徴の決定の際に前記学習パターンが属する集合を逐次記録してなる遷移テーブルと、に基いて前記入力パターンの遷移を行って、前記遷移の結果、前記入力パターンが属する集合に基いて前記入力パターンを診断する工程とを有することを特徴とする病理診断支援方法。 - 学習に用いる病理画像から腫瘍を中心としたイメージを切り出し、学習パターンとして入力する学習パターン入力手段と、クラス情報が付された前記学習パターンを記憶保持する学習パターン記憶手段と、複数の特徴候補を生成する特徴候補生成手段と、前記特徴候補生成手段によって生成される特徴候補の中から診断に適した特徴のセットを決定する特徴決定手段と、前記特徴決定手段により決定されている特徴のセットを記憶保持する特徴記憶手段と、分類テーブルを作成する分類テーブル作成手段と、診断する病理画像から腫瘍候補を中心としたイメージを切り出し、入力パターンとして入力するパターン入力手段と、前記入力パターンから特徴を抽出する特徴抽出手段と、前記特徴に基いて診断する診断手段とを有する病理診断支援装置の病理診断支援方法であって、
前記特徴決定手段は、前記学習パターンを特徴の値に応じて遷移させるべき、予め定めた個数の集合を用意し、前記各特徴候補に対応する各学習パターンの特徴を計算して、前記学習パターン集合のクラス情報との相互情報量が最大となる特徴候補を、特徴のセットの最初の特徴として決定し、前記各学習パターンを、決定した特徴に応じた重みを付けて、分配するとともに、決定した特徴に対応する集合に、順次、遷移させ、前記各学習パターンが含まれる集合についての情報と、決定されている特徴とが既知であるとの条件の下で、各特徴候補に対応する各学習パターンの特徴と、前記各学習パターンのクラス情報との相互情報量が最大となる特徴候補を、特徴のセットの次なる特徴として、順次、決定する工程と、
前記分類テーブル作成手段が、前記特徴のセットを用いて、前記各学習パターンの各特徴を計算し、前記各学習パターンの各特徴と、クラス情報と、を配置してなる前記分類テーブルにより前記学習パターンを分類する工程と、
前記特徴抽出手段は、前記特徴のセットを用いて、該順位の特徴が予め定めた値となる確率を示している、前記入力パターンの各特徴を算出する工程と、
前記診断手段は、前記入力パターンの各特徴と、前記特徴のセットの各特徴の決定の際に前記学習パターンが属する集合を逐次記録してなる遷移テーブルと、に基いて前記入力パターンが予め定められたクラス情報を有する確率を算出し、診断する工程とを有することを特徴とする病理診断支援方法。 - 前記学習パターン入力手段及び前記パターン入力手段は、
染色された前記病理画像中の各画素のRGB値から、予め設定された腫瘍細胞核が属する色領域に属する画素を選択する工程と、
前記色領域の分布の中心と前記色領域に属する各画素との距離を算出する工程と、
前記距離に応じて前記各画素に信号を付与する工程と、
前記病理画像中における前記信号の分布からピークを検出する工程と、
前記ピークを中心としたイメージを前記学習パターンとして入力する工程とを有することを特徴とする請求項27から29のいずれか1項記載の病理診断支援方法。 - 前記特徴候補生成手段が生成する特徴候補には、複素ガボール関数を特徴抽出関数から得られる特徴候補が含まれることを特徴とする請求項27から30のいずれか1項記載の病理診断支援方法。
- 前記特徴候補生成手段が生成する特徴候補には、複素ガボール関数を規格化した特徴抽出関数から得られる特徴候補が含まれることを特徴とする請求項27から30のいずれか1項記載の病理診断支援方法。
- 前記特徴候補生成手段が生成する特徴候補には、腫瘍の色を識別する特徴候補が含まれることを特徴とする請求項27から32のいずれか1項記載の病理診断支援方法。
- 前記特徴決定手段は、前記学習パターン入力手段によって算出された前記学習パターンに含まれる前記各画素の信号と、予め設定された閾値とを比較する工程を有することを特徴とする請求項33記載の病理診断支援方法。
- 前記特徴決定手段は、前記学習パターン入力手段によって算出された前記学習パターンに含まれる前記各画素の信号と、前記各画素近傍に位置する画素の信号の平均値とを比較する工程を有することを特徴とする請求項33記載の病理診断支援方法。
- 前記特徴決定手段は、前記各学習パターンに対して、前記特徴候補毎に予め定められたノイズパラメータによる操作を加える工程を有することを特徴とする請求項31、32、又は35記載の病理診断支援方法。
- 前記特徴決定手段は、前記各特徴候補に対応する前記各学習パターンの特徴として、前記各学習パターンの特徴が、予め定めた値をとる確率を計算する工程を有することを特徴とする請求項31、32、又は35記載の病理診断支援方法。
- 前記特徴の値に関らず、前記学習パターンを分類できるとき、前記分類テーブル作成手段は、前記分類テーブルの対応する位置に、前記特徴の値に代えて冗長項を置く工程を有することを特徴とする請求項27から37のいずれか1項記載の病理診断支援方法。
- 前記入力パターンの各特徴は、該順位の特徴が予め定めた値となる確率の値であって、
前記診断手段は、前記各特徴を用いて、前記分類テーブルに含まれる各特徴パターンが予め定めたクラス情報の値となる確率を計算して判定を行う工程を有することを特徴とする請求項27から38のいずれか1項記載の病理診断支援方法。 - 病理画像に患者固有の情報が付加された病理画像データを保持する情報処理端末と、前記病理画像データを診断する病理診断サーバとを有する病理診断支援システムにおいて、
前記病理診断サーバは、
前記病理画像データが有する前記病理画像を診断する請求項1から13のいずれか1項記載の病理診断支援装置と、
前記病理診断支援装置による診断結果を前記患者固有の情報とともに記憶する診断結果記憶手段とを有し、
前記情報処理端末は、前記患者固有の情報を伴って前記診断結果の送信を要求し、
前記病理診断サーバは、前記情報処理端末から受信した前記患者固有の情報と前記診断結果とともに記憶された前記患者固有の情報とを比較し、前記情報処理端末から受信した前記患者固有の情報と前記診断結果とともに記憶された前記患者固有の情報とが一致したとき、前記診断結果を前記情報処理端末に送信することを特徴とする病理診断支援システム。 - 前記病理診断支援装置及び前記情報処置端末の使用料金を保持する課金サーバを有することを特徴とする請求項40記載の病理診断支援システム。
- 前記課金サーバは、前記診断結果記憶手段に前記診断結果が記憶されたとき、前記病理診断支援装置の使用料金を加算することを特徴とする請求項41記載の病理診断支援システム。
- 前記課金サーバは、前記情報処理端末が前記診断結果を受信したとき、前記情報処理端末の使用料金を加算することを特徴とする請求項41又は42記載の病理診断支援システム。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2004346911A JP4496943B2 (ja) | 2004-11-30 | 2004-11-30 | 病理診断支援装置、病理診断支援プログラム、病理診断支援装置の作動方法、及び病理診断支援システム |
EP05026097A EP1662412A3 (en) | 2004-11-30 | 2005-11-30 | Pathological diagnosis support device, program, method, and system |
US11/290,294 US7693334B2 (en) | 2004-11-30 | 2005-11-30 | Pathological diagnosis support device, program, method, and system |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2004346911A JP4496943B2 (ja) | 2004-11-30 | 2004-11-30 | 病理診断支援装置、病理診断支援プログラム、病理診断支援装置の作動方法、及び病理診断支援システム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2006153742A true JP2006153742A (ja) | 2006-06-15 |
JP4496943B2 JP4496943B2 (ja) | 2010-07-07 |
Family
ID=35742528
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2004346911A Active JP4496943B2 (ja) | 2004-11-30 | 2004-11-30 | 病理診断支援装置、病理診断支援プログラム、病理診断支援装置の作動方法、及び病理診断支援システム |
Country Status (3)
Country | Link |
---|---|
US (1) | US7693334B2 (ja) |
EP (1) | EP1662412A3 (ja) |
JP (1) | JP4496943B2 (ja) |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008185337A (ja) * | 2007-01-26 | 2008-08-14 | Nec Corp | 病理画像評価装置、病理画像評価方法、及び病理画像評価プログラム |
JP2009115598A (ja) * | 2007-11-06 | 2009-05-28 | Nec Corp | 低分化癌検出モジュール、これを備えた病理画像診断支援装置、プログラムおよび記録媒体 |
JP2010186453A (ja) * | 2009-02-13 | 2010-08-26 | Olympus Corp | 画像処理装置および画像処理プログラム |
WO2010100704A1 (ja) * | 2009-03-04 | 2010-09-10 | 日本電気株式会社 | 画像診断支援装置、画像診断支援方法、及び記憶媒体 |
JP2010540931A (ja) * | 2007-09-28 | 2010-12-24 | サイテック コーポレイション | 生物検体を処理するための複数の波長を用いる方法およびシステム |
US8265362B2 (en) | 2008-01-25 | 2012-09-11 | Nec Corporation | Pathological tissue image capturing system, method, and program |
WO2012157201A1 (ja) * | 2011-05-18 | 2012-11-22 | 日本電気株式会社 | 情報処理システム、情報処理方法、情報処理装置およびその制御方法と制御プログラム |
JP2012255808A (ja) * | 2012-09-14 | 2012-12-27 | Nec Corp | 病理組織画像撮影システム、病理組織画像撮影方法、および病理組織画像撮影プログラム |
JP2013238459A (ja) * | 2012-05-14 | 2013-11-28 | Tokyo Univ Of Science | 癌細胞領域抽出装置、方法、及びプログラム |
US8787650B2 (en) | 2008-01-29 | 2014-07-22 | Nec Corporation | Pathological diagnosis support |
US9031294B2 (en) | 2010-07-23 | 2015-05-12 | National Institute Of Advanced Industrial Science And Technology | Region segmented image data creating system and feature extracting system for histopathological images |
US9230154B2 (en) | 2011-01-24 | 2016-01-05 | Nec Corporation | Information processing apparatus, method, and storage medium for assisting with a diagnosis based on a tissue sample |
US9355445B2 (en) | 2007-03-01 | 2016-05-31 | Nec Corporation | Breast cancer pathological image diagnosis support system, breast cancer pathological image diagnosis support method, and recording medium recording breast cancer pathological image diagnosis support program |
KR101628276B1 (ko) * | 2015-04-20 | 2016-06-08 | 주식회사 루닛 | 클라우드 기반 병리 분석 시스템 및 방법 |
JP2017070609A (ja) * | 2015-10-09 | 2017-04-13 | サイバネットシステム株式会社 | 画像処理装置及び画像処理方法 |
JP2018132802A (ja) * | 2017-02-13 | 2018-08-23 | 東京電力ホールディングス株式会社 | 学習装置、属性推定装置、学習方法、属性推定方法及びプログラム |
WO2019198808A1 (ja) | 2018-04-13 | 2019-10-17 | 学校法人昭和大学 | 内視鏡観察支援装置、内視鏡観察支援方法、及びプログラム |
CN111448569A (zh) * | 2017-12-06 | 2020-07-24 | 文塔纳医疗系统公司 | 存储和检索数字病理学分析结果的方法 |
KR20210058210A (ko) | 2019-11-13 | 2021-05-24 | 울산대학교 산학협력단 | 병리 영상 분석 시스템 및 방법 |
WO2023228230A1 (ja) * | 2022-05-23 | 2023-11-30 | 日本電気株式会社 | 分類装置、学習装置、分類方法、学習方法、およびプログラム |
US11959848B2 (en) | 2017-12-06 | 2024-04-16 | Ventana Medical Systems, Inc. | Method of storing and retrieving digital pathology analysis results |
Families Citing this family (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2004292260A1 (en) * | 2003-11-12 | 2005-06-02 | Siemens Corporate Research, Inc. | A system and method for filtering and automatic detection of candidate anatomical structures in medical images |
CN1859624A (zh) * | 2006-02-27 | 2006-11-08 | 华为技术有限公司 | 多媒体消息业务的消息路由方法及系统 |
PL2457195T3 (pl) * | 2009-07-23 | 2018-03-30 | Medfield Diagnostics Ab | Klasyfikacja danych dotyczących rozpraszania mikrofalowego |
US9122955B2 (en) * | 2010-06-28 | 2015-09-01 | Ramot At Tel-Aviv University Ltd. | Method and system of classifying medical images |
US8351676B2 (en) * | 2010-10-12 | 2013-01-08 | Sony Corporation | Digital image analysis using multi-step analysis |
CN105120764A (zh) * | 2013-03-14 | 2015-12-02 | 火山公司 | 用于组织特征化的基于并行树的样式辨识 |
US9786050B2 (en) | 2013-03-15 | 2017-10-10 | The Board Of Trustees Of The University Of Illinois | Stain-free histopathology by chemical imaging |
KR102020673B1 (ko) * | 2013-05-03 | 2019-09-11 | 삼성전자주식회사 | 시계열 패턴 마이닝 방법 및 장치 |
US11408890B2 (en) | 2015-04-14 | 2022-08-09 | Massachusetts Institute Of Technology | Iterative expansion microscopy |
US10526649B2 (en) | 2015-04-14 | 2020-01-07 | Massachusetts Institute Of Technology | Augmenting in situ nucleic acid sequencing of expanded biological samples with in vitro sequence information |
US10059990B2 (en) | 2015-04-14 | 2018-08-28 | Massachusetts Institute Of Technology | In situ nucleic acid sequencing of expanded biological samples |
CN104791233B (zh) * | 2015-04-30 | 2018-04-17 | 西安交通大学 | 基于改进球向量机闭包球求解的往复式压缩机故障诊断方法 |
JP6910068B2 (ja) | 2015-06-11 | 2021-07-28 | ユニバーシティ オブ ピッツバーグ−オブ ザ コモンウェルス システム オブ ハイヤー エデュケーションUniversity Of Pittsburgh Of The Commonwealth System Of Higher Education | ヘマトキシリン・エオシン(h&e)染色組織画像における関心領域を調べて、多重化/高多重化蛍光組織画像で腫瘍内細胞空間的不均一性を定量化するシステム及び方法 |
US10364457B2 (en) | 2015-08-07 | 2019-07-30 | Massachusetts Institute Of Technology | Nanoscale imaging of proteins and nucleic acids via expansion microscopy |
EP3332258B1 (en) | 2015-08-07 | 2020-01-01 | Massachusetts Institute of Technology | Protein retention expansion microscopy |
CN107924462A (zh) * | 2015-08-24 | 2018-04-17 | 皇家飞利浦有限公司 | 数字病理学中的服务器‑客户机架构 |
US10701092B2 (en) * | 2016-11-30 | 2020-06-30 | Cisco Technology, Inc. | Estimating feature confidence for online anomaly detection |
US10995361B2 (en) | 2017-01-23 | 2021-05-04 | Massachusetts Institute Of Technology | Multiplexed signal amplified FISH via splinted ligation amplification and sequencing |
WO2018157048A1 (en) | 2017-02-24 | 2018-08-30 | Massachusetts Institute Of Technology | Methods for examining podocyte foot processes in human renal samples using conventional optical microscopy |
WO2018157074A1 (en) * | 2017-02-24 | 2018-08-30 | Massachusetts Institute Of Technology | Methods for diagnosing neoplastic lesions |
US11180804B2 (en) | 2017-07-25 | 2021-11-23 | Massachusetts Institute Of Technology | In situ ATAC sequencing |
WO2019156957A1 (en) | 2018-02-06 | 2019-08-15 | Massachusetts Institute Of Technology | Swellable and structurally homogenous hydrogels and methods of use thereof |
CN110763678A (zh) * | 2019-09-12 | 2020-02-07 | 杭州迪英加科技有限公司 | 一种病理切片判读方法及系统 |
WO2021113505A1 (en) | 2019-12-05 | 2021-06-10 | Massachusetts Institute Of Technology | Method for preparing a specimen for expansion microscopy |
US20220156606A1 (en) * | 2020-11-13 | 2022-05-19 | International Business Machines Corporation | Identification of a section of bodily tissue for pathology tests |
WO2022225845A1 (en) * | 2021-04-18 | 2022-10-27 | Mary Hitchcock Memorial Hospital, For Itself And On Behalf Of Dartmouth-Hitchcock Clinic | System and method for automation of surgical pathology processes using artificial intelligence |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001258888A (ja) * | 2000-03-15 | 2001-09-25 | Toshiba Corp | 超音波診断の装置及びその方法、画像診断のシステム及びその方法、並びに課金方法 |
JP2003065948A (ja) * | 2001-08-27 | 2003-03-05 | Telecommunication Advancement Organization Of Japan | 顕微鏡画像処理装置、顕微鏡画像処理方法並びに顕微鏡画像処理プログラム |
JP2003199727A (ja) * | 2001-10-29 | 2003-07-15 | Pola Chem Ind Inc | 肌分析システム |
WO2003062803A2 (en) * | 2002-01-24 | 2003-07-31 | Tripath Imaging, Inc. | Method for quantitative video-microscopy and associated system and computer software program product |
JP2003256839A (ja) * | 2002-02-27 | 2003-09-12 | Nec Corp | パターンの特徴選択方法及び分類方法及び判定方法及びプログラム並びに装置 |
JP2004286666A (ja) * | 2003-03-24 | 2004-10-14 | Olympus Corp | 病理診断支援装置および病理診断支援プログラム |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5544650A (en) * | 1988-04-08 | 1996-08-13 | Neuromedical Systems, Inc. | Automated specimen classification system and method |
JPH10197522A (ja) | 1997-01-14 | 1998-07-31 | Mitsubishi Electric Corp | 病理組織診断支援装置 |
US6272469B1 (en) * | 1998-11-25 | 2001-08-07 | Ge Medical Systems Global Technology Company, Llc | Imaging system protocol handling method and apparatus |
US7899910B1 (en) * | 1999-08-30 | 2011-03-01 | Verizon Laboratories Inc. | Method and apparatus for integrated communication services provisioning for health care community |
JP3480563B2 (ja) | 1999-10-04 | 2003-12-22 | 日本電気株式会社 | パターン識別のための特徴抽出装置 |
US6603873B1 (en) * | 1999-11-12 | 2003-08-05 | Applied Materials, Inc. | Defect detection using gray level signatures |
JP2003232741A (ja) * | 2002-02-08 | 2003-08-22 | Kyowa Machinery Co Ltd | 血卵を検査する機構、方法およびこれらを備えた鶏卵選別包装システム |
JP3777599B2 (ja) * | 2002-04-23 | 2006-05-24 | ソニー株式会社 | 画像情報変換装置および方法、係数算出装置および方法、係数データおよび係数データ記憶装置、画質劣化箇所検出装置および方法、記録媒体、並びにプログラム |
AU2003270687B2 (en) * | 2002-09-13 | 2008-05-08 | Life Technologies Corporation | Interactive and automated tissue image analysis with global training database and variable-abstraction processing in cytological specimen classification and laser capture microdissection applications |
GB2398379A (en) * | 2003-02-11 | 2004-08-18 | Qinetiq Ltd | Automated digital image analysis |
US8320996B2 (en) * | 2004-11-29 | 2012-11-27 | Hypermed Imaging, Inc. | Medical hyperspectral imaging for evaluation of tissue and tumor |
-
2004
- 2004-11-30 JP JP2004346911A patent/JP4496943B2/ja active Active
-
2005
- 2005-11-30 US US11/290,294 patent/US7693334B2/en active Active
- 2005-11-30 EP EP05026097A patent/EP1662412A3/en not_active Withdrawn
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001258888A (ja) * | 2000-03-15 | 2001-09-25 | Toshiba Corp | 超音波診断の装置及びその方法、画像診断のシステム及びその方法、並びに課金方法 |
JP2003065948A (ja) * | 2001-08-27 | 2003-03-05 | Telecommunication Advancement Organization Of Japan | 顕微鏡画像処理装置、顕微鏡画像処理方法並びに顕微鏡画像処理プログラム |
JP2003199727A (ja) * | 2001-10-29 | 2003-07-15 | Pola Chem Ind Inc | 肌分析システム |
WO2003062803A2 (en) * | 2002-01-24 | 2003-07-31 | Tripath Imaging, Inc. | Method for quantitative video-microscopy and associated system and computer software program product |
JP2003256839A (ja) * | 2002-02-27 | 2003-09-12 | Nec Corp | パターンの特徴選択方法及び分類方法及び判定方法及びプログラム並びに装置 |
JP2004286666A (ja) * | 2003-03-24 | 2004-10-14 | Olympus Corp | 病理診断支援装置および病理診断支援プログラム |
Cited By (31)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008185337A (ja) * | 2007-01-26 | 2008-08-14 | Nec Corp | 病理画像評価装置、病理画像評価方法、及び病理画像評価プログラム |
US9355445B2 (en) | 2007-03-01 | 2016-05-31 | Nec Corporation | Breast cancer pathological image diagnosis support system, breast cancer pathological image diagnosis support method, and recording medium recording breast cancer pathological image diagnosis support program |
JP2010540931A (ja) * | 2007-09-28 | 2010-12-24 | サイテック コーポレイション | 生物検体を処理するための複数の波長を用いる方法およびシステム |
US8199998B2 (en) | 2007-11-06 | 2012-06-12 | Nec Corporation | Module for detecting poorly differentiated cancers and pathological image diagnosis support apparatus, program and recording medium including the same |
JP2009115598A (ja) * | 2007-11-06 | 2009-05-28 | Nec Corp | 低分化癌検出モジュール、これを備えた病理画像診断支援装置、プログラムおよび記録媒体 |
US8265362B2 (en) | 2008-01-25 | 2012-09-11 | Nec Corporation | Pathological tissue image capturing system, method, and program |
US8787650B2 (en) | 2008-01-29 | 2014-07-22 | Nec Corporation | Pathological diagnosis support |
JP2010186453A (ja) * | 2009-02-13 | 2010-08-26 | Olympus Corp | 画像処理装置および画像処理プログラム |
JP2010203949A (ja) * | 2009-03-04 | 2010-09-16 | Nec Corp | 画像診断支援装置、画像診断支援方法、画像診断支援プログラム、及びその記憶媒体 |
WO2010100704A1 (ja) * | 2009-03-04 | 2010-09-10 | 日本電気株式会社 | 画像診断支援装置、画像診断支援方法、及び記憶媒体 |
US8787636B2 (en) | 2009-03-04 | 2014-07-22 | Nec Corporation | Diagnostic imaging support in which image data of high magnification is generated to image data of low magnification for classification thereof |
US9031294B2 (en) | 2010-07-23 | 2015-05-12 | National Institute Of Advanced Industrial Science And Technology | Region segmented image data creating system and feature extracting system for histopathological images |
US9361508B2 (en) | 2011-01-24 | 2016-06-07 | Nec Corporation | Information processing system, information processing method, information processing apparatus, control method therefor, and storage medium storing control program therefor |
US9230154B2 (en) | 2011-01-24 | 2016-01-05 | Nec Corporation | Information processing apparatus, method, and storage medium for assisting with a diagnosis based on a tissue sample |
JP5768877B2 (ja) * | 2011-05-18 | 2015-08-26 | 日本電気株式会社 | 情報処理システム、情報処理方法、情報処理装置およびその制御方法と制御プログラム |
WO2012157201A1 (ja) * | 2011-05-18 | 2012-11-22 | 日本電気株式会社 | 情報処理システム、情報処理方法、情報処理装置およびその制御方法と制御プログラム |
US9786047B2 (en) | 2011-05-18 | 2017-10-10 | Nec Corporation | Information processing system, method, and apparatus supporting a pathological diagnosis, and control method and control program thereof |
JP2013238459A (ja) * | 2012-05-14 | 2013-11-28 | Tokyo Univ Of Science | 癌細胞領域抽出装置、方法、及びプログラム |
JP2012255808A (ja) * | 2012-09-14 | 2012-12-27 | Nec Corp | 病理組織画像撮影システム、病理組織画像撮影方法、および病理組織画像撮影プログラム |
KR101628276B1 (ko) * | 2015-04-20 | 2016-06-08 | 주식회사 루닛 | 클라우드 기반 병리 분석 시스템 및 방법 |
WO2016171341A1 (ko) * | 2015-04-20 | 2016-10-27 | 주식회사 루닛 | 클라우드 기반 병리 분석 시스템 및 방법 |
JP2017070609A (ja) * | 2015-10-09 | 2017-04-13 | サイバネットシステム株式会社 | 画像処理装置及び画像処理方法 |
JP7024187B2 (ja) | 2017-02-13 | 2022-02-24 | 東京電力ホールディングス株式会社 | 学習装置及び属性推定装置 |
JP2018132802A (ja) * | 2017-02-13 | 2018-08-23 | 東京電力ホールディングス株式会社 | 学習装置、属性推定装置、学習方法、属性推定方法及びプログラム |
CN111448569A (zh) * | 2017-12-06 | 2020-07-24 | 文塔纳医疗系统公司 | 存储和检索数字病理学分析结果的方法 |
CN111448569B (zh) * | 2017-12-06 | 2023-09-26 | 文塔纳医疗系统公司 | 存储和检索数字病理学分析结果的方法 |
US11959848B2 (en) | 2017-12-06 | 2024-04-16 | Ventana Medical Systems, Inc. | Method of storing and retrieving digital pathology analysis results |
WO2019198808A1 (ja) | 2018-04-13 | 2019-10-17 | 学校法人昭和大学 | 内視鏡観察支援装置、内視鏡観察支援方法、及びプログラム |
KR20210058210A (ko) | 2019-11-13 | 2021-05-24 | 울산대학교 산학협력단 | 병리 영상 분석 시스템 및 방법 |
KR102335173B1 (ko) | 2019-11-13 | 2021-12-07 | 울산대학교 산학협력단 | 병리 영상 분석 시스템 및 방법 |
WO2023228230A1 (ja) * | 2022-05-23 | 2023-11-30 | 日本電気株式会社 | 分類装置、学習装置、分類方法、学習方法、およびプログラム |
Also Published As
Publication number | Publication date |
---|---|
US7693334B2 (en) | 2010-04-06 |
JP4496943B2 (ja) | 2010-07-07 |
EP1662412A2 (en) | 2006-05-31 |
EP1662412A3 (en) | 2006-09-20 |
US20060115146A1 (en) | 2006-06-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4496943B2 (ja) | 病理診断支援装置、病理診断支援プログラム、病理診断支援装置の作動方法、及び病理診断支援システム | |
US11842556B2 (en) | Image analysis method, apparatus, program, and learned deep learning algorithm | |
KR102108050B1 (ko) | 증강 컨볼루션 네트워크를 통한 유방암 조직학 이미지 분류 방법 및 그 장치 | |
US11657487B2 (en) | Focus-weighted, machine learning disease classifier error prediction for microscope slide images | |
CN111524137B (zh) | 基于图像识别的细胞识别计数方法、装置和计算机设备 | |
US9383347B2 (en) | Pathological diagnosis results assessment system, pathological diagnosis results assessment method, and pathological diagnosis results assessment device | |
CN112215807A (zh) | 基于深度学习的细胞图像自动分类方法及系统 | |
CN113261012B (zh) | 处理图像的方法、装置及系统 | |
Song et al. | Hybrid deep autoencoder with Curvature Gaussian for detection of various types of cells in bone marrow trephine biopsy images | |
CN110189293A (zh) | 细胞图像处理方法、装置、存储介质及计算机设备 | |
CN116580394A (zh) | 一种基于多尺度融合和可变形自注意力的白细胞检测方法 | |
CN113743463B (zh) | 一种基于影像数据和深度学习的肿瘤良恶性识别方法和系统 | |
US11861881B2 (en) | Critical component detection using deep learning and attention | |
Kanwal et al. | Quantifying the effect of color processing on blood and damaged tissue detection in whole slide images | |
CN113158821A (zh) | 基于多模态的眼部检测数据的处理方法、装置及终端设备 | |
KR20240046124A (ko) | 세침 흡인으로 추출된 조직의 양의 충분 여부를 실시간으로 판단하는 방법 | |
JP4609322B2 (ja) | 染色体状態の評価方法および評価システム | |
CN113705595A (zh) | 异常细胞转移程度的预测方法、装置和存储介质 | |
Sun et al. | Detection of breast tumour tissue regions in histopathological images using convolutional neural networks | |
US11830622B2 (en) | Processing multimodal images of tissue for medical evaluation | |
KR102682730B1 (ko) | 병리 진단 케이스의 대표 병변 이미지 생성 방법 및 이를 수행하는 컴퓨팅 시스템 | |
WO2023195405A1 (ja) | 細胞検出装置、細胞診断支援装置、細胞検出方法、及び細胞検出プログラム | |
McGenity et al. | AIM in Surgical Pathology | |
Swiderska-Chadaj et al. | A deep learning pipeline to delineate proliferative areas of intracranial tumors in digital slides | |
Hao et al. | Automatic detection of breast nodule in the ultrasound images using CNN |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20060911 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20081017 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20090623 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20090824 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20091006 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20091207 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20100105 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20100301 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20100323 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20100405 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130423 Year of fee payment: 3 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 4496943 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130423 Year of fee payment: 3 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20140423 Year of fee payment: 4 |