JP2010525299A - 生体物質の動きを追跡するシステム及び方法 - Google Patents

Abstract

本発明は、ユーザが少なくとも１つの細胞がどのように機能するかを判断するために、複数の細胞のうちの少なくとも１つの細胞のような物体の動きを、当該物体が経時的に１つの点から別の点へ動くときに追跡することをユーザに可能にする、自動化されたシステム及び方法を提供する。ユーザは少なくとも１つの細胞の動きを追跡し、当該少なくとも１つの細胞の構造が、当該少なくとも１つの細胞が細胞分裂を受けるような変化をしたか否か、又は、二つ以上の細胞が互いに融合しているか否かを判断することができる。このユーザは、少なくとも１つの細胞を最適に追跡して、当該少なくとも１つの細胞が動くときに、当該少なくとも１つの細胞の近似ロケーションを時間及び距離において検出することができる。したがって、本発明は、ユーザに、細胞の動きを追跡して細胞機能を研究する手段を提供する。
【選択図】図１

Description

本発明は、生体物質の動きを追跡するシステム及び方法に関する。
［関連出願の相互参照］
本出願は、２００７年２月９日付けで出願された、米国仮特許出願第６０／８８９，００６号の優先権を主張するものであり、その開示は、参照によりその全体が本明細書に援用される。

今日ゲノム配列プログラム及び他の種類のプログラムが成功しているという事実にも関わらず、一般的に、人間及び他の生物において、ほとんどの遺伝子、細胞、及びウィルスがどのように機能するかは比較的知られていない。したがって、遺伝子機能を学び、理解することを可能にする高スループットスクリーニングに対する需要が存在する。高スループットスクリーニングによって、何十万個の遺伝子産物を検討及び分析することが可能になる。これらの分析の結果によって、細胞内で発生する生体プロセスを検討することが可能になる。このことは、細胞追跡が生体アッセイの科学的調査にとって重要であるため、細胞の分析に必須である。

通常、細胞を追跡するためには、複数の細胞のうちの単一の細胞を色素によってマークすると共に、細胞が１つのフレームから別のフレームへ動くときに当該細胞を追跡するためにコンピュータを用いる必要がある。マークされた細胞の動きを追跡するこのプロセスは、誤りを起こしやすく、且つ時間がかかる。これは、１つの細胞がマークされる場合であっても、１つのフレームから別のフレームまで存在する複数の細胞から当該細胞を区別することができない場合があるためである。また、細胞をマークするために利用された色素が、通常の細胞周期を妨げ、それによって細胞が１つのフレームから別のフレームへ動くとき、当該細胞がどのように働くかの真の画像を取得しない場合がある。

細胞追跡のためにコンピュータによって利用される、カルマンフィルタ、及び粒子フィルタのような幾つかの異なるアルゴリズムが存在する。カルマンフィルタは、一連の不完全でノイズの多い測定から動的システムの状態を推定する、効率的な再帰フィルタである。カルマンフィルタは、細胞のような物体の、１つの点から別の点への動きを追跡するために、二次統計に基づく追跡方法を用いる。カルマンフィルタは、動的モデル及び測定モデルがガウス雑音を有する線形であると仮定する追跡方法を用いる。しかしながら、細胞の画像列に関して、多くの干渉要素、たとえば背景クラッタが存在し、細胞の境界の明瞭な画像を作り出すのは困難である。これによってしばしばカルマンフィルタによる追跡の崩壊が発生する。

逐次モンテカルロ法の一形式である粒子フィルタは、ランダムサンプリングに基づく洗練されたモデル推定技法である。粒子フィルタは、ガウス分布の推定を必要とせず、また、動的モデル及び測定モデルは非線形であってもよい。粒子フィルタはカルマンフィルタの不利益を一切被らない。しかしながら、速度が落ちるという不利益を受けなくてはならない。しかしながら、そのように述べたにも関わらず粒子フィルタは低速ではない。速度の点では、カルマンフィルタの代わりに粒子フィルタを使用することは、極度に高速な進行を、ほとんどの用途にちょうど十分な速さに変更することと等価である。

粒子フィルタとカルマンフィルタとの間の根本的な違いは、状態を表す方法にある。カルマンフィルタは、パラメータ毎に１つの値を記憶すると共に、各パラメータ間の対応する分散及び相関を共分散行列の形式で記憶する。粒子フィルタは、それぞれが状態ベクトルとその対応する重みとを含む対に対応する「粒子」の収集物を維持する。追跡されている物体の挙動全体は粒子の収集物の統計から導出することができる。単一の物体を、数十、数百、又はさらには数千個の粒子を使用して追跡することができる。粒子フィルタは、細胞の経過を辿るために、細胞が特定の形状を有することを必要とするが、細胞は１つの特定の形状を有する物体ではないため、細胞を追跡することが困難であることがある。

したがって、細胞の機能を研究するために細胞の動きの真の画像を示す成果物を作り出すことができる、自動化された細胞追跡のシステム及び方法に対する需要が存在する。

本発明は上述した背景技術を鑑みて達成され、本発明の目的は細胞の動きを追跡するシステム及び方法を提供することである。

本発明の好ましい実施の形態では、細胞を追跡する方法が開示される。当該方法は、前のフレーム内の少なくとも１つの細胞の画像をロケーションと共に提供すること、前のフレーム内の少なくとも１つの細胞のロケーションに基づいて、或る時間期間にわたって現在のフレーム内の少なくとも１つの細胞の新たなロケーションを求めること、現在のフレーム内の少なくとも１つの細胞の新たなロケーションを測定すること、及び、現在のフレーム内の少なくとも１つの細胞の測定された新たなロケーションに基づいて、現在のフレーム内の少なくとも１つの細胞のロケーションを更新することを含む。

本発明の別の好ましい実施の形態では、細胞を追跡する方法が開示される。当該方法は、前のフレーム内の少なくとも１つの細胞の画像を受信すること、前のフレーム内の少なくとも１つの細胞の画像に関連付けられる複数の粒子を提供することであって、当該複数の粒子は、少なくとも１つの細胞の、前のフレームから現在のフレーム内の少なくとも１つの細胞への動きを追跡する、提供すること、及び、複数の粒子を有する現在のフレームにおいて、当該複数の粒子を有する前のフレーム内の少なくとも１つの細胞との関連で、当該少なくとも１つの細胞の近似ロケーションを求めることを含む。

本発明のさらに別の好ましい実施の形態では、細胞の動きを追跡するシステムが開示される。イメージングシステムは、前のフレーム内の少なくとも１つの細胞の画像を受信するように構成され、画像受信装置に接続される。画像受信装置は、前のフレーム内の少なくとも１つの細胞の画像を受信し、前のフレーム内の少なくとも１つの細胞の画像に関連付けられる複数の粒子を提供し、なお、当該複数の粒子は、少なくとも１つの細胞の、現在のフレームから前のフレーム内の少なくとも１つの細胞への動きを追跡し、且つ、複数の粒子を有する現在のフレームにおいて、当該複数の粒子を有する前のフレーム内の少なくとも１つの細胞との関連で、当該少なくとも１つの細胞の近似ロケーションを求めるように構成される。

本発明のこれらの利点及び他の利点は、以下の詳細な説明が添付の図面と併せて読まれるときに、より明らかになるであろう。

本発明の一実施形態による、細胞の動きを追跡するシステムのブロック図である。 本発明による図１の画像受信装置の概略図である。 本発明による、図１の細胞追跡システムが利用される方法を示すフローチャートである。 本発明による、複数の細胞の視野の生成のコンピュータスクリーンショットを示す。 本発明による、細胞の特性を示す複数の細胞からの１つの細胞の視野の生成のコンピュータスクリーンショットを示す。 本発明による、図４の複数の細胞の視野に関連付けられる特性のコンピュータスクリーンショットを示す。 本発明による、細胞との関連で選択される特性のコンピュータスクリーンショットを示す。 本発明による、選択されている入力特性のコンピュータスクリーンショットを示す。 本発明による近接アルゴリズムのフローチャートを示す。 本発明による粒子フィルタアルゴリズムのフローチャートを示す。 本発明による、双曲コーシー密度（Hyperbolic Cauchy Density）を生成するための指定のグラフ表現である。 本発明による、細胞融合又は細胞死を判断する一般的な［反比例］距離の使用を示す表の図式的表現である。 本発明による、細胞分裂又は細胞誕生を判断する一般的な［反比例］距離の使用を示す表の図式的表現である。

本発明の現在の好ましい実施形態を図面を参照して説明する。ここで、同様の構成要素は同じ符号で識別される。好ましい実施形態の説明は例示であり、本発明の範囲を限定するようには意図されていない。

図１は、細胞の動きを追跡するシステムを含む、従来の蛍光顕微鏡システムのブロック図を示す。この自動化された顕微鏡システム１００は、任意選択の従来のコンピュータ１０３と、光源１０５と、光検出器１０７と、ダイクロイックミラー１０９と、対物レンズ１１１と、試料台１１３と、試料１１５と、試料ホルダ１１９とを備える。

対物レンズ１１１の下には試料標本ホルダ１１９があり、試料標本ホルダ１１９を、通常のマイクロタイタープレート、顕微鏡スライド、チップ、ガラスプレート、ペトリ皿、プラスチック、若しくはシリコン、又は対象位置決め台１１３上に設置された試料１１５を保持するのに利用される任意の種類の通常のホルダとみなすことができる。また、本発明で利用される２つ以上の試料ホルダ１１９及び／又は２つ以上の試料台１１３が存在してもよい。

別の実施形態では、通信リンク１１７によって、顕微鏡システム１００を従来のコンピュータ１０３に電気的に又は無線で接続することができる。通信リンク１１７は、自動化された顕微鏡システム１０１とコンピュータ１０３との間のデータ転送を容易にすることができる、ローカルアクセスネットワーク（ＬＡＮ）、無線ローカルネットワーク、広域ネットワーク（ＷＡＮ）、ユニバーサルサービスバス（ＵＳＢ）、イーサネットリンク、光ファイバ等のような任意のネットワークとすることができる。顕微鏡は複数の対物レンズ１１１を有することもできる。

顕微鏡システム１００を、画像送信装置、イメージング装置、又は、光検出器１０７若しくは通常の顕微鏡接眼レンズを利用することによって、試料１１５若しくは試料台１１３に設置される任意の種類の対象物の画像を捕捉することが可能なイメージングシステムとみなすことができる。また、顕微鏡システム１００は、たとえば、ニュージャージー州ピスカタウェイ所在のGE Healthcareによって製造されたＩＮＣＥＬＬ（商標）Ａｎａｌｙｚｅｒ１０００又はＩＮＣＥＬＬ（商標）Ａｎａｌｙｚｅｒ３０００であってもよい。試料１１５は、生きた生物有機体、生体細胞、非生体試料等とすることができる。顕微鏡システム１００は、通常の共焦点顕微鏡、蛍光顕微鏡、落射蛍光顕微鏡、位相差顕微鏡、微分干渉顕微鏡、又は当業者に既知である任意の種類の顕微鏡とすることができる。別の実施形態では、顕微鏡システム１００は、生物有機体等の画像を迅速に検出、分析、及び提供することができる、通常のハイスループット・ハイコンテント細胞内イメージング解析装置とすることができる。また、顕微鏡システム１００は、自動化された細胞・細胞内イメージングシステムとすることができる。

光源１０５は、ランプ、レーザ、複数のレーザ、発光ダイオード（ＬＥＤ）、複数のＬＥＤ、又は、試料１１５を照明するために主光路１０６を介して試料台１１３へ方向付けられる光ビーム１０６を生成する当業者に既知の任意の種類の光源とすることができる。レーザ走査顕微鏡の場合、走査ミラー１０９は試料１１５の上に位置決めされ、この走査ミラー１０９が光源１０５から顕微鏡の視野にわたって光を走査し、光検出器１０７上で試料の画像が取得される。蛍光顕微鏡の場合、走査ミラー１０９をダイクロイックミラー１０９とみなすことができ、ダイクロイックミラー１０９は、励起光を試料に反射し、試料からの蛍光の光を光検出器１０７に通す。

試料からの反射光又は蛍光を受ける光検出器１０７は、光電子増倍管、電荷結合素子（ＣＣＤ）、相補型金属酸化膜半導体（ＣＭＯＳ）画像検出器、又は、当業者によって利用される任意の光検出器とすることができる。光検出器１０７は、通信リンク１１７によってコンピュータ１０３に電気的に又は無線で接続される。別の実施形態では、光検出器１０７を、対物レンズ１１１と協働して中間画像を標本の詳細を観察することができるようにさらに拡大する、通常の顕微鏡接眼レンズ又は接眼鏡と置き換えてもよい。

コンピュータ１０３を、画像受信装置１０３又は画像検出装置１０３とみなすことができる。本発明の別の実施形態では、画像受信装置１０３を、画像送信装置１００の内部に位置決めすることができる。画像受信装置１０３は、通常のコンピュータとして機能し、試料１１５の画像を光検出器１０７から受信することが可能であり、次に標準的な画像処理ソフトウェアプログラム、アルゴリズム、又は式を利用することによって、画像を表示、保存、又は処理することができる。また、コンピュータ１０３は、個人情報端末（ＰＤＡ）、ラップトップコンピュータ、ノートブックコンピュータ、移動電話、ハードドライブベースの装置、又は通信リンク１１７を通じて情報を受信、送信、及び記憶することができる任意の装置とすることができる。本発明において１つのコンピュータが利用されるが、コンピュータ１０３の代わりに複数のコンピュータを利用することができる。

図２は、図１の細胞追跡システムの画像受信装置の概略図を示す。画像又はイメージングの受信装置１０３は、従来のコンピュータに関連付けられる通常の構成要素を備える。画像受信装置１０３も、画像送信システム１００上に格納することができる。画像受信装置１０３は、プロセッサ１０３ａと、入出力（Ｉ／Ｏ）コントローラ１０３ｂと、マスストレージ１０３ｃと、メモリ１０３ｄと、ビデオアダプタ１０３ｅと、接続インタフェース１０３ｆと、上述したシステム構成要素を、動作可能に、電気的に、又は無線でプロセッサ１０３ａに結合するシステムバス１０３ｇとを備える。また、システムバスは１０３ｇは、通常のコンピュータシステム構成要素を、電気的に、又は無線でプロセッサ１０３ａに動作可能に結合する。プロセッサ１０３ａを、処理装置、中央処理装置（ＣＰＵ）、複数の処理装置、又は並行処理装置とみなすことができる。システムバス１０３ｇを、従来のコンピュータに関連付けられる通常のバスとすることができる。メモリ１０３ｄは、読出し専用メモリ（ＲＯＭ）と、ランダムアクセスメモリ（ＲＡＭ）とを備える。ＲＯＭは基本ルーチンを含む通常の入出力システムを備え、当該入出力システムは、起動中にコンピュータの構成要素間で情報を転送するのを補助する。

入出力コントローラ１０３ｂは、バス１０３ｇによってプロセッサ１０３ａに接続される。ここで、入出力コントローラ１０３ｂは、ユーザが、細胞追跡グラフィカルユーザインタフェース（ＧＵＩ）、並びに、キーボード及びポインティングデバイスのような入力装置１０４を通じて、コマンド及び情報をコンピュータに入力することを可能にするインタフェースとして機能する。利用される通常のポインティングデバイスは、ジョイスティック、マウス、ゲームパッド等である。ティスプレイ２０１は、ビデオアダプタ１０３ｅによって、システムバス１０３ｇに電気的に又は無線で接続される。ディスプレイ２０１は、通常のコンピュータモニタ、プラズマテレビ、液晶ディスプレイ（ＬＣＤ）、又は、コンピュータ１０３によって生成される文字及び／若しくは静止画像を表示することが可能な任意の装置とすることができる。コンピュータ１０３のビデオアダプタ１０３ｅと並んで、接続インタフェース１０３ｆが存在する。接続インタフェース１０３ｆを、上述したように通信リンク１１７によって光検出器１０７に接続されるネットワークインタフェースとみなすことができる。また、画像受信装置１０３はネットワークアダプタ又はモデムを備えることができ、当該ネットワークアダプタ又はモデムによって、画像受信装置１０３を他のコンピュータに結合することが可能になる。

メモリ１０３ｄの上にはマスストレージ１０３ｃがあり、マスストレージ１０３ｃは、１．ハードディスクに対して読み書きを行うためのハードディスクドライブ構成要素（図示せず）及びハードディスクドライブインタフェース（図示せず）と、２．磁気ディスクドライブ（図示せず）及びハードディスクドライブインタフェース（図示せず）と、３．ＣＤ−ＲＯＭ又は他の光学式媒体のような取外し可能な光ディスクに対して読書きを行うための光ディスクドライブ（図示せず）及び光ディスクドライブインタフェース（図示せず）とを備える。上述したドライブ及びそれらの関連付けられるコンピュータ可読媒体は、コンピュータ可読命令の不揮発性ストレージ、データ構造、プログラムモジュール、及び、コンピュータ１０３のための他のデータを提供する。また、上述したドライブは、本発明の、細胞の動きを追跡するためのアルゴリズム、ソフトウェア、又は式を有するという技術的効果を含む。当該技術的効果は、図３、図７、及び図８のフローチャートにおいて説明される。

ソフトウェアは細胞追跡グラフィカルユーザインタフェース（ＧＵＩ）を有する。細胞追跡グラフィカルユーザインタフェースは、通常のＧＵＩと同じ機能性のうちの幾らかを有する、特別にプログラムされたＧＵＩであり、コンピュータユーザがコンピュータ１０３と簡単に対話することを可能にするように設計されたソフトウェアプログラムである。細胞追跡ＧＵＩは、１．図６Ａ、図６Ｂ、及び図６Ｃにおいて論考されるような細胞の特性（「測度」）を表示するスクリーンショットを含む。

図３は、細胞追跡ソフトウェアアプリケーションにおいて、細胞の動きが追跡される方法のフローチャートを示す。この説明では１つの細胞を参照するが、この説明は、顕微鏡システム１００によって追跡される複数の細胞にも当てはまる。ユーザは、イメージング受信システム１０３によって検証される顕微鏡システム１００内に複数の細胞を挿入する。

ブロック３０１において、ユーザは、ポインティングデバイス１０４を用いて、プロセッサ１０３ａ上で、プロトコル内に記憶されている細胞追跡近接アルゴリズム又は粒子フィルタアルゴリズムを開始し、それによって、ユーザは細胞追跡ＧＵＩを操作して、図６Ｂのコンピュータスクリーンショット上の「〜を使用して細胞の動きを検査する」インジケータをチェックして近接アルゴリズム又は粒子フィルタアルゴリズムを選択する。次に、ブロック３０３において、顕微鏡システム１００におけるユーザは、図４のコンピュータスクリーンショットにおいて示されるような、画像受信装置１０３における特定の状態又は「前のフレーム」としても知られる特定のフレームにおける、「シーン」として知られる、複数の細胞の視野（ＦＯＶ）を観察する。任意選択で、細胞追跡グラフィカルユーザインタフェースがコンピュータスクリーンショット上に細胞の特性を表示してもよい。図６Ａを参照すると、コンピュータスクリーンショットは細胞の特性を示している。顕微鏡システム１００上の細胞のそれぞれに関して、ニュージャージー州ピスカタウェイ所在のGE Healthcareによって製造されたＩＮＣＥＬＬ（商標）Ａｎａｌｙｓｉｓ Ｗｏｒｋｓｔａｔｉｏｎ又はＩＮＣＥＬＬ（商標）Ｄｅｖｅｌｏｐｅｒにおいて使用される標準画像分析ソフトウェアに基づいて、各細胞の特性が知られる。

細胞の特性は、細胞核の強度、又は細胞核若しくは細胞核エリアの稠密度等を含む。これらの特性は、核の中心が必須であることを表している。示すことができる多数の細胞の特性が存在するが、当業者に既知であるため、ここではそれらを完全には開示しない。特性のそれぞれは、図６Ｃのコンピュータスクリーンショットに示すように重みを割り当てられる。ここで、重みは、追跡プロセスに対する各特性の影響を示すものであり、０より大きく１以下の数で表される。

この時点で、ユーザは、細胞に関連付けられる特性のすべてに対して特定の重みを割り当てることもできる。たとえば、ユーザは、Ｎｕｃ ｃｇ Ｘの特性に対して１．００の重みを要求することができ、Ｎｕｃ ｃｇ Ｙの特性に対して１．００の重みを要求することができる。Ｎｕｃ ｃｇ Ｘ及びＮｕｃ ｃｇ Ｙはそれぞれ、Ｘ及びＹは核の質量中心の座標である。核の質量中心は核の「重心」と同義である。核細胞は、ｘ_ｉ１≦ｉ≦Ｍ、ｙ_ｉ１≦ｉ≦Ｍ Ｎｕｃ ｃｇ＝−ｘ １／Ｍ ＭΣｉ＝１ ｘ_ｉ及びＮｕｃｇ＝−ｙ＝１／Ｍ ＭΣｉ＝１ ｙ_ｉに位置するＭ個のピクセルによって表される。また、ユーザは、ブロック３１５において細胞追跡プロセスが完了した後、図６Ｃのコンピュータスクリーンショットに示すラベル、追跡ＩＤ、イベント、信頼度、及び距離のような出力データのいずれを受信することを望むかを選択することができる。ラベルは細胞に割り当てられる一意のラベルであり、所与の時点における細胞の表現ではないが、実際の物理エンティティである。追跡ＩＤは親子関係を表す数字であり、通常、細胞のすべての画像化された子孫はその追跡ＩＤを共有するべきである。イベントは、なし、新規、分裂、又は衝突等であり、所与の時点における所与の細胞に関連する。信頼度は、現在のフレームのこの時点における所与の細胞の、前の時点の当該細胞の親への割り当てが正確である信頼度を与えられたアルゴリズムである。距離は、前のフレームから現在のフレームへの細胞が進んだ距離である。

細胞追跡ソフトウェアプログラムは、複数の細胞の画像からの少なくとも１つの細胞を検出及び分析すると共に、当該少なくとも１つの細胞の特性、すなわち、特徴ベクトル、細胞位置、エリア、強度、比率、分類等を計算するために、複数の細胞を区分化及び定量化することを可能にする、標準の区分化・定量化プログラムを含む。「比率」は、不変特徴、すなわち、物体のサイズが変化するがその形状は変化しない場合であっても値を維持する特徴の一例であり得る。分類結果は、さらにより多くの特徴である。たとえば、細胞は当該細胞の寿命期間において複数の段階を経験し、分類器はこれらの段階を判断することができる。寿命期間における段階に応じて、特徴の異なるセットを用いる場合すらある。たとえば、細胞分裂の直前に、細胞はサイズ及び輝度が大きくなり、伸長する。これらの３つの特徴、特に伸長及び「形状要素」は、次のフレーム内で同じ細胞を特定するのに役立つ。ユーザは、ポインティングデバイス１０４（図２）を使用してコンピュータ１０３の細胞追跡グラフィカルユーザインタフェース（ＧＵＩ）を操作し、複数の細胞から少なくとも１つの細胞を選択することができる。

図５を参照すると、複数の細胞が定量化・区分化プロセスを受けた後、ユーザが或る時間期間にわたって追跡することを選択した細胞がコンピュータスクリーンショットにおいて示される。ここで、細胞は拡大され、細胞追跡ＧＵＩによって、時点「＜＜」及び「＞＞」間、並びに同じフレーム内の兄弟細胞「＜」及び「＞」間のナビゲーションを可能にするボタンが表示される。また、この細胞のコンピュータスクリーンショットは、細胞を追跡するための追跡ｉｄ９９、及びこの細胞を図４に示されるその他の細胞と区別するための細胞番号９８を含む。

ブロック３０５において、画像受信システム１０３におけるプロセッサ１０３ａは、検証されているフレームが画像受信システム１０３の視野（ＦＯＶ）における最初のフレーム又は前のフレームであるか否かを判断する。第１のフレームが最初のフレームでも前のフレームでもない場合、ブロック３０７においてフレームマッチングプロセスが開始する。

ブロック３０７において、ユーザは画像受信装置１０３を用いて細胞追跡ＧＵＩを操作して、現時点又は現在のフレームにおいて上記少なくとも１つの細胞が観察された場所から、ブロック３０１における前のフレームへの変化を、或る時間期間にわたって予測することができる。図６Ｃに示すように、ユーザは、ブロック７０１において近接アルゴリズムを使用するか、又はブロック８０１において粒子フィルタアルゴリズムを使用することによって、現在のフレーム内の複数の細胞における少なくとも１つの細胞の、前のフレーム内の複数の細胞における当該少なくとも１つの細胞までの動きを追跡することができる。近接アルゴリズムは、現在のフレーム内の複数の細胞における、前のフレーム内の少なくとも１つの細胞の位置と等しい、少なくとも１つの細胞（最も近い細胞）の位置を表す。粒子フィルタアルゴリズムは、現在のフレーム内の複数の細胞における、当該複数の細胞における少なくとも１つの細胞の前のフレームの最終位置＋速度×時間＋１／２加速度×時間の二乗＋ランダムな変化に等しい、少なくとも１つの細胞の位置を表す。この粒子フィルタは動的モデルを使用する。近接フィルタアルゴリズム及び粒子フィルタアルゴリズムの目的は、現時点（現在のフレーム）を過去（任意の以前に処理されたフレーム、通常単純に前のフレーム）とリンクさせるイベントを特定することである。

図７は、近接アルゴリズムを用いて細胞が第１のロケーションから次のロケーションへ動く場所を予測する方法のフローチャートを示す。ブロック７０１において、細胞追跡ソフトウェアは、文字Ｐによって表される前のフレームからの細胞と同じ複数の細胞を含む、文字Ｔによって表される新規フレーム又は現在のフレームを、たとえば１０^４ｍｓの時間間隔で１０^６ｍｓ〜５×１０^９ｍｓの時間期間内で生成した。この時点において、前のフレームの物体毎に追跡が行われており、前のフレーム内の物体又は細胞に十分近接している現在のフレーム内の物体又は細胞は、「候補マッチ」と見なされる。現在のフレームＴは、文字ｔによって表される特徴ベクトル（ロケーション）を有し、前のフレームＰは文字ｐによって表される特徴ベクトル（ロケーション）を有する。候補マッチは、考察対象の物体に最も近い物体であるか、又は、候補マッチは、考察対象の物体からその最も近いマッチまでの距離ｑよりも考察対象の物体から離れてはいない。シンボルｐ_ｉに関する候補マッチの集合はＭ_ｉである。現在のフレーム内の、前のフレームに最も近い物体間の距離は２つのベクトル間の標準ユークリッド距離としても既知であり、ここで各座標は上述したように重み付けされる。現在のフレームと前のフレームとの間の距離を取得するために、以下の式が適用される：

第１の式において、ｍ_ｉは、特徴ベクトルｐ_ｉと、Ｔ（重み付けされた距離の意味においてｐ_ｉに最も近い次のフレーム）からの特徴ベクトルとの間の距離を示す。第２の式は、Ｐからのベクトルｐ毎の候補マッチの集合が、Ｔからのすべての特徴ベクトルｔを含むことを示し、ｔとＴとの間の重み付けされた距離がｑを乗算された最小距離（式１において定義される）以下となるようになっている。第３の式はフレームＰとフレームＴとの間のマッピングＣを形式的に導き、当該マッピングは、複数の細胞の、前のフレームと現在のフレームとの間のすべてのマッチに関する情報を表し、３つ１組として、Ｐからの特徴ｐ、Ｔからの特徴ベクトルｔ（ｐに対する候補マッチの集合Ｍｐから導出される）、及びｐとｔとの間の重み付けされた距離を含む。Ｃは、前のフレーム内のｐ個のコールと、Ｐの候補マッチと見なされるｔ個の細胞と、対応する距離ｄとを含むすべてのタプルの集合である。２本の垂直バーで形成される括弧は、数の絶対値を表さない。垂直バーは、ベクトルのユークリッドノルムを表し、ここでは点ｗｐと点ｗｔとの間にわたるベクトルである。

ブロック７０３において、細胞追跡ソフトウェアは、文字Ｄが、Ｃ（タプルの第３の要素）の要素から取得した重み付けされた距離の母集団として定義されることを示す。距離ｄ（ｍ）＞ｍｅｄ（Ｄ）＋１０ｈ_ｏｕｔ×ｍａｄ（Ｄ）であるＣのすべての要素ｍは、異常値であるものとして集合から除去される。

定数ｈ_ｏｕｔはユーザによって供給される。項ｍｅｄは母集団の中央値を表す。項ｍａｄは絶対偏差の中央値を表す。
また、ブロック７０３において、上述したイベントが識別される。たとえば、それぞれの特徴ベクトルｐ及びｔに関連する特定の要素ＰからＴにおいて開始又は終了する複数のエントリに基づいて、イベントは衝突又は分裂である場合がある。ブロック７０５において、特徴ベクトルｐ及びｔに基づいてＰにもＴにも直接関連していない物体は、それぞれ離脱イベント及び到着イベントを生成する孤立した物体又は細胞である。

また、ブロック７０５において、マッチングされた各レコードの信頼度インジケータが割り振られる。信頼度の定義は任意であり、マッチングプロセスには直接対応せず、入力状態に直接対応する。以下に示す式に従って様々なイベントが割り振られる。
４．イベントなし及び衝突イベント：１−ｄ／ｓ_ｐ、式中、ｓ_ｐは、ｐとＴから２番目に近いマッチとの間の距離である。
５．分裂：ｂ_ｔ／ｓ_ｐ、式中、ｂ_ｔは、Ｔと、ＰにおけるＴに最も近いベクトルとの間の距離である。
６．到着：

７．離脱：

イベントなし及び衝突イベントの式に関して、ｓ_ｐは、ｐとＴから２番目に近いマッチとの間の距離である。分裂の式に関して、ｂ_ｔは、ｔと、ＰにおけるＴに最も近いベクトルとの間の距離である。到着イベント及び離脱イベントに関して、ｂ_ｔ又はｍ_ｐによってそれぞれ除算された母集団Ｄの平均が数値１から減算される。この時点において、現在のフレーム内の物体又は少なくとも１つの細胞は、ブロック３０９に進むことによってラベル付けの準備が完了する。

ブロック３０９において、現在のフレームすなわちＴからの少なくとも１つの細胞が、前のプロセスにおいて列挙されたイベントに基づいてラベル付けされる。このラベル付けするステップは、物体の寿命全体を通じて一定であり続けることが予期されると共に、物理的物体の画像を示すのに使用することができる、識別子又は名前を割り当てる。識別子によって、プログラムは、ユーザがこれらの関係を把握することができるようにして出力データを提示することが可能になる。これらのラベルはシーンの第１のフレームで１から開始する数列から取得される自然数であり、ここで、各シーンは独立してラベル付けされる。また、このラベル付けプロセスは、同じ細胞又は前のフレームからの子孫の細胞である細胞系譜木を識別する。物体ラベルと同様に、細胞系譜木も自然数によって識別される。以下の表の規則に従って、現在のフレームとその直前のフレーム（predecessor）との間で発生したイベントに基づいて、ラベルが子物体に割り当てられる。

次に、ブロック３１５において、前のフレームからの現在のフレームの出力データが或る時間期間にわたって示される。この出力データが以下に示す表のように表される。この表は、現在のフレーム及び前のフレーム又は親子関係を表形式で示す。この表情報は、イベントラベル、細胞ＩＤ、及び親子関係木ＩＤも含むことができる。

考察中のフレームがシーンの第１のフレームである場合、ブロック３１１において、追跡アルゴリズムによって必要とされるデータ構造の初期化が発生する。
次に、ブロック３１３において、衝突、到着、離脱等のような、上述した様々なイベントまで追跡された物体のラベル付けが行われる。ブロック３１５において、上述したように、或る時間期間にわたる現在のフレーム及び前のフレームの出力データが示される。ブロック３１７において、画像受信装置１０３によって、シーンの最後のフレームが画像受信装置１０３によって取得されたか否かが判断される。本質的には、ユーザは画像受信装置に通知するか、又は画像受信装置１０３上にプロトコルが存在するか否かをチェックして、１個〜１００個のフレーム、好ましくは６０個〜８０個のフレームの範囲にある複数の現在のフレームを精査する。視野内の複数の細胞を有する物体又は細胞が或る時間期間にわたってどのように動くかの正確な説明を得るために、たとえば、１００，０００ｍｓ〜１，０００，０００ｍｓの時間期間にわたって１００個の現在のフレームを精査する。シーンの最後のフレームが取得されていないと判断される場合、プロセスはブロック３０３に戻る。シーンの最後のフレームが取得され、且つ出力データが取得されていると判断される場合、プロセスはブロック３１９に進む。ブロック３１９において、現時点のフレームと前のフレームとの間の中間データが削除され、このプロセスは終了する。

本発明で使用される粒子フィルタアルゴリズムは、２つの別個の層、内層及び外層を備える。内層の各構成要素は個々の標的又は細胞を追跡する責任があるサブトラッカーと見なすことができる。外層はすべての標的又は細胞を追跡する責任があるトラッカーと見なすことができる。内層は「粒子」のクラウドを含み、当該クラウドはハチの群れのように、物体又は細胞のような単純な標的を追う。外層は、それぞれが標的を追うように意図されるクラウドのセットを備える。内層及び外層は共に、通常の、予測ステップと、観察／測定ステップと、更新ステップとを有する。外層は、当該外層の構成要素のクラウドのそれぞれに予測を委任することによって各クラウドの所在を予測する、予測段階を有する。換言すれば、外層は自身では予測を行わず、内層は自身の予測を行う。

また、外層は、２つのステップを包含する測定段階を有する。第１に、各標的のクラウド毎に、当該クラウドから当該各標的への距離が計算される。外層測定段階は２つの局面を仮定する。第１に、外層測定段階は、コンピュータ１０３が、各クラウドと各標的との間の「距離」を測定する方法を知っていると仮定する。これは後にクロスエントロピーの論考中に開示される。第２の局面は、コンピュータ１０３が、イベントなし、融合、分裂、細胞誕生、及び細胞死のイベントを決定するような、これらの距離を対処する方法を知ることである。測定段階の終了時に、コンピュータ１０３は、標的又は細胞と同じ数の粒子クラウドを有するべきである。この終了に向けて、コンピュータ１０３は、１．細胞分裂と、２．細胞融合と、３．細胞消滅と、４．細胞誕生との間で判断及び区別をする必要がある。標的とクラウドとの間の距離の表の客観的分析の判断基準が図１０及び図１１に示される。

外層測定段階の次のステップは、コンピュータ１０３が、ステップ１から計算された距離を利用する「責任分担表」（ＲＭ）を構築することを含む。次に、コンピュータ１０３は、細胞における分裂、融合、衝突等に関してＲＭを分析する。次に、コンピュータ１０３は、粒子クラウドのセットに等しい出力を、標的毎に１つずつ決定する。

外層更新段階は、各粒子クラウドに当該粒子クラウド自身の状態を更新することを委任する。外層測定段階は非常に複雑であり、多数の新しい局面を含む。外層は画像内の複数の標的全体に作用し、ここで、標的は、ニュージャージー州ピスカタウェイ所在のGE Healthcareによって製造されたＩＮＣＥＬＬ（商標）１０００ Ｄｅｖｅｌｏｐｅｒ Ｔｏｏｌｂｏｘによって提供されるアルゴリズムのような別個の区分化アルゴリズムによって定義される。

外層と同様に、内層は通常のベイズ追跡フィルタであり、別個のさかのぼる段階と、観察段階と、更新段階とを含む。粒子フィルタの内層は、単純な標的を追跡するための粒子クラウドを含む。内層の予測段階が以下に示される。

予測：

理論
ドリフト：

実践
拡散：

上記の例はゼロ加速度を用いる単純なモデルを示す。通常、３つの異なる動的モデル、すなわち、１．最終位置＝初期位置＋速度×時間＋ノイズ、２．最終位置＝初期位置＋ノイズ、及び、３．最終位置、又は３．初期位置＋速度×時間＋０．５×加速度×時間×時間＋ノイズを考慮に入れて、ｘ及びｙに関して新たなロケーション又は最終ロケーションを計算するモデルを用いることができる。

予測段階の理論的局面は、コンピュータ１０３が密度ｐ（ｘ_ｔ｜ｘ_ｔ−１）から直接試料を引き出すべきであることを宣言するが、第１にこれは可能ではない。実際には、この密度はコンピュータ１０３にとって利用可能ではない。カルマンフィルタを使用することに関連付けられる陥穽を回避するために、異なる密度が慎重に選択される。当該密度自体はガウス統計に基づかない。選択の密度は裾の長い密度である。確率密度関数の利用は、細胞トラッカーのロバスト性に影響を与える。ロバスト統計の分野の背後にある原理は、１つ又は複数の異常値が有する可能性がある影響を最小にすることである。これを行う１つの方法は、推定値を裾の厚い密度に基づかせることであり、図９における双曲コーシー密度は、当該裾の厚い密度の一例である。多数の細胞を追跡した後、理論的サンプリングを実施することが可能であることに留意されたい。当該サンプリングは、Isard及びBlakeによって、M.Isard及びA.Blake著「Condensation--conditional density propagation for visual tracking」（International Journal of Computer Vision29(1), pp. 5-28, 1998. http://citeseer.ist.psu.edu/isard98condensation.html）において提案されるように、粒子フィルタの予測段階、すなわちｘ_ｔ←ｐ（ｘ_ｔ｜ｘ_ｔ−１）によって指示される。

双曲コーシー密度の対数確率のグラフは、ガウス分布の対数確率に対して全く異なる性質を示す。大きな距離の場合、当該グラフの性質は放物形ではなく線形である。小さな距離の場合、２つの測定はほとんど同一であるが、大きな距離の場合に双曲コーシーはより寛容である。これは、異常値がより少ない重みを得るため、ロバスト推定器の本質である。確率密度関数における重い裾は、異常値により少ない重みが与えられたことを意味する。この密度は小さな誤差にはＬ２ノルムを使用するが、大きな誤差にはＬ１ノルムを使用する。

ガウス統計はロバストではない。これは関連付けられる距離測定が異常値を二乗するためである。最終的な結果は、小さな距離の場合にガウス分布であるが、大きな試料の場合に非ガウス分布までシームレスに変化する、非線形トラッカーとなる。これによって異常値に対するロバスト性が向上するはずである。特徴間の距離は、ここでは単純に「距離」のより安定した測度を使用しているという点において、暗黙的に処理されている。

双曲コーシー：小さなｘ＝二乗を加算
大きなｘ＝絶対値を加算
重点サンプリングは、裾の重い密度を使用する他の妥当な理由である。カルマンフィルタ及び粒子フィルタに関する論考は通常、多数の多次元積分の存在によって過度に複雑になる。粒子フィルタリングは、重点サンプリング法を使用するモンテカルロ数値積分の形態で考察することができる。重点サンプリングにおいて、良好で効率的な提案密度は、真の統計に可能な限り密接にマッチする。しかしながら、数値安定性のために、提案密度は裾が重いことが望ましい。

要約すると、重い裾は３つの目的を達成する：
１．異常値（すなわち、突然の大きな変化）に対するロバスト性
２．新たな状態の探索及び調査におけるさらなる目標
３．より安定した数値積分
次に、粒子フィルタの内層は測定構成要素を備える。理論では、ｐ（ｚ_ｔ｜ｘ_ｔ−１）に等しい重みである。実践では、密度の確率密度関数を閉形式で利用可能であるため、同じである。この段階において、各粒子は、確率密度関数によって測定されるような、標的に対する自身の近接度に応じて決まる重みを取得する。

最後に、内層は、試料が当該試料の個々の重みに従って再サンプリングされる更新構成要素を含む。良好な予測を行う粒子は、その報いとして１回以上試料となる。劣った予測をする試料は、小さな重みを有し、おそらく全くサンプリングされない。更新ステップは粒子の再サンプリングを行い、これは置き換えを伴う。これは、以下のＭａｔｌａｂコードによって示すように、実施するのが非常に単純である：

製品内で使用される対応するＣコードは、ＣＤＦが単調増加であり、予めソートされているという事実に基づいて二分探索を使用するため、より良く書かれている。
再サンプリング例
入力：（９，０．１６７）（１６，０．３３３）（７，０．０００）（２０，０．０００）（１８，０．５００）（２３，０．０００）
出力：（９，０．１６７）（１６，０．１６７）（１６，０．１６７）（１８，０．１６７）（１８，０．１６７）（１８，０．１６７）
第１の数がサンプリングされており、第２の数は対応する重みである。ここで出力において９が１回、１６が２回、１８が３回現れる。２０、７、２３は、重みがゼロであるため現れない。重みは、再サンプリング後に１に加算するために再度正規化されることに留意されたい。この例において、ここで、値９、１６、７、２０、１８、２３はスカラであるが、それらをベクトルとすることができない理由は存在しない。通常、それらはまさにベクトルである。

図８のブロック８０１において、コンピュータは、各標的に当該標的自身のトラッカーを与えて、粒子フィルタ追跡アルゴリズムを開始する。トラッカーの初期状態は、細胞画像の元のロケーション及び状態に関連付けられる、細胞位置、画像強度、細胞エリア、形状要素、又は通常他の測定可能な特徴ベクトル等のような、観察可能な細胞の特性に基づく。ブロック８０３において、粒子フィルタアルゴリズムは、上述した観察可能な特性に基づいて、速度のような隠れた特性の値を他のベイズ学習アルゴリズムと同じようして推測することによって、細胞画像のロケーションを予測することができる。

この細胞追跡ソフトウェアプログラムは通常のモンテカルロ粒子フィルタプログラムを含み、当該モンテカルロ粒子フィルタプログラムによって、ユーザは、前のフレームにおける元の状態又はロケーションにある細胞画像を、現在のフレームにおける新たな状態又はロケーションまで追跡することが可能になる。ここで、モンテカルロプログラムからの複数の粒子は本質的に、ユーザに応じて決まる特定の時間期間内において、元の細胞に、当該細胞の開始ロケーションから新たなロケーションまでハチの群れのように従う。粒子フィルタは、細胞の新たなロケーションの割り当てられた標的を追跡する粒子クラウドのようにふるまう１００個以上もの「粒子」を含むことができる。

細胞追跡ソフトウェアプログラムは、前のフレーム内の複数の細胞から現在のフレーム内の少なくとも１つの細胞の近似ロケーションを求めるために、双曲コーシー密度式のような標準確率密度関数（ｐ．ｄ．ｆ）を、現在のフレーム又は次のフレーム内の少なくとも１つの細胞のクラウドに適用する。また、このブロック８０３において、アルゴリズムは現在のフレーム内の少なくとも１つの細胞のロケーションを評価する。確率密度関数を利用することは、細胞トラッカーのロバスト性に影響を与える。ロバスト統計の分野の背後にある原理は、異常値が有する可能性がある影響を最小にすることである。これを行う１つの方法は、推定値を裾の厚い密度に基づかせることであり、双曲コーシー密度は、上述した裾の厚い密度の一例である。

次に、ブロック８０５において、個々の標的が追跡される粒子フィルタアルゴリズムである内層に関して、特徴ベクトル、細胞強度、細胞位置等に基づく細胞の新たなロケーションが、前のフレームにおける細胞画像の元のロケーションから現在のフレームにおける細胞画像の新たなロケーションまでの距離、又は特徴空間（単なる２Ｄ空間ではなく、特徴が定義される多次元空間）内の細胞の観察される位置に対する粒子の対数確率に基づく一般ノルムに基づいて調べられる。この距離は、通常のユークリッド距離（Ｌ_２ノルム）若しくはメトロポリス距離（Ｌ_１ノルム）、又は、ブロック８０７における、再サンプリングを行う更新段階において再サンプリングの必要な各粒子に重みを提供する、後述する対数確率に基づく或る一般的距離とすることができる。

ブロック８０５において、トラッカー管理システムである外層に関して、コンピュータ１０３は、距離の一般的測度に依拠する上述した責任分担表を計算しなくてはならない。尤度関数の対数が距離と等価であることは、当業者には既知である。しばしば論考される古典的例は、独立で同一分布のデータに関するガウス尤度関数の例である。この特殊なケースでは、等価距離測度はユークリッドノルムであり、標準最小二乗法は尤度関数を最大にすることと等価である（すなわち、距離は負の対数確率と等価である）。

クラウドを含む粒子間の距離の総計を、負の対数確率の合計として表す：

ここで、ｗ_ｉｊｋは、所与の粒子に対する特徴空間における各細胞の位置の確率密度関数である。（対数確率を合計することは確率を乗算することと等価であり、これは、粒子が統計的に独立であるため全体的な確率を計算する適切な方法であることに留意されたい）。

実際には、合計は見せかけのモンテカルロ積分である。粒子クラウド内の粒子が密度ｐ（ｘ）から導出される場合、以下となる：

この式の右側はクロスエントロピーとして既知である。
さらに、クロスエントロピーを分解することができることに留意されたい：

における項は自己エントロピーである。エントロピーは一般的に無秩序性の測度として理解されている。この文脈においては、エントロピーは、密度ｐ（ｘ）がどれだけ均一であるかの測度である。粒子フィルタの再サンプリングステップ（すなわち、「更新」ステップ）は粒子の重みを均一な値に再設定し、これによって各粒子を等価にする。

における項は、カルバックライブラー情報量（ＫＬＤ）である。ＫＬＤは一般的に確率密度間の距離の測度として使用される。（厳密に言うと、ＫＬＤは対称ではないため真の距離の測度ではない）。ＫＬＤは、ｐ（ｘ）及びｗ（ｘ）が同一であるときに最小である。本発明の「距離」の測度を最小にすることによって、事実上ＫＬＤが最小にされる。最小ＫＬＤは、たとえば標的が（標的の周りの粒子の群れの分布が最小オフセットを有する粒子の真の分布に従うように）粒子クラウドの中心に正面に位置するときに発生する。このような環境において、粒子クラウドベースのトラッカーが標的を追尾していると結論付けることができる。

図１０において、列最大値の選択に関して、５個のクラウド及び６個の標的のクロスエントロピーが示される。クラウド５は標的５及び標的６の両方に対応する。可能性のある分裂が存在したと推測する。図１０の行最大値の選択に関して、標的６はマッチするクラウドを有しない。データの他の可能な解釈は、クラウド５が標的５を追跡しており、標的６は完全に新しいということである。より可能性が低いのは、クラウド５が標的６を追跡しており、標的５が新しいという第３のシナリオである。この対立を解決する方法は、表内の対数確率を使用して、分裂の確率を計算すると共に、当該確率を、追跡されている単一の細胞の確率と、たとえばベイズ決定法又はベイズネットワーク法を利用してこれらの確率を対応するグラフ構造に変換することによって比較することである。

図１１において、行最大値の選択に関して、上記の表の上半分は既知の標的と存在する粒子クラウドとの間のクロスエントロピーを示す。下半分は、クロスエントロピーの行最大値と、それらが発生する場所とを示す。クラウド６はマッチする標的を有せず、これは、元々クラウド３及びクラウド６によって追跡されていた標的がおそらく融合したことを意味する。

クラウド３及びクラウド６に対応する２つの標的が融合したのか、又は代替的に、クラウド６によって追跡されていた標的が単純に消滅したのかに関して判断しなくてはならない。他の（はるかに可能性が低い）説明は、クラウド３によって追跡されていた標的が消滅し、標的５がクラウド６によって追跡されているということである。各可能性の確率を、同時確率表のエントリを合算して必要な周辺確率又は状態確率を取得することによって計算することができる。標準ベイズ定理を用いることによって、正しい推論を形式的に実行することができる。クロスエントロピーは、上記の各細胞の確率の対数であることに留意されたい。表を粗略に調べると、クラウド６が標的５の確率全体にほとんど寄与していないためにクラウド６によって追跡されていた標的が消滅したというのが正しい判断であると示されているように思われるが、実際には任意の他の標的である場合がある。

列最大値に関して、表は、既知の標的と存在する粒子クラウドとの間のクロスエントロピーを示す。下半分は、クロスエントロピーの列最大値と、それらが発生する場所とを示す。クラウド６はマッチする標的を有せず、これは、標的がおそらく消滅したことを意味する。ブロック８０９において、一連の有限の画像における最後のフレームが生じたか否かを判断し、生じた場合、プロセスは終了し、生じていない場合、プロセスはブロック８０３に戻る。

事例によっては、細胞が融合するとき、これは当該細胞が物理的に融合したためではなく、ソフトウェア、すなわち、ニュージャージー州ピスカタウェイ所在のGE Healthcareによって製造されたＩＮＣＥＬＬ（商標） Ｄｅｖｅｌｏｐｅｒ ｔｏｏｌｂｏｘソフトウェアプログラムが、２つの細胞が互いに近接しているために当該２つの細胞を区別することができないためであることがある。このケースでは、実際には２つの細胞が存在することを判別すると共にそれらの細胞を区分化するトラッカー又はソフトウェアを任意選択で用いることが可能であり得る。

本発明は、ユーザが少なくとも１つの細胞がどのように機能するかを判断するために、複数の細胞のうちの少なくとも１つの細胞のような物体の動きを、当該物体が経時的に１つの点から別の点へ動くときに追跡することをユーザに可能にする、自動化されたシステム及び方法を提供する。ユーザは少なくとも１つの細胞の動きを追跡し、当該少なくとも１つの細胞の構造が、当該少なくとも１つの細胞が細胞分裂を受けるような変化をしたか否か、又は、二つ以上の細胞が互いに融合しているか否かを判断することができる。このユーザは、少なくとも１つの細胞を最適に追跡して、当該少なくとも１つの細胞が動くときに、当該少なくとも１つの細胞の近似ロケーションを時間及び距離において検出することができる。したがって、本発明は、ユーザに、細胞の動きを追跡して細胞機能を研究する手段を提供する。

具体的な実施形態に関連して本発明を説明したが、以下の特許請求の範囲によって規定される本発明の精神及び範囲から逸脱することなく、本発明の多くの変更及び変形を行うことができることは当業者に明らかであろう。

Claims (21)

1. 細胞を追跡する方法であって、
   前のフレーム内の少なくとも１つの細胞の画像をロケーションへ提供すること、
   前記前のフレーム内の前記少なくとも１つの細胞の前記ロケーションに基づいて、或る時間期間にわたって現在のフレーム内の前記少なくとも１つの細胞の新たなロケーションを求めること、
   前記現在のフレーム内の前記少なくとも１つの細胞の前記新たなロケーションを測定すること、及び
   前記現在のフレーム内の前記少なくとも１つの細胞の前記測定された新たなロケーションに基づいて、前記現在のフレーム内の前記少なくとも１つの細胞の前記ロケーションを更新すること、
   を含む、方法。
2. 前記現在のフレーム内の前記少なくとも１つの細胞の前記測定された新たなロケーションは、前記現在のフレーム内の前記少なくとも１つの細胞と、前記前のフレーム内の前記少なくとも１つの細胞との間の距離である、請求項１に記載の方法。
3. 前記距離はユークリッド距離である、請求項２に記載の方法。
4. 前記距離はＬ_２ノルムである、請求項２に記載の方法。
5. 前記距離はＬ_１ノルムである、請求項２に記載の方法。
6. 前記現在のフレーム内の前記少なくとも１つの細胞は候補マッチである、請求項１に記載の方法。
7. 近接アルゴリズムを提供することであって、前記現在のフレーム内の前記少なくとも１つの細胞の前記新たなロケーションを求める、提供することをさらに含む、請求項１に記載の方法。
8. 細胞を追跡する方法であって、
   前のフレーム内の少なくとも１つの細胞の画像を受信すること、
   前記前のフレーム内の前記少なくとも１つの細胞の前記画像に関連付けられる複数の粒子を提供することであって、該複数の粒子は、前記少なくとも１つの細胞の、前記前のフレームから現在のフレーム内の少なくとも１つの細胞への動きを追跡する、提供すること、及び
   複数の粒子を有する前記現在のフレームにおいて、該複数の粒子を有する前記前のフレーム内の前記少なくとも１つの細胞との関連で、該少なくとも１つの細胞の近似ロケーションを求めること、
   を含む、方法。
9. 前記現在のフレーム内の前記少なくとも１つの細胞が少なくとも１つの細胞であるか又は複数の細胞であるかを判断することをさらに含む、請求項８に記載の方法。
10. 前記現在のフレーム内の前記少なくとも１つの細胞は、新たな細胞である、請求項８に記載の方法。
11. 前記現在のフレーム内の前記少なくとも１つの細胞は、複数の新たな細胞である、請求項８に記載の方法。
12. 前記複数の粒子を利用して、前記少なくとも１つの細胞の、前記前のフレームから前記現在のフレーム内の前記少なくとも１つの細胞への前記動きを追跡する、モンテカルロアルゴリズムを提供することをさらに含む、請求項８に記載の方法。
13. 確率密度関数を提供することであって、前記現在のフレームにおいて前記少なくとも１つの細胞の前記近似ロケーションを求める、提供することをさらに含む、請求項１１に記載の方法。
14. 前記確率密度関数は、双曲コーシー密度である、請求項１３に記載の方法。
15. 細胞の動きを追跡する装置であって、該装置は、
    画像受信装置であって、
    前のフレーム内の少なくとも１つの細胞の画像を受信し、
    前記前のフレーム内の前記少なくとも１つの細胞の前記画像に関連付けられる複数の粒子を提供し、なお、該複数の粒子は、前記少なくとも１つの細胞の、現在のフレームから前記前のフレーム内の前記少なくとも１つの細胞への動きを追跡し、且つ
    複数の粒子を有する前記現在のフレームにおいて、該複数の粒子を有する前記前のフレーム内の前記少なくとも１つの細胞との関連で、該少なくとも１つの細胞の近似ロケーションを求めるように構成される、画像受信装置を含む、装置。
16. 細胞の動きを追跡するシステムであって、該システムは、
    前のフレーム内の少なくとも１つの細胞の画像を受信するように構成されるイメージングシステムであって、画像受信装置に接続される、イメージングシステムと、
    画像受信装置であって、
    前記前のフレーム内の前記少なくとも１つの細胞の前記画像を受信し、
    前記前のフレーム内の前記少なくとも１つの細胞の前記画像に関連付けられる複数の粒子を提供し、なお、該複数の粒子は、前記少なくとも１つの細胞の、現在のフレームから前記前のフレーム内の前記少なくとも１つの細胞への動きを追跡し、且つ
    前記複数の粒子を有する前記現在のフレームにおいて、該複数の粒子を有する前記前のフレーム内の前記少なくとも１つの細胞との関連で、該少なくとも１つの細胞の近似ロケーションを求めるように構成される、画像受信装置と、
    を備える、システム。
17. 細胞を追跡する方法であって、
    前のフレーム内の少なくとも１つの細胞をロケーションと共に提供すること、
    前記前のフレーム内の前記少なくとも１つの細胞の前記ロケーションに基づいて、或る時間期間にわたって現在のフレーム内の前記少なくとも１つの細胞の新たなロケーションを予測すること、
    前記現在のフレーム内の前記少なくとも１つの細胞の前記新たなロケーションを測定すること、及び
    前記現在のフレーム内の前記少なくとも１つの細胞の前記測定された新たなロケーションに基づいて、前記現在のフレーム内の前記少なくとも１つの細胞の前記ロケーションを更新すること、
    を含む、方法。
18. 前記少なくとも１つの細胞の前記新たなロケーションを予測することは、
    前記前のフレーム内の前記少なくとも１つの細胞の初期位置に、前記前のフレーム内の前記少なくとも１つの細胞の、時間を乗算した速度を加算し、ノイズを加算したものに等しい、前記現在のフレーム内の前記少なくとも１つの細胞の最終位置を提供することをさらに含む、請求項１７に記載の方法。
19. 前記現在のフレーム内の前記少なくとも１つの細胞の前記新たなロケーションを予測することは、前記前のフレーム内の前記少なくとも１つの細胞の前記位置から、前記現在のフレーム内の前記少なくとも１つの細胞までの距離に基づく、請求項１７に記載の方法。
20. 前記少なくとも１つの細胞の前記新たなロケーションを予測することは、前記現在のフレーム内の前記少なくとも１つの細胞の観察される位置に相対する粒子の対数確率に基づく一般ノルムである、請求項１７に記載の方法。
21. 少なくとも１つの細胞を追跡する方法であって、
    前のフレーム内のロケーションにおける、複数の細胞のうちの少なくとも１つの細胞の画像を提供すること、
    前記少なくとも１つの細胞に粒子フィルタアルゴリズムを適用することであって、該粒子フィルタアルゴリズムは内層及び外層を含む、適用すること、
    前記内層に、或るロケーションにおける前記前のフレームから次のロケーションにおける現在のフレームまで前記少なくとも１つの細胞を追うように構成される粒子クラウドを提供すること、
    前記外層に、前記ロケーションにおける前記前のフレームから前記次のロケーションにおける前記現在のフレームまで前記少なくとも１つの細胞を追うように構成されるクラウドのセットを提供すること、及び
    前記内層を利用することによって、前記現在のフレームの前記少なくとも１つの細胞の前記次のロケーションを予測すること、
    を含む、方法。

Images