JP2006507486A - 細管の自動組織学的類別 - Google Patents
細管の自動組織学的類別 Download PDFInfo
- Publication number
- JP2006507486A JP2006507486A JP2004546146A JP2004546146A JP2006507486A JP 2006507486 A JP2006507486 A JP 2006507486A JP 2004546146 A JP2004546146 A JP 2004546146A JP 2004546146 A JP2004546146 A JP 2004546146A JP 2006507486 A JP2006507486 A JP 2006507486A
- Authority
- JP
- Japan
- Prior art keywords
- image
- parameter
- providing
- tubules
- tubule
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
- G06V20/695—Preprocessing, e.g. image segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Radiology & Medical Imaging (AREA)
- Molecular Biology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Medical Informatics (AREA)
- Geometry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Quality & Reliability (AREA)
- Investigating Or Analysing Biological Materials (AREA)
- Image Processing (AREA)
- Fats And Perfumes (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Sampling And Sample Adjustment (AREA)
- Breeding Of Plants And Reproduction By Means Of Culturing (AREA)
Abstract
Description
a) 第1の画像(50)の中で十分に大きく且つ潜在的に細管であるために境界で適切なピクセル値特性を有する第1の物体(61)の第2の画像(60)を提供するステップ、
b) 第1の画像(50)の中で脂肪及び細管内の穴のピクセル値特性を有する第2の物体(72)の第3の画像(70)を提供するステップ、
c) 第2と3の画像(60、70)からのデータを組み合わせて、第1の物体(61)内に在る選択された第2の物体(81)を識別するステップ、
d) i) 第1の画像(50)の中の潜在的に細管の可能性の有る第1の物体(61)を計数して、パラメーターNOBを提供すること、
ii) 選択された第2の物体(81)を内部に有し且つ細管の可能性の有る第1の物体(51)を計数して、パラメーターNを提供すること、
iii) 各第1の物体(51)と比較しての、この第1の物体内に在る選択された第2の物体(81)の相対面積を決定して、パラメーターRATIOを提供すること、
iv) 第1の物体(51)の全面積と比較しての、第1の物体内に在る選択された第2の物体(81)の全面積を決定して、パラメーターSURFを提供すること、
v) パラメーターPERCENT=N/NOBを決定すること、および
vi) 少なくとも中間の大きさの穴(52)を含んでいる第1の物体(51)の数を計数して、パラメーターTを提供することの
一つ以上を達成するステップ、および
e) 上述した一つ以上のパラメーターをパラメーター閾値と対比することに基づいて、第1の画像の細管(51)を類別するステップを具備することを特徴とする方法を提供する。
a)第1の画像(50)を閾値処理して、比較的より暗い画像ピクセルを保持し、且つ比較的より明るい画像ピクセルを除去する第4の画像を提供し、
b)反転、モルフォロジー膨張、メディアン・フィルタリング、穴充填およびモルフォロジー・オープニングのステップが、連続して適用されて第4の画像を処理し、第1のステップが第4の画像に適用され、各ステップの後、第1のステップが、それぞれの直前のステップの結果に適用されることを含むことができる。
a) 第1の画像(50)の中で十分に大きく且つ潜在的に細管であるために境界で適切なピクセル値特性を有する第1の物体(61)の第2の画像(60)を提供し、且つ第1の物体(61)を計数してパラメーターNOBを提供するステップ、
b) 第1の画像(50)の中で脂肪及び細管内の穴のピクセル値特性を有する第2の物体(72)の第3の画像(70)を提供するステップ、
c) 第2と3の画像(60、70)からのデータを組み合わせて、第1の物体(61)内に在る選択された第2の物体(81)を識別するステップ、
d) 選択された第2の物体(81)を内部に有し且つ細管の可能性の有る第1の物体(51)を計数して、パラメーターNを提供するステップ、
e) 各第1の物体(51)と比較しての、この第1の物体内に在る選択された第2の物体(81)の相対面積を決定して、パラメーターRATIOを提供するステップ、
f) 第1の物体(51)の全面積と比較しての、第1の物体内に在る選択された第2の物体(81)の全面積を決定して、パラメーターSURFを提供するステップ、
g) パラメーターPERCENT=N/NOBを決定するステップ、
h) 少なくとも中間の大きさの穴(52)を含んでいる第1の物体(51)の数を計数して、パラメーターTを提供するステップ、および
i) 上述した第1の画像のパラメーターをパラメーター閾値と対比することに基づいて、第1の画像の細管(51)を類別するステップを具備することを特徴とする方法を提供する。
a) 第1の画像(50)の中で十分に大きく且つ潜在的に細管であるために境界で適切なピクセル値特性を有する第1の物体(61)の第2の画像(60)を計算し、
b) 第1の画像(50)の中で脂肪及び細管内の穴のピクセル値特性を有する第2の物体(72)の第3の画像(70)を計算し、
c) 第2と3の画像(60、70)からのデータを組み合わせて、第1の物体(61)内に在る選択された第2の物体(81)を識別し、
d) i) 第1の画像(50)の中の潜在的に細管の可能性の有る第1の物体(61)を計数して、パラメーターNOBを提供すること、
ii) 選択された第2の物体(81)を内部に有し且つ細管の可能性の有る第1の物体(51)を計数して、パラメーターNを提供すること、
iii) 各第1の物体(51)と比較しての、この第1の物体内に在る選択された第2の物体(81)の相対面積を決定して、パラメーターRATIOを提供すること、
iv) 第1の物体(51)の全面積と比較しての、第1の物体内に在る選択された第2の物体(81)の全面積を決定して、パラメーターSURFを提供すること、
v) パラメーターPERCENT=N/NOBを決定すること、および
vi) 少なくとも中間の大きさの穴(52)を含んでいる第1の物体(51)の数を計数して、パラメーターTを提供することの
一つ以上を達成し、そして
e) 上述した一つ以上のパラメーターをパラメーター閾値と対比することに基づいて、第1の画像の細管(51)を類別するようにプログラムされていることを特徴とするコンピュータ装置を提供する。
a) 第1の画像(50)の中で十分に大きく且つ潜在的に細管であるために境界で適切なピクセル値特性を有する第1の物体(61)の第2の画像(60)を提供し、且つ第1の物体(61)を計数してパラメーターNOBを提供し、
b) 第1の画像(50)の中で脂肪及び細管内の穴のピクセル値特性を有する第2の物体(72)の第3の画像(70)を提供し、
c) 第2と3の画像(60、70)からのデータを組み合わせて、第1の物体(61)内に在る選択された第2の物体(81)を識別し、
d) 選択された第2の物体(81)を内部に有し且つ細管の可能性の有る第1の物体(51)を計数して、パラメーターNを提供し、
e) 各第1の物体(51)と比較しての、この第1の物体内に在る選択された第2の物体(81)の相対面積を決定して、パラメーターRATIOを提供し、
f) 第1の物体(51)の全面積と比較しての、第1の物体内に在る選択された第2の物体(81)の全面積を決定して、パラメーターSURFを提供し、
g) パラメーターPERCENT=N/NOBを決定し、
h) 少なくとも中間の大きさの穴(52)を含んでいる第1の物体(51)の数を計数して、パラメーターTを提供し、そして
i) 上述した第1の画像のパラメーターをパラメーター閾値と対比することに基づいて、第1の画像の細管(51)を類別するようにプログラムされていることを特徴とするコンヒュータ装置を提供する。
a) 第1の画像(50)の中で十分に大きく且つ潜在的に細管であるために境界で適切なピクセル値特性を有する第1の物体(61)の第2の画像(60)を計算し、
b) 第1の画像(50)の中で脂肪及び細管内の穴のピクセル値特性を有する第2の物体(72)の第3の画像(70)を計算し、
c) 第2と3の画像(60、70)からのデータを組み合わせて、第1の物体(61)内に在る選択された第2の物体(81)を識別し、
d) i) 第1の画像(50)の中の潜在的に細管の可能性の有る第1の物体(61)を計数して、パラメーターNOBを提供すること、
ii) 選択された第2の物体(81)を内部に有し且つ細管の可能性の有る第1の物体(51)を計数して、パラメーターNを提供すること、
iii) 各第1の物体(51)と比較しての、この第1の物体内に在る選択された第2の物体(81)の相対面積を決定して、パラメーターRATIOを提供すること、
iv) 第1の物体(51)の全面積と比較しての、第1の物体内に在る選択された第2の物体(81)の全面積を決定して、パラメーターSURFを提供すること、
v) パラメーターPERCENT=N/NOBを決定すること、および
vi) 少なくとも中間の大きさの穴(52)を含んでいる第1の物体(51)の数を計数して、パラメーターTを提供することの
一つ以上を達成し、そして
e) 上述した一つ以上のパラメーターをパラメーター閾値と対比することに基づいて、第1の画像の細管(51)を類別するようにコンピュータ装置を制御するための命令を含んでいることを特徴とするコンピュータプログラムを提供する。
a) 第1の画像(50)の中で十分に大きく且つ潜在的に細管であるために境界で適切なピクセル値特性を有する第1の物体(61)の第2の画像(60)を提供し、且つ第1の物体(61)を計数してパラメーターNOBを提供し、
b) 第1の画像(50)の中で脂肪及び細管内の穴のピクセル値特性を有する第2の物体(72)の第3の画像(70)を提供し、
c) 第2と3の画像(60、70)からのデータを組み合わせて、第1の物体(61)内に在る選択された第2の物体(81)を識別し、
d) 選択された第2の物体(81)を内部に有し且つ細管の可能性の有る第1の物体(51)を計数して、パラメーターNを提供し、
e) 各第1の物体(51)と比較しての、この第1の物体内に在る選択された第2の物体(81)の相対面積を決定して、パラメーターRATIOを提供し、
f) 第1の物体(51)の全面積と比較しての、第1の物体内に在る選択された第2の物体(81)の全面積を決定して、パラメーターSURFを提供し、
g) パラメーターPERCENT=N/NOBを決定し、
h) 少なくとも中間の大きさの穴(52)を含んでいる第1の物体(51)の数を計数して、パラメーターTを提供し、そして
i) 上述した第1の画像のパラメーターをパラメーター閾値と対比することに基づいて、第1の画像の細管(51)を類別するようにコンピュータ装置を制御するための命令を含んでいることを特徴とするコンピュータプログラムを提供する。
より完全に本発明が理解されるように、本発明の実施の形態が、例示の目的のみで、添付図面を参照して、記述される。
画像を選択するために、病理学者は、スライド上で顕微鏡を走査し、且つ、10X倍率で、達成されるべき分析の観点から最も有望と思われるスライドの2つの領域(タイルと呼ばれる)を選択する。その後、これらの両方の領域は顕微鏡および上述のディジタル・カメラを使用して、撮影される。ディジタル・カメラは、各領域毎に3色、即ち、赤、緑および青(R,G&B)の各ピクセルに対して8ビットの値、したがって範囲0〜255のディジタル化された画像を発生する。各画像はタイルの電子相当物である。R、GおよびB画像面の組合せとして画像を提供するために、3つの強度値がピクセル配列中の各ピクセルに対して得られる。2枚のタイルからの画像データは後の使用のためにデータベース12に格納される。細管活性は細管特徴検知プロセス14を使用して決定される。これは細管スコア18を20での診断レポートの入力として供給する。
つまり各ピクセル毎に、それぞれの赤、緑および青ピクセル値が単一のグレー・スケール・ピクセル値を生むために平均される。これは、画像中のすべてのピクセルに対して繰り返され、単純化された形式の図3の中で示されるようなグレー・スケールの初期画像50が更なる処理のために供給される。図3は、初期画像の種々の特徴、52のような1つ以上の穴を含んでいる明白な暗い境界を備えた細管51、大きな暗い物体53、非常に狭いぼんやりした境界を備えた脂肪細胞55および関心のない小さな暗い物体56を例示する。
上記の表中で、「範囲[0,1]にマップされる」の表現は、
≧(最大値-Q)/255および≦1.0のピクセル値xが、
(x-(最大値-Q)/255)/(1-(最大値-Q)/255))になる
ことを意味している。
N=一つ又はそれ以上の穴を含む物体の数(画像90で、N=3)
NOB=穴を有する及び有さない物体の数(画像60でNOB=4)
SURF=(全穴面積)/(全物体の全面積)=穴を含む物体の全表面積に対する穴の前記表面積の比
PERCENT=N/NOB=穴を有する及び有さない物体の全数に対する穴を有する物体の数の比
RATIO=(穴面積)/(物体全面積)、各物体毎の、穴を含む物体の面積に対する穴の面積の比:RATIOは、比較的大きい穴を有する物体(細管)に対しては大きく、物体サイズと比較して、より小さい穴を有する物体に対しては小さい。
T=著しく大きい穴を含む物体の数、即ち、RATIO>0.09を有する物体の数
Tを決定するために使用される閾値は、細管に対応しそうもない小さな穴を差別する。
PERCENTが600未満である場合、画像のための最終の細管スコアは、上記の5つのテストからそれぞれ得られた5つのスコアの中央の値として得られる。2つの画像が使用される場合、各テストの2つの結果が得られる。これらの2つの結果の平均値が計算され、他のテストからの対応する平均値と伴に、検査結果に関する中央の値を引き出すために使用される。
72.3%(149)画像が、本発明の分類プロセスによって類別され、病理学者のスコアに合致するスコアを与えた。
21.8%の(45)画像が、本発明の分類プロセスによって類別され、病理学者のスコアと1異なるスコアを与えた。
5.8%の(12)画像が、発明の分類プロセスによって類別され、病理学者のスコアと2異なるスコアを与えた。
Claims (18)
- 組織スライドの第1の画像の中の細管を類別する方法であり、この方法が、
a) 第1の画像(50)の中で十分に大きく且つ潜在的に細管であるために境界で適切なピクセル値特性を有する第1の物体(61)の第2の画像(60)を提供するステップ、
b) 第1の画像(50)の中で脂肪及び細管内の穴のピクセル値特性を有する第2の物体(72)の第3の画像(70)を提供するステップ、
c) 第2と3の画像(60、70)からのデータを組み合わせて、第1の物体(61)内に在る選択された第2の物体(81)を識別するステップ、
d) i) 第1の画像(50)の中の潜在的に細管の可能性の有る第1の物体(61)を計数して、パラメーターNOBを提供すること、
ii) 選択された第2の物体(81)を内部に有し且つ細管の可能性の有る第1の物体(51)を計数して、パラメーターNを提供すること、
iii) 各第1の物体(51)と比較しての、この第1の物体内に在る選択された第2の物体(81)の相対面積を決定して、パラメーターRATIOを提供すること、
iv) 第1の物体(51)の全面積と比較しての、第1の物体内に在る選択された第2の物体(81)の全面積を決定して、パラメーターSURFを提供すること、
v) パラメーターPERCENT=N/NOBを決定すること、および
vi) 少なくとも中間の大きさの穴(52)を含んでいる第1の物体(51)の数を計数して、パラメーターTを提供することの
一つ以上を達成するステップ、および
e) 上述した一つ以上のパラメーターをパラメーター閾値と対比することに基づいて、第1の画像の細管(51)を類別するステップを具備することを特徴とする方法。 - 第2の画像(60)を提供する前記ステップが、
a)第1の画像(50)を閾値処理して、比較的より暗い画像ピクセルを保持し、且つ比較的より明るい画像ピクセルを除去する第4の画像を提供し、
b)反転、モルフォロジー膨張、メディアン・フィルタリング、穴充填およびモルフォロジー・オープニングのステップが、連続して適用されて第4の画像を処理し、第1のステップが第4の画像に適用され、各ステップの後、第1のステップが、それぞれの直前のステップの結果に適用されることを含む、ことを特徴とする請求項1記載の方法。 - 第3の画像(70)を提供す前記ステップが、第1の画像(50)を閾値処理して、比較的より明るい画像ピクセルが比較的より暗い画像ピクセルのものと異なる2進値を有している2進値の第4の画像を提供することを含むことを特徴とする請求項1記載の方法。
- 第2と3画像(60、70)からのデータを組み合わせる前記ステップが、第2の画像(60)の中のピクセルを、3番目の画像(70)の同様の位置に位置する各対応するピクセルと乗算するか、又はAND演算を行うことを含むことを特徴とする請求項1記載の方法。
- 第1の画像の細管(51)を類別する前記ステップが、適切な医学専門家よって得ることができるのと同程度の類別を得るように設定されたパラメーター閾値を使用することを特徴とする請求項1記載の方法。
- 組織スライドの第1の画像の中の細管を類別する方法であり、この方法が、
a) 第1の画像(50)の中で十分に大きく且つ潜在的に細管であるために境界で適切なピクセル値特性を有する第1の物体(61)の第2の画像(60)を提供し、且つ第1の物体(61)を計数してパラメーターNOBを提供するステップ、
b) 第1の画像(50)の中で脂肪及び細管内の穴のピクセル値特性を有する第2の物体(72)の第3の画像(70)を提供するステップ、
c) 第2と3の画像(60、70)からのデータを組み合わせて、第1の物体(61)内に在る選択された第2の物体(81)を識別するステップ、
d) 選択された第2の物体(81)を内部に有し且つ細管の可能性の有る第1の物体(51)を計数して、パラメーターNを提供するステップ、
e) 各第1の物体(51)と比較しての、この第1の物体内に在る選択された第2の物体(81)の相対面積を決定して、パラメーターRATIOを提供するステップ、
f) 第1の物体(51)の全面積と比較しての、第1の物体内に在る選択された第2の物体(81)の全面積を決定して、パラメーターSURFを提供するステップ、
g) パラメーターPERCENT=N/NOBを決定するステップ、
h) 少なくとも中間の大きさの穴(52)を含んでいる第1の物体(51)の数を計数して、パラメーターTを提供するステップ、および
i) 上述した第1の画像のパラメーターをパラメーター閾値と対比することに基づいて、第1の画像の細管(51)を類別するステップを具備することを特徴とする方法。 - 組織スライドの第1の画像の中の細管を類別するためのコンピュータ装置であり、この装置が、
a) 第1の画像(50)の中で十分に大きく且つ潜在的に細管であるために境界で適切なピクセル値特性を有する第1の物体(61)の第2の画像(60)を計算し、
b) 第1の画像(50)の中で脂肪及び細管内の穴のピクセル値特性を有する第2の物体(72)の第3の画像(70)を計算し、
c) 第2と3の画像(60、70)からのデータを組み合わせて、第1の物体(61)内に在る選択された第2の物体(81)を識別し、
d) i) 第1の画像(50)の中の潜在的に細管の可能性の有る第1の物体(61)を計数して、パラメーターNOBを提供すること、
ii) 選択された第2の物体(81)を内部に有し且つ細管の可能性の有る第1の物体(51)を計数して、パラメーターNを提供すること、
iii) 各第1の物体(51)と比較しての、この第1の物体内に在る選択された第2の物体(81)の相対面積を決定して、パラメーターRATIOを提供すること、
iv) 第1の物体(51)の全面積と比較しての、第1の物体内に在る選択された第2の物体(81)の全面積を決定して、パラメーターSURFを提供すること、
v) パラメーターPERCENT=N/NOBを決定すること、および
vi) 少なくとも中間の大きさの穴(52)を含んでいる第1の物体(51)の数を計数して、パラメーターTを提供することの
一つ以上を達成し、そして
e) 上述した一つ以上のパラメーターをパラメーター閾値と対比することに基づいて、第1の画像の細管(51)を類別するようにプログラムされていることを特徴とするコンピュータ装置。 - 第2の画像(60)が、
a)第1の画像(50)を閾値処理して、比較的より暗い画像ピクセルを保持し、且つ比較的より明るい画像ピクセルを除去する第4の画像を提供し、
b)反転、モルフォロジー膨張、メディアン・フィルタリング、穴充填およびモルフォロジー・オープニングのステップが、連続して適用されて第4の画像を処理し、第1のステップが第4の画像に適用され、各ステップの後、第1のステップが、それぞれの直前のステップの結果に適用されることによって、提供されるようにプログラムされていることを特徴とする請求項7記載のコンピュータ装置。 - 第3の画像(70)が、
第1の画像(50)を閾値処理して、比較的より明るい画像ピクセルが比較的より暗い画像ピクセルのものと異なる2進値を有している2進値の第4の画像を提供することによって、提供されるようにプログラムされていることを特徴とする請求項7記載のコンピュータ装置。 - 第2の画像(60)の中のピクセルを、3番目の画像(70)の同様の位置に位置する各対応するピクセルと乗算するか、又はAND演算を行うことにより、第2と3画像(60、70)からのデータを組み合わせるようにプログラムされていることを特徴とする請求項7記載のコンピュータ装置。
- 適切な医学専門家よって得ることができるのと同程度の類別を得るように設定されたパラメーター閾値を使用して、第1の画像の細管(51)を類別するようにプログラムされていることを特徴とする請求項7記載のコンピュータ装置。
- 組織スライドの第1の画像の中の細管を類別するためのコンピュータ装置であり、この装置が、
a) 第1の画像(50)の中で十分に大きく且つ潜在的に細管であるために境界で適切なピクセル値特性を有する第1の物体(61)の第2の画像(60)を提供し、且つ第1の物体(61)を計数してパラメーターNOBを提供し、
b) 第1の画像(50)の中で脂肪及び細管内の穴のピクセル値特性を有する第2の物体(72)の第3の画像(70)を提供し、
c) 第2と3の画像(60、70)からのデータを組み合わせて、第1の物体(61)内に在る選択された第2の物体(81)を識別し、
d) 選択された第2の物体(81)を内部に有し且つ細管の可能性の有る第1の物体(51)を計数して、パラメーターNを提供し、
e) 各第1の物体(51)と比較しての、この第1の物体内に在る選択された第2の物体(81)の相対面積を決定して、パラメーターRATIOを提供し、
f) 第1の物体(51)の全面積と比較しての、第1の物体内に在る選択された第2の物体(81)の全面積を決定して、パラメーターSURFを提供し、
g) パラメーターPERCENT=N/NOBを決定し、
h) 少なくとも中間の大きさの穴(52)を含んでいる第1の物体(51)の数を計数して、パラメーターTを提供し、そして
i) 上述した第1の画像のパラメーターをパラメーター閾値と対比することに基づいて、第1の画像の細管(51)を類別するようにプログラムされていることを特徴とするコンヒュータ装置。 - 組織スライドの第1の画像の中の細管を類別するための使用するコンピュータプログラムであり、このプログラムが、
a) 第1の画像(50)の中で十分に大きく且つ潜在的に細管であるために境界で適切なピクセル値特性を有する第1の物体(61)の第2の画像(60)を計算し、
b) 第1の画像(50)の中で脂肪及び細管内の穴のピクセル値特性を有する第2の物体(72)の第3の画像(70)を計算し、
c) 第2と3の画像(60、70)からのデータを組み合わせて、第1の物体(61)内に在る選択された第2の物体(81)を識別し、
d) i) 第1の画像(50)の中の潜在的に細管の可能性の有る第1の物体(61)を計数して、パラメーターNOBを提供すること、
ii) 選択された第2の物体(81)を内部に有し且つ細管の可能性の有る第1の物体(51)を計数して、パラメーターNを提供すること、
iii) 各第1の物体(51)と比較しての、この第1の物体内に在る選択された第2の物体(81)の相対面積を決定して、パラメーターRATIOを提供すること、
iv) 第1の物体(51)の全面積と比較しての、第1の物体内に在る選択された第2の物体(81)の全面積を決定して、パラメーターSURFを提供すること、
v) パラメーターPERCENT=N/NOBを決定すること、および
vi) 少なくとも中間の大きさの穴(52)を含んでいる第1の物体(51)の数を計数して、パラメーターTを提供することの
一つ以上を達成し、そして
e) 上述した一つ以上のパラメーターをパラメーター閾値と対比することに基づいて、第1の画像の細管(51)を類別するようにコンピュータ装置を制御するための命令を含んでいることを特徴とするコンピュータプログラム。 - 第2の画像(60)を、
a) 第1の画像(50)を閾値処理して、比較的より暗い画像ピクセルを保持し、且つ比較的より明るい画像ピクセルを除去する第4の画像を提供し、
b) 反転、モルフォロジー膨張、メディアン・フィルタリング、穴充填およびモルフォロジー・オープニングのステップが、連続して適用されて第4の画像を処理し、第1のステップが第4の画像に適用され、各ステップの後、第1のステップが、それぞれの直前のステップの結果に適用されることによって、提供するための命令を含むことを特徴とする請求項13記載のコンピュータプログラム。 - 第3の画像(70)を、
第1の画像(50)を閾値処理して、比較的より明るい画像ピクセルが比較的より暗い画像ピクセルのものと異なる2進値を有している2進値の第4の画像を提供することによって、提供するための命令を含むことを特徴とする請求項13記載のコンピュータ装置。 - 第2の画像(60)の中のピクセルを、3番目の画像(70)の同様の位置に位置する各対応するピクセルと乗算するか、又はAND演算を行うことにより、第2と3画像(60、70)からのデータを組み合わせるための命令を含むことを特徴とする請求項13記載のコンピュータプログラム。
- 適切な医学専門家よって得ることができるのと同程度の類別を得るように設定されたパラメーター閾値を使用して、第1の画像の細管(51)を類別するための命令を含むことを特徴とする請求項13記載のコンピュータプログラム。
- 組織スライドの第1の画像の中の細管を類別するために使用するコンピュータプログラムであり、このプログラムが、
a) 第1の画像(50)の中で十分に大きく且つ潜在的に細管であるために境界で適切なピクセル値特性を有する第1の物体(61)の第2の画像(60)を提供し、且つ第1の物体(61)を計数してパラメーターNOBを提供し、
b) 第1の画像(50)の中で脂肪及び細管内の穴のピクセル値特性を有する第2の物体(72)の第3の画像(70)を提供し、
c) 第2と3の画像(60、70)からのデータを組み合わせて、第1の物体(61)内に在る選択された第2の物体(81)を識別し、
d) 選択された第2の物体(81)を内部に有し且つ細管の可能性の有る第1の物体(51)を計数して、パラメーターNを提供し、
e) 各第1の物体(51)と比較しての、この第1の物体内に在る選択された第2の物体(81)の相対面積を決定して、パラメーターRATIOを提供し、
f) 第1の物体(51)の全面積と比較しての、第1の物体内に在る選択された第2の物体(81)の全面積を決定して、パラメーターSURFを提供し、
g) パラメーターPERCENT=N/NOBを決定し、
h) 少なくとも中間の大きさの穴(52)を含んでいる第1の物体(51)の数を計数して、パラメーターTを提供し、そして
i) 上述した第1の画像のパラメーターをパラメーター閾値と対比することに基づいて、第1の画像の細管(51)を類別するようにコンピュータ装置を制御するための命令を含んでいることを特徴とするコンピュータプログラム。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
GBGB0224626.2A GB0224626D0 (en) | 2002-10-23 | 2002-10-23 | Tubule grading |
PCT/GB2003/004527 WO2004038633A1 (en) | 2002-10-23 | 2003-10-20 | Automated histological grading of tubules |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2006507486A true JP2006507486A (ja) | 2006-03-02 |
JP4452624B2 JP4452624B2 (ja) | 2010-04-21 |
Family
ID=9946400
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2004546146A Expired - Fee Related JP4452624B2 (ja) | 2002-10-23 | 2003-10-20 | 細管の自動組織学的類別 |
Country Status (8)
Country | Link |
---|---|
US (1) | US8229674B2 (ja) |
EP (1) | EP1554680B1 (ja) |
JP (1) | JP4452624B2 (ja) |
AT (1) | ATE347150T1 (ja) |
AU (1) | AU2003274337A1 (ja) |
DE (1) | DE60310120T2 (ja) |
GB (1) | GB0224626D0 (ja) |
WO (1) | WO2004038633A1 (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012042815A1 (ja) * | 2010-09-29 | 2012-04-05 | 富士フイルム株式会社 | イムノクロマトグラフ検査方法および装置 |
WO2012042858A1 (ja) * | 2010-09-29 | 2012-04-05 | 富士フイルム株式会社 | イムノクロマトグラフ検査方法および装置 |
JP2013206034A (ja) * | 2012-03-28 | 2013-10-07 | Fujitsu Ltd | 情報処理装置、画像処理方法およびプログラム |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2430026A (en) | 2005-09-09 | 2007-03-14 | Qinetiq Ltd | Automated selection of image regions |
JP5849206B2 (ja) * | 2013-03-27 | 2016-01-27 | パナソニックIpマネジメント株式会社 | 画像処理装置、画像処理方法、及び画像処理プログラム |
JP5834253B2 (ja) | 2013-03-27 | 2015-12-16 | パナソニックIpマネジメント株式会社 | 画像処理装置、画像処理方法、及び画像処理プログラム |
US9298968B1 (en) * | 2014-09-12 | 2016-03-29 | Flagship Biosciences, Inc. | Digital image analysis of inflammatory cells and mediators of inflammation |
Family Cites Families (4)
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 |
US5257182B1 (en) | 1991-01-29 | 1996-05-07 | Neuromedical Systems Inc | Morphological classification system and method |
US6031930A (en) * | 1996-08-23 | 2000-02-29 | Bacus Research Laboratories, Inc. | Method and apparatus for testing a progression of neoplasia including cancer chemoprevention testing |
GB2395263A (en) * | 2002-11-12 | 2004-05-19 | Qinetiq Ltd | Image analysis |
-
2002
- 2002-10-23 GB GBGB0224626.2A patent/GB0224626D0/en not_active Ceased
-
2003
- 2003-10-20 AU AU2003274337A patent/AU2003274337A1/en not_active Abandoned
- 2003-10-20 JP JP2004546146A patent/JP4452624B2/ja not_active Expired - Fee Related
- 2003-10-20 AT AT03758324T patent/ATE347150T1/de not_active IP Right Cessation
- 2003-10-20 EP EP03758324A patent/EP1554680B1/en not_active Expired - Lifetime
- 2003-10-20 WO PCT/GB2003/004527 patent/WO2004038633A1/en active IP Right Grant
- 2003-10-20 DE DE60310120T patent/DE60310120T2/de not_active Expired - Lifetime
- 2003-10-20 US US10/529,509 patent/US8229674B2/en not_active Expired - Fee Related
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012042815A1 (ja) * | 2010-09-29 | 2012-04-05 | 富士フイルム株式会社 | イムノクロマトグラフ検査方法および装置 |
WO2012042858A1 (ja) * | 2010-09-29 | 2012-04-05 | 富士フイルム株式会社 | イムノクロマトグラフ検査方法および装置 |
JP2012073111A (ja) * | 2010-09-29 | 2012-04-12 | Fujifilm Corp | イムノクロマトグラフ検査方法および装置 |
JP2012073125A (ja) * | 2010-09-29 | 2012-04-12 | Fujifilm Corp | イムノクロマトグラフ検査方法および装置 |
EP2623979A1 (en) * | 2010-09-29 | 2013-08-07 | FUJIFILM Corporation | Immunochromatographic inspection method and device |
EP2623979A4 (en) * | 2010-09-29 | 2014-03-12 | Fujifilm Corp | METHOD AND DEVICE FOR IMMUNOCHROMATOGRAPHIC TESTING |
JP2013206034A (ja) * | 2012-03-28 | 2013-10-07 | Fujitsu Ltd | 情報処理装置、画像処理方法およびプログラム |
Also Published As
Publication number | Publication date |
---|---|
EP1554680B1 (en) | 2006-11-29 |
AU2003274337A1 (en) | 2004-05-13 |
GB0224626D0 (en) | 2002-12-04 |
DE60310120D1 (de) | 2007-01-11 |
US8229674B2 (en) | 2012-07-24 |
DE60310120T2 (de) | 2007-10-04 |
EP1554680A1 (en) | 2005-07-20 |
WO2004038633A1 (en) | 2004-05-06 |
US20060036369A1 (en) | 2006-02-16 |
JP4452624B2 (ja) | 2010-04-21 |
ATE347150T1 (de) | 2006-12-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20230419696A1 (en) | Image analysis method, apparatus, program, and learned deep learning algorithm | |
JP4864857B2 (ja) | 有糸分裂活性の測定 | |
US7555161B2 (en) | Image analysis | |
AU671984B2 (en) | Method for identifying objects using data processing techniques | |
Forero et al. | Automatic identification of Mycobacterium tuberculosis by Gaussian mixture models | |
Keenan et al. | An automated machine vision system for the histological grading of cervical intraepithelial neoplasia (CIN) | |
JP5156631B2 (ja) | 画像領域の自動選定 | |
Mahendran et al. | Investigation of the severity level of diabetic retinopathy using supervised classifier algorithms | |
AU2003207787A2 (en) | Image processing using measures of similarity | |
JP4383352B2 (ja) | 核多形性の組織学的評価 | |
JP4864709B2 (ja) | 分散プロット分布を用いてスライドの染色品質を決定するシステム | |
Razzak | Malarial parasite classification using recurrent neural network | |
Rachna et al. | Detection of Tuberculosis bacilli using image processing techniques | |
JP4452624B2 (ja) | 細管の自動組織学的類別 | |
JP4897488B2 (ja) | 分散プロット分布を用いてスライドを分類するシステム | |
Chitra et al. | Detection of aml in blood microscopic images using local binary pattern and supervised classifier | |
Amitha et al. | Developement of computer aided system for detection and classification of mitosis using SVM | |
CN108074242B (zh) | 一种提高炎症识别准确度的方法及装置 | |
Yurtsever et al. | A New Augmented K-Means Algorithm for Seed Segmentation in Microscopic Images of the Colon Cancer | |
Mia | Detection of brain stroke from ct scan image | |
Milenovic et al. | Cell classification for diagnostic of reactive histocytic hyperplasia using neural networks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20060719 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20090406 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20090618 |
|
A602 | Written permission of extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A602 Effective date: 20090625 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20090709 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20090810 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20090914 |
|
A602 | Written permission of extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A602 Effective date: 20090924 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20091211 |
|
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: 20100125 |
|
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: 20100201 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 4452624 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: 20130205 Year of fee payment: 3 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130205 Year of fee payment: 3 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20140205 Year of fee payment: 4 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
LAPS | Cancellation because of no payment of annual fees |