JP2010151523A - 粒子画像解析方法および装置 - Google Patents

Abstract

【課題】オペレータが判断に迷う画像に類似している画像を登録参照画像から抽出して表示し確度の高いレビュー支援が可能な粒子画像解析方法を実現する。
【解決手段】オペレータは該当する画像をマウス等で選択し、サブメニューの候補画像表示を選択する（Ｓｔｅｐ３０１、３０２）。参照画像メモリに格納された参照画像特徴パラメータを基に候補画像の絞り込みを実行し、大きさのパラメータを満たす画像のみを抽出する（Ｓｔｅｐ３０３）。その後、形態情報と、色情報のパラメータを選択画像から抜き出し、抽出した画像とで比較し、候補画像の有無を判断する（Ｓｔｅｐ３０４、３０５）。判断規準を満たす場合は、候補画像表示を行い（Ｓｔｅｐ３０７）、判断基準を満たす候補画像が抽出できなかった場合は、その旨のメッセージを表示する（Ｓｔｅｐ３０６）。
【選択図】図１２

Description

本発明は、粒子画像解析方法および粒子画像解析装置に関する。

従来、血液、尿、体液や組織液に存在する細胞を分類、分析するには、スライドガラス上に標本を作製し、顕微鏡で観察している。尿の場合には、尿中の粒子濃度が薄いため、測定試料を予め遠心分離器で遠心濃縮してから観察している。

これらの観察や、検査の作業を自動化する装置としては、血液等の試料をスライドガラス上に塗沫したあと顕微鏡にセットし、顕微鏡ステージを自動的に走査し、粒子の存在する位置で顕微鏡ステージを止めて粒子の静止画像を撮影し、画像処理技術による特徴抽出およびパターン認識手法を用い、試料中にある粒子の分類等が行われる。

しかし、上記手法では標本作製に時間を要すること、さらに顕微鏡ステージを機械的に移動しながら粒子を見つけ、粒子を適当な画像取込み領域へ移動させる作業が必要である。上記手法では、分析時間に長時間が必要となるため、決められたフレーム数を撮影する方式も採用されている。

そこで、検査の高精度化と省力化を図るため、洗浄剤であるシース液を外層とし、試料液を極めて偏平な流れにするフローセルを用いるフロー式粒子画像解析装置があり、例えば、特許文献１、特許文献２に開示されている。

このフロー方式粒子画像解析装置においては、フローセル中を移動する試料を例えばビデオカメラで撮影し、この撮像した静止画像を画像処理することにより、試料中の粒子を分類・計数するものである。

また、上述したフロー方式画像解析装置において、撮影した粒子画像を粒子サイズ等により区分けして画面上に表示して、オペレータが粒子を分類していく方法が特許文献３に提案されている。

さらに、オペレータが粒子を分類するときに、予め指定した成分の種類のみをレビューする機能を搭載し、レビュー時間の短縮を図る方法が特許文献４に提案されている。切り取された画像は、成分ごとにまとめて表示することができるという利点がある。

特開昭６３−９４１５６号公報 特開平４−７２５４４号公報 特開昭６０−３８６５３号公報 特開平８−２１０９６１号公報

ところで、自動粒子解析装置の画像は、顕微鏡下でのスライドガラス標本の見え方とは異なる。染色する場合、染色液成分の違いでも見え方が違って見える。そのため、自動分析機器を導入すると、顕微鏡下での観察と装置取得画像とを同一検体で見比べるというトレーニング期間が必要となる。

今までの顕微鏡での観察技術や経験を自動解析装置に移植する手段は現状ないといえる。画像例を冊子にしているケースもあるが、典型例が集められており、さまざまな形態を示す粒子解析装置では参考情報にならないことが多い。

そのため、オペレータは粒子画像をレビューして、自動で分類された分類カテゴリーに誤りがないか、詳細に分類する必要がないかを判断していく。装置で撮影された粒子画像は顕微鏡画像と違い、成分のみの切り出し画像であったり、染色の違いなどがあるなど、オペレータが画像の判断を迷うことも多い。

しかし、臨床検査の分野では、早く測定結果を出す必要があるため、画像１枚１枚の編集に時間をかけたくなく、紙の参照画像データと見比べる余裕もほとんどない。オペレータは、判断に迷ったあげく、顕微鏡検査に回すことになり、標本作製から顕微鏡検査と後戻り作業が発生してしまう。

後戻り作業が増えると、消耗品代（スライドガラス、カバーガラス、スポイト、染色液）、人件費など経費が増加して検査室の収益が悪化する。さらに、検査結果報告が遅延してしまう。それを恐れて、難しそうな検体は、自動分析装置で測定せずに、初めから顕微鏡検査に回してしまう施設もでている。したがって、スクリーニング用の装置が目的を果たせていない状況である。

また、病院の検査室では、専任制でなく、使用者は固定にはならない状況にあり、ローテーションが頻繁に行われる。このため、自動粒子解析装置における画像の見え方を習得する余裕もない。人件費削減などで新人などの教育も時間が限られており、施設内でも一人一人の技量が異なる。同一のレベルにするには時間と労力がかかる。しかし、ローテーションがあると、せっかくの情報が次の担当者に引き継がれない。

本発明の目的は、登録された参照画像の特徴パラメータを活用して、分類カテゴリー分けで判断に迷う画像に類似している画像を登録参照画像から抽出して表示し、確度の高いレビュー支援を行うことが可能な粒子画像解析方法及び粒子画像解析装置を実現することである。

上記目的を達成するため、本発明は、次のように構成される。

本発明の粒子画像解析方法は、液体中に懸濁する粒子の画像について形態学的特徴を示す特徴パラメータと分類カテゴリーとを関連づけて参照画像として予め記憶手段に記憶しておき、撮影された画像から抽出された粒子の特徴パラメータと、上記記憶手段に記憶された参照画像の特徴パラメータとを比較演算し、特徴パラメータが上記抽出された粒子と互いに類似する参照画像を表示手段に表示する。

また、本発明の粒子画像解析装置は、粒子が懸濁する液体を撮影する撮影手段と、撮影した画像から粒子を抽出する粒子抽出手段と、抽出した粒子の特徴パラメータを抽出する手段と、上記抽出した粒子をカテゴリー毎に分類し、分類したカテゴリー毎に単位体積当たりの粒子の濃度を算出する粒子分析手段と、上記抽出した粒子の分類カテゴリー毎に粒子濃度を表示する表示手段と、液体中に懸濁する粒子の画像について形態学的特徴を示す特徴パラメータと分類カテゴリーとを関連づけて参照画像として、予め記憶する参照画像記憶手段とを備え、上記粒子分析手段は、撮影された画像から抽出された粒子の特徴パラメータと、上記記憶手段に記憶された参照画像の特徴パラメータとを比較演算し、特徴パラメータが上記抽出された粒子と互いに類似する参照画像を表示手段に表示する。

登録された参照画像の特徴パラメータを活用して、分類カテゴリー分けで判断に迷う画像に類似している画像を登録参照画像から抽出して表示し、確度の高いレビュー支援を行うことが可能な粒子画像解析方法及び粒子画像解析装置を実現することができる。

図１は、本発明の一実施形態であるフロー方式粒子画像解析装置の全体概略構成図である。また、図２は図１に示したフローセルを中心とした構成図である。

図１及び図２において、フロー式粒子画像解析装置は、フローセル１００と、画像撮影部１０１と、粒子分析部１０２と、粒子検出部１０３と、フロー系制御部１２４とを備えている。

画像撮影部１０１は、フラッシュランプ駆動回路６と、フラッシュランプ１と、フィールドレンズ２と、視野絞り１１と、開口絞り１２と、顕微鏡コンデンサレンズ３と、顕微鏡対物レンズ５（粒子検出部１０３と共用）と、ＴＶカメラ８とを有する。

また、粒子分析部１０２は、画像メモリ２４と、画像処理制御部２５と、特徴抽出部２６と、識別部２７と、粒子数分析部４０と、中央制御部２８と、レビュー用粒子画像メモリ２９と、参照画像メモリ３０と、表示部５０と、操作部６０とを有する。

また、粒子検出部１０３は、半導体レーザー源１５と、コリメータレンズ１６と、シリンドリカルレンズ１７と、反射鏡１８と、微小反射鏡１９と、顕微鏡対物レンズ５と、ビームスプリッタ２０と、絞り２１と、光検出回路２２と、フラッシュランプ点灯制御回路２３とを有する。

半導体レーザー源１５からのレーザー光は、コリメータレンズ１６により平行なレーザー光束１４となり、反射鏡１８を介し、顕微鏡レンズ３とフローセル１００の間に配置された微小反射鏡１９によりフローセル１００中の液流１１０の粒子検出領域７０（図２）を照射する。

図２を用いて、装置のフロー制御について説明する。

サンプリングノズル１０９で試料１１０ａを吸引し、あらかじめ染色液１１１が吐出された染色槽１１２に吐出する。次に、一定時間が経過したらダイレクトサンプリング機構１０８のダイレクトサンプリングノズル１０７で染色槽１１２の染色試料１１０ｂを吸引し、フローセル１００内に注入する。

そのとき、シース液容器１０４内のシース液１０５をシリンジ機構１０６で染色試料１１０ｂを挟み込みながらフローセル１００に注入する。そのため、シース液のフローセル１００内への入り口は、図示するように、二つに分かれている。

また、フローセル１００においては、染色試料１１０ｂとシース液１０５との流量比に応じて測定流路の染色試料の厚さが調整される。例えば、試料の流量が一定の場合に、シース液１０５の流量が少なくなると、幅は一定のままで超偏平試料流の厚さが増加し、シース液１０５の流量が多くなると、幅は一定のままで同じであれば、超偏平試料流の厚さが減少する。

例えば、尿中有形成分を対象とする場合、成分の大きさは数マイクロｍ〜２００マイクロｍのため、フローセルの幅は２００〜３５０マイクロｍを必要とする。厚さ寸法は数マイクロｍ〜数１０マイクロｍ程度の偏平試料流となる。粒子撮影領域７０は一辺が試料の流れの幅とほぼ同じ長さを有する四角形状である。得られた画像は幅と長さが２５０〜３００マイクロｍ程度の大きさとなる。

また、粒子検出部１０３は、液体中に懸濁する粒子の有無を判断する粒子判断論理に従って粒子を検出する。この粒子判断論理は複数用意されており、粒径が小さい粒子を検出する場合には、光検出回路２２からの検出信号が所定のＡレベルとなり、パルス幅が所定幅ＰＡとなったときに粒子が検出されたと判断する判断論理（アルゴリズム）を使用する。

また、粒径が大きい粒子を検出する場合には、光検出回路２２からの検出信号が小粒子を検出する時のＡレベルと異なる所定のＢレベルとなり、パルス幅が所定幅ＰＡと異なる所定幅ＰＢになったときに粒子が検出されたと判断する。上記粒子検出部１０３でフローセル内の粒子を検出し、画像撮影部１０１で画像８０を取得する。

粒子分析部１０２は、ＴＶカメラ８から出力される画像データ信号を画像処理制御部２５の制御により、画像メモリ２４の所定のアドレスに記憶する。画像メモリ２４に記憶されたデータは画像処理制御部２５の制御により読み出され、特徴抽出部２６及び識別部２７に入力されて画像処理が行われ、中央制御部２８にその結果が供給される。

中央制御部２８に供給されるのは、粒子分類結果と粒子分類に使われた粒子識別特徴パラメータデータである。粒子の分類識別論理は、通常行われているパターン認識処理により自動的に行われる。この画像処理結果と測定条件及び画像処理された画像情報が中央制御部２８から粒子分析部４０に送られる。

粒子分析部４０は、中央制御部２８、光検出回路２２からの粒子検出信号、および画像処理制御部２５からの制御信号に基づいて、検出粒子と粒子分類結果との対応関係を調べ、最終的な粒子画像の分類識別結果のまとめ、単位体積当たりの粒子濃度演算等を行う。その結果は、中央制御部２８に返され、必要に応じて表示部５０に出力表示される。

一方、粒子画像をレビューするには、まず、表示部５０に表示された画像を参照して、操作部６０からオペレータがレビューしたい粒子の種類を選択し、中央制御部２８を経て識別部２７に伝えられ、識別部２７で分類識別した結果と設定したレビュー粒子名称と一致した場合だけ、相当する粒子画像が画像メモリ２４よりレビュー用画像メモリ２９に送られ、順次蓄積されていく。

レビュー用画像メモリ２９は粒子画像に関してはレビューすべき粒子像専用のもので、これに蓄積された粒子画像は、試料の測定終了後、レビュー用画像メモリ２９から中央制御部２８を経て同一粒子種類ごとに表示部５０の表示画面に表示され、オペレータによるレビュー用に供せられる。参照画像は参照画像メモリ３０に格納されており、表示部５０からの指示により、登録した成分名称などの区分けで表示する。

測定結果のうち、サンプル中の粒子濃度計算、視野換算粒子数計算、及び分類アルゴリズムによる自動分類結果と、表示された画像から確定された詳細分類結果とは、分析結果として中央制御部２８に返す。最終的に、測定結果はホストコンピュータ９０へ送信される。

次に、図３を用いて装置の処理フローを説明する。

まず、染色試料１１０ｂのフローセル１００への注入を開始する。粒子が粒子検出部１０３で検出されると、ＴＶカメラ８で撮影する（Ｓｔｅｐ１、Ｓｔｅｐ２）。その後、撮影された画像８０を背景と成分とに分離する。これをニ値化という（Ｓｔｅｐ３）。次に、二値化により分離された成分一つ一つに番号を付けて区分けする（Ｓｔｅｐ４）。これをラベリングという。

その後、成分ごとに大きさや色情報、円形度などの形態学的特徴パラメータを算出する（Ｓｔｅｐ５）。画像は特徴パラメータを基に装置内に組み込まれた識別論理（例：ニューラルネットワーク）で分類分けする（Ｓｔｅｐ６）。識別された画像は成分エリアのみに切り取られ、レビュー用の画像として成分ごとにまとめられる（Ｓｔｅｐ７）。

以上が画像処理からレビュー用画像メモリ２９への格納までの処理フローである。

次に、図４を使って、撮影された画像をレビュー用の切取り画像として取得する処理フローを説明する。

図４において、撮影順に撮影領域全体の画像８０中の成分一つ一つに番号（Ａ、Ｂ、Ｃ、Ｄ、・・・）を付与する。図３で説明したラベリングＳｔｅｐ４に相当する。

図４に示した例では、小さい成分である粒子成分Ｂ、Ｃ、Ｄ、Ｅ、Ｇ、Ｉ、Ｊ、Ｈは棄却され、粒子成分Ａ、Ｆ、Ｋ、Ｌ、Ｍ、Ｎが切取り画像として画像メモリ２９に格納される。画像メモリ２９に格納された画像はレビュー用画像となる。これは、図３で示したＳｔｅｐ７に相当する。それを成分の種類ごとに並べ替えを行う。本発明の一実施形態では、成分ごとにウィンドウ表示する。

次に、図５を用いて、参照画像表示処理フローを説明する。

画面表示された画像メモリ２９に格納された検体リストから画像レビューを実施する１番目の検体を選択して画像レビューボタンを押す（Ｓｔｅｐ１０１）。選択した検体の画像レビュー画面が表示される。自動分類項目ごとにウィンドウで表示された画像を確認し、自動分類結果が誤っている場合や、詳細に分類カテゴリー分けが必要な場合には、編集作業をする（Ｓｔｅｐ１０２）。どの分類カテゴリーにするか迷った場合に、過去の分類結果が参照できれば、効率的なレビュー支援や施設内の統一につながる。

まず、画像レビュー中に参照画像ボタン（アイコン）を押し下げる（Ｓｔｅｐ１０３）。そして、プルダウンメニューを表示する（Ｓｔｅｐ１０４）。格納されている画像の分類カテゴリーから目的のカテゴリーを選択する（Ｓｔｅｐ１０５）。選択された分類カテゴリーの画像を表示部５０に表示する（Ｓｔｅｐ１０６）。オペレータは表示された参照画像を参考にし、参照画像のウィンドウを閉じる（Ｓｔｅｐ１０７）。

表示される画像は、登録時の分類カテゴリー別、あるいは疾患別に区分けする。

次に、
図６及び図７は、分類カテゴリーに区分けされた参照画像表示例を示す図である。図６及び図７において、画像レビュー画面中の参照画像ボタン４００を押し下げる。成分カテゴリー４０１別に区分けした項目が表示され、さらに区分けした項目うちの選択した項目のマークを押し下げて詳細な分類カテゴリー４０２を選択する。

例えば、上皮細胞の成分カテゴリーから尿細管上皮細胞を選択すると、参照画像メモリ３０に格納されている尿細管上皮細胞として登録されている全ての画像を画像ウィンドウで表示する（図７参照）。さらに、マウス等で画像を選択すると、画像登録時の情報（登録日、疾患名、コメントなど）を表示する。

本発明の一実施形態である粒子画像解析方法および装置において、参照画像メモリ３０に参照画像を追加登録する処理フローについて、図８、図９及び図１０を参照して説明する。図８は、処理フローチャートであり、図９は、処理フローに使用される画面例、図１０は選択画像登録ウンドウの拡大図である。

画像レビュー中に、今後の画像判別に有効と思われる画像が出現した場合、オペレータは、画像をマウス等で選択する（Ｓｔｅｐ２０１）。画像選択時に表示されるサブメニューから、図９に示すように、参照画像登録−選択画像登録を選択する（Ｓｔｅｐ２０２）。

続いて、選択画像登録ウィンドウ（図１０）が表示される。選択画像登録ウィンドウで成分カテゴリーを選択し（Ｓｔｅｐ２０３）、分類カテゴリーの選択あるいは、入力を行う（Ｓｔｅｐ２０４）。

次に、疾患名の選択あるいは入力する（Ｓｔｅｐ２０５）。コメントが必要な場合はコメントボタンを押し、コメントを入力する（Ｓｔｅｐ２０６）。最後に登録ボタンを押すと特徴パラメータと分類カテゴリーと疾患名などの付加情報を関連付けし、参照画像メモリ３０に格納し、登録処理を行う（Ｓｔｅｐ２０７）。

ここで、尿有形成分を分類するには、画像から抽出した以下の特徴パラメータを装置専用の識別論理によって分類する。

識別（分類）手法には複数あるが、本発明の一実施形態では、ニューラルネットワークを採用している。

次に、オペレータが画像レビュー中、どの分類カテゴリーに入れるか迷う場合につい手の動作を図１１及び図１２を参照して説明する。図１１は、候補画像表示メニュー画像を示す図であり、図１２は動作フローチャートである。

図１１、図１２において、オペレータは該当する画像をマウス等で選択する（Ｓｔｅｐ３０１）。そして、画像を選択したまま右クリックを押しサブメニューの候補画像表示を選択する（Ｓｔｅｐ３０２）。参照画像メモリ３０に格納されている参照画像の特徴パラメータを基に候補画像の絞り込みを実行する。まず、大きさのパラメータ（面積：Ｃｓ、周囲長：Ｌ）を使い、対象となる選択画像のＣｓプラスマイナス５％、Ｌプラスマイナス５％の画像を抽出する。このとき、両方の条件（Ｃｓプラスマイナス５％、Ｌプラスマイナス５％）を満たしている画像のみを抽出する（Ｓｔｅｐ３０３）。

その後、形態情報（円形度：Ｌ＊Ｌ／Ｃｓ、面積比：Ｌ／Ｃｓ、）と、色情報（Ｒ平均濃度ＲＲ＝ＳＲ／Ｃｓ、Ｇ平均濃度ＲＧ＝ＳＧ／Ｃｓ、Ｂ平均濃度ＲＢ＝ＳＢ／Ｃｓ、濃度比：Ｒ平均濃度／Ｇ平均濃度＝ＲＲ／ＲＧ）の６つのパラメータを選択画像から抜き出し、既に大きさのパラメータで抽出した画像とで比較する（Ｓｔｅｐ３０４）。

候補優先順の算出方法を以下の表１を使って説明する。

まず、大きさで絞り込んだ抽出画像の各パラメータを選択画像のパラメータで除して比を算出する。例えば、Ｌ／Ｃｓの値が選択画像で０．９５、抽出画像Ｎｏ．１で１．０６となる。選択画像とのパラメータの比は１．０６／０．９５＝１．１２となる。同様に、他のパラメータ、抽出画像で演算処理を行う。最後に、６つの特徴パラメータでの比の平均値を算出する。数値が１により近い画像が選択画像に近い特徴を持っているといえる。

次に、候補画像の有無を判断する（Ｓｔｅｐ３０５）。表１ではＮｏ．３が１．０２で選択画像に最も近いことになる。選択画像が登録参照画像に近い特徴パラメータを示さない場合もある。そのため、候補画像として表示する基準が必要である。本発明の一実施形態では、その規準をパラメータの比の平均値が０．８〜１．２の範囲であれば候補画像表示を行う（Ｓｔｅｐ３０７）。

パラメータの比の平均値が０．８〜１．２の範囲外の場合は候補画像が抽出できなかった旨のメッセージを表示する（Ｓｔｅｐ３０６）。

図１３は候補画像ウィンドウの例を示す図である。図１３に示すように、候補の画像は規準範囲の中で、上位数個を表示する。図１３に示した例では、３個である。表示する最大の個数は予め設定しておくが、表示個数が多すぎると、オペレータが混乱するので、適度な個数が望ましい。オペレータは候補画像を見て最終判断し、候補画像ウィンドウを閉じて終了する。

参照画像は、外部記憶媒体、例えば、ＤＶＤやＳＤカードへの保存を可能とする。その外部記憶媒体を用いて他の装置へ参照画像を追加登録する。

図９に示した参照画像登録を選択時に、「外部メディアへの保存」を選択した場合、ＤＶＤあるいはＳＤカードの画像の特徴パラメータと分類カテゴリーを装置の外部記憶媒体に保存する。逆に、図９で参照画像登録を選択時に、「外部メディアからの追加」を選択した場合、ＤＶＤあるいはＳＤカードの画像の特徴パラメータと分類カテゴリーを装置の外部記憶媒体から登録する。

この参照画像データは装置での追加、保存だけでなく、分類アルゴリズム改良のための学習用画像データとしても活用する。

さらに、施設内での分類カテゴリー分けの統一を図ることによって、より正確な結果を出力することができる。

以上のように、本発明の一実施形態によれば、参照画像を装置内の記憶部に格納しておき、オペレータが任意に成分カテゴリー別に区分けされた参照画像を見ることができ、画像レビュー操作中に簡便に、オペレータが行う分類カテゴリー分けの支援が効率的に行える。

また、必要に応じて、画像を追加登録することで、レビュー操作時間短縮や、休日や夜間担当者、および装置に不慣れなオペレータのレビュー支援に大きな効果がある。

さらに、判別できない画像出現時、過去に登録している特徴パラメータが類似した候補画像を表示することで確度の高いレビュー支援ができるとともに、施設内での成分判別の統一を図ることができる。

最終的には、自動分析装置で結果を確定できる検体の割合を増やし、顕微鏡検査件数を減らして検査室の効率向上と経費削減に寄与することができる。

他の効果としては、このライブラリを施設外で使用できるため、施設間での成分分析統一が図れるとともに、登録参照画像を分類アルゴリズム構築の改良等で活用することが可能となる。

自動分析装置で結果を確定できる検体の割合を増やし、顕微鏡検査件数を減らして検査室の効率向上と経費削減に寄与することができる。

本発明の一実施形態が適用される粒子画像解析装置の全体構成図である。 図１に示したフローセルの拡大構成図である。 本発明の一実施形態における画像処理フローチャートである。 撮影画像からレビュー用の切取り画像を取得する処理の説明図である。 参照画像表示処理フローチャートである。 参照画像表示メニュー例を示す図である。 参照画像表示画面例を示す図である。 参照画像追加登録処理フローチャートである。 参照画像登録メニュー例を示す図である。 参照画像登録ウィンドウ例を示す図である。 候補画像表示メニュー例を示す図である。 候補画像抽出処理フローチャートである。 候補画像画像表示例を示す図である。

符号の説明

１・・・フラッシュランプ、 ２・・・フィールドレンズ、 ３・・・顕微鏡レンズ、 ５・・・対物レンズ、 ６・・・フラッシュランプ駆動回路、 ８・・・ＴＶカメラ、 １１・・・視野絞り、 １２・・・開口絞り、 １４・・・レーザー光束、 １５・・・半導体レーザー源、 １６・・・コリメータレンズ、 １７・・・シリンドリカルレンズ、 １８・・・反射鏡、 １９・・・微小反射鏡、 ２０・・・ビームスプリッタ、 ２１・・・絞り、 ２２・・・光検出回路、 ２３・・・フラッシュランプ点灯制御回路、 ２４・・・画像メモリ、 ２５・・・画像処理制御部、 ２６・・・特徴抽出部、 ２７・・・識別部、 ２８・・・中央制御部、 ２９・・・レビュー用画像メモリ、 ３０・・・参照画像メモリ、 ４０・・・粒子数分析部、 ５０・・・表示部、 ６０・・・操作部、 ７０・・・撮影領域、 ８０・・・撮影領域の全体画像、 １００・・・フローセル、 １０１・・・画像撮影部、 １０２・・・粒子分析部、 １０３・・・粒子検出部、 １０４・・シース液容器、 １０５・・・シース液、 １０６・・・シリンジ機構、 １０７・・・ダイレクトサンプリングノズル、 １０８・・・ダイレクトサンプリング機構、 １０９・・・サンプリングノズル、 １１０ａ・・・試料、 １１０ｂ・・・染色試料、 １１１・・・染色液、 １１２・・・染色槽、 １２４・・・フロー系制御部

Claims (7)

1. 粒子が懸濁する液体を撮影し、撮影した画像から粒子を抽出し、抽出した粒子の特徴パラメータに基づいて、上記抽出した粒子をカテゴリー毎に分類し、分類したカテゴリー毎に単位体積当たりの粒子の濃度を算出し、上記抽出した粒子の分類カテゴリー毎に粒子濃度を表示する粒子画像解析方法において、
   液体中に懸濁する粒子の画像について形態学的特徴を示す特徴パラメータと分類カテゴリーとを関連づけて参照画像として、予め記憶手段に記憶しておき、
   撮影された画像から抽出された粒子の特徴パラメータと、上記記憶手段に記憶された参照画像の特徴パラメータとを比較演算し、
   特徴パラメータが上記抽出された粒子と互いに類似する参照画像を表示手段に表示することを特徴とする粒子画像解析方法。
2. 請求項１記載の粒子画像解析方法において、上記記憶された参照画像は、疾患名も付加され、上記画像表示手段には、参照画像と、分類カテゴリー又は疾患名とを表示することを特徴とする粒子画像解析方法。
3. 請求項１記載の粒子画像解析方法において、撮影された画像から抽出した粒子の分類カテゴリー、疾患名、コメントを付加して、上記撮影された画像から抽出した粒子の形態学的特徴を示す特徴パラメータと関連付けて、上記記憶手段に追加記憶することを特徴とする粒子画像解析方法。
4. 請求項１記載の粒子画像解析方法において、上記記憶手段に記憶された参照画像を、外部記憶媒体に記憶し、上記外部記憶媒体を介して他の粒子画像解析装置の記憶手段に参照画像情報を記憶させることを特徴とする粒子画像解析方法。
5. 粒子が懸濁する液体を撮影する撮影手段と、撮影した画像から粒子を抽出する粒子抽出手段と、抽出した粒子の特徴パラメータを抽出する手段と、上記抽出した粒子をカテゴリー毎に分類し、分類したカテゴリー毎に単位体積当たりの粒子の濃度を算出する粒子分析手段と、上記抽出した粒子の分類カテゴリー毎に粒子濃度を表示する表示手段とを有する粒子画像解析装置において、
   液体中に懸濁する粒子の画像について形態学的特徴を示す特徴パラメータと分類カテゴリーとを関連づけて参照画像として、予め記憶する参照画像記憶手段と、
   を備え、上記粒子分析手段は、撮影された画像から抽出された粒子の特徴パラメータと、上記記憶手段に記憶された参照画像の特徴パラメータとを比較演算し、特徴パラメータが上記抽出された粒子と互いに類似する参照画像を表示手段に表示することを特徴とする粒子画像解析装置。
6. 請求項５記載の粒子画像解析装置において、上記記憶された参照画像は、疾患名も付加され、上記画像表示手段は、参照画像と、分類カテゴリー又は疾患名とを表示することを特徴とする粒子画像解析装置。
7. 請求項５記載の粒子画像解析装置において、上記記憶手段には、撮影された画像から抽出した粒子の分類カテゴリー、疾患名、コメントが付加され、上記撮影された画像から抽出した粒子の形態学的特徴を示す特徴パラメータと関連付けて、記憶されていることを特徴とする粒子画像解析装置。

Images