JP2014515128A - 明細書微生物増殖を分析する方法およびソフトウェア - Google Patents
明細書微生物増殖を分析する方法およびソフトウェア Download PDFInfo
- Publication number
- JP2014515128A JP2014515128A JP2013555707A JP2013555707A JP2014515128A JP 2014515128 A JP2014515128 A JP 2014515128A JP 2013555707 A JP2013555707 A JP 2013555707A JP 2013555707 A JP2013555707 A JP 2013555707A JP 2014515128 A JP2014515128 A JP 2014515128A
- Authority
- JP
- Japan
- Prior art keywords
- classifier
- pixels
- pixel
- image
- image data
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
- G06V10/422—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation for representing the structure of the pattern or shape of an object therefor
- G06V10/426—Graphical representations
-
- 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
-
- 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
- G06V20/698—Matching; Classification
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Life Sciences & Earth Sciences (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Quality & Reliability (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Medical Informatics (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Apparatus Associated With Microorganisms And Enzymes (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Image Analysis (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
【選択図】図1
Description
固体培養培地および任意の微生物増殖の画像データを画像データ内の複数の画素ごとに取得するステップ、
画像データの複数の画素のために、画像データに1つ以上のフィルタを適用することにより取得された値の関連する特徴ベクトルを生成するステップ、
関連する特徴ベクトルに基づいて複数の画素内の各々の画素を分類するために分類子を用いるステップ、
固体培養培地および任意の微生物増殖の微生物学的評価を導き出すために各々の前記画素の画素分類の結果を分析するステップ、および、
微生物学的評価を出力するステップ、を含む。
(a)複数のノードを有するグラフを構築するステップであって、各ノードは画像データ内の複数の画素のうちの1つおよび複数のラベルに対応し、各ラベルはクラスに対応するステップ、
(b)画像データ内の近隣の画素に対応するノード間にエッジを付加するステップ、
(c)各ノードと各ラベルとの間にエッジを付加するステップ、および、
(d)ノードへのエッジをカットし、かつクラスの中へグラフを分割するために、グラフカット・アルゴリズムを用いるステップであって、グラフカット・アルゴリズムは、そのノードに対応する画素および近隣の画素に対して画素分類結果に基づくステップ、を含んでもよい。
・3つまでの特徴画像(赤色チャネルに対して1つ、緑色チャネルに対して1つ、および青色チャネルに対して1つ)を作成するRGBフィルタ。
・LAB色空間(ここで、Lは明るさを表わし、A、Bは有彩色情報を含む)における3つまでまたはそれ以上の特徴画像を作成するLABフィルタ。
・イメージに様々な方向の1Dガウス核を適用する方向性ガウスフィルタ(Oriented Gaussian Filter)。また、ガウス核の1階導関数および2階導関数を利用することも可能である。
・例えば培養プレートのエッジから各々の画素の距離を示す特徴画像を作成する位置フィルタ。前の分類子の出力が利用可能なときにフィルタが適用されれば、他の位置フィルタは、特別のラベルからの各画素の距離を示してもよい。
・同様の色の領域を見つけるのを支援するために、通常はヒストグラムを介して、イメージ内の数の色が低減されるカラー量子化フィルタ。
・各画素のまわりのテクスチャを測定する1つ以上の特徴画像を作成するテクスチャフィルタ。
(a)イメージ内の各画素ごとに勾配値を抽出するステップ、および、
(b)各画素のまわりの窓における勾配値の分散行列のトレースを計算するステップ、によって画像データのテクスチャを測定することを含んでもよい。
1.基礎的な算定。ここで、各々の型の寒天上の各有機体型に対して平均コロニーサイズを判定することによりコロニー数算定が推測される。特別の培養プレート上で検出された各有機体の画素数は、コロニーの数を得るために、この数で除算することができる。
2.密度に基づく算定。ここで、各コロニーのエッジからの距離は、算定アルゴリズムに含まれる。これは、増殖の広面積が、いくつかの別個のコロニーとして算定されるべきであるという観測に基づく。したがって、コロニーの中心にある内部の画素には、このような結果を実現するために、より高い重量を割り当てる。テーブルは、多くのコロニー数算定を手動的に測定し、この計量に対する結果を表にすることから形成される。テーブルは、その後、観測されていない培養プレート上で評価された場合に、計量からコロニー数算定を取得するために用いられてもよい。
3.イメージ処理に基づく算定。ここで、ラベルを含むイメージが連結成分アルゴリズムによってまず解析される。このアルゴリズムによって検出された各成分は、順番に検査される。特定のコロニーが閾値の事前設定テーブルよりも大きすぎると見なされる場合、最も優れているものとして提案された方法が適用される。コロニーが小さすぎると考えられる場合、単一のコロニーとして算定される。他の場合には、成分の形状を考慮してもよい。円形に見える場合、単一のコロニーと見なされる。他の場合には、成分を個々のコロニーに分割するために、流域アルゴリズムが適用される。個々のコロニーの各々は、コロニー数算定をインクリメントする。
固体培養培地上の微生物増殖の複数のサンプルごとに画像データを取得するステップ、
画像データ内の各々の複数の画素ごとに、画像データに1つ以上のフィルタを適用することにより取得された値に関連する特徴ベクトルを生成するステップ、および、
画像データ内の画素に関連するラベルに従って複数の画素内の各画素を分類する分類子をトレーニングするために関連する特徴ベクトルを用いるステップ、を含む。
ソフトウェアの4つの主コンポーネントがある。
・情報およびプロセスを格納して、管理するために用いるデータのライブラリ。
・ブースト(boosted)分類子をトレーニングするためのサーバ上で実行されるコマンドライン・プログラムの形のソフトウェア。
・画像を取り込み、処理して、未知の培養プレートのための報告を生成するために用いる、デスクトップコンピュータ上で実行するGUIプログラム。
・トレーニングラベルを提供して、メタデータを操作する、デスクトップコンピュータ上で実行するGUIプログラム。
図1は、寒天プレートの形態の培養プレート102における培地上で微生物増殖を分析するのに使用するための装置100の実施形態を示す。この装置100は以下の構成要素を備える。
・適切な固定焦点レンズ108を有するマシンビジョンクオリティの高解像度デジタルカメラ106の形態の画像キャプチャ装置104。そのカメラ106はリング照明110の約200mm上に位置する。
・リング照明110は培養プレート102の直径より大きな直径を有する。この例において、リング照明は180mmの直径を有する。リング照明110は、円形アレイに配置される数百の白色LEDおよび拡散器を含む。この照明は、培養プレートを均一に照射できる低角度の拡散された側部照明を提供する。リングライト110は、フレーム118の一部を形成する不透明なカバー112の約40mm上に配置されるので、培養プレート102の約30mm上にある。白色LEDからの光が低角で培養プレート102の表面上に作用するようなリング照明110の位置により、画像キャプチャ装置104によりキャプチャされる培地の中心表面からのLEDの鏡面反射が防止される。
・拡散器の後方にある白色LEDのアレイに基づいたフラットパネル照明の形態の照明装置114。照明装置114は不透明なカバー112の約150mm下にある。リング照明110からの光が、培養プレート102の後方照射を減少させるために照明114以外のバッフルに当たるようにこの距離は選択される。
・画像キャプチャ装置104の直接的視野において培養プレート102を支持するための支持部116。支持部116は3mm厚である透明なガラスステージである。そのガラスは時間が経って傷がついたら交換されてもよい。支持部116は支持部上に培養プレート102を位置決めするための2つ以上の三角形状の透明な位置決め要素を備える。三角形の頂点は培養プレート102を配置するための支持部の中心を向き、それにより、頂点は培養プレート102の円周に触れる。
・画像キャプチャ装置104、支持部116、リング照明110および照明装置114を互いに対して配置するフレーム118。そのフレーム118はシート金属またはプラスチックなどの不透明材料から作製され、装置100に入る光の量を減少させる。装置100の内側面は、レンズ108内への内側面からの光の反射を減少させることができるように黒くなっている。
・フレーム118は、培養プレート102を支持部116上に配置するために人の操作者にアクセスパッチを提供するドア120を備える。代替として、ロボットによるプレート操作装置が、画像化のために培養プレート102を支持部116上に正確に配置し、次いで設計された出力チャネル/スライドに培養プレートを取り外すためにアクセスパッチを使用してもよい。例えば、培養プレートは上記の4つのカテゴリーまでのうちの1つを表す出力チャネル内に配置されてもよい。
・不透明なカバー112は、フレーム118の幅にわたって延びるアルミニウムプレートであり、フレーム118を上側エンクロージャ122および下側エンクロージャ124に効果的に分割する。不透明なカバー112は、照明装置114からの光が培養プレート102に透過できる穴126を備える。穴126の幅は、培養プレート102の幅(この例において90mmであり、典型的に88〜100mmである)よりわずかに大きく、リング照明110の直径未満である。これにより、リング照明110から照射される光が、フレーム118の底面128またはフラットパネル照明114の表面から反射し、培養プレート102に戻ることが防がれる。
・フレーム118はまた、不透明なカバー112の下に配置される光バッフル130を備える。
・支持部116に対してリング照明110の位置を変化させるための手段131もまた、ラックアンドピニオンアセンブリの形態で提供される。
・フレーム118、不透明なカバー112および光バッフル130はキャビティ132を規定し、それにより、支持部116は画像キャプチャ装置104とキャビティ132との間に培養プレート102を支持する。支持部(ガラスステージ)116はキャビティ132を封止し、望ましくない物質がキャビティ132に入ることを防ぐ。リング照明110が照射し、照明装置114がオフである場合、不透明なカバー112は、リング照明110からの光がキャビティ132の視野領域を照射することを防ぐ。この構造において、キャビティ132は黒いバックグランドのように見える。
・側角照明134は、くぼみまたは粒状組織などの寒天上の任意の表面トポグラフィー(形状)をハイライトするようにある角度から培養プレート102を照射するように使用される。側角照明134の代替はリング照明110におけるLEDの一部のみを起動することであり、それにより、培養プレート102は1つの方向のみから照射される。
・コンピュータ136などの処理手段が、物理インターフェースまたはワイヤレスインターフェースを介して画像キャプチャ装置104、リング照明110および照明装置114に接続される。コンピュータ136は、プロセッサ138および異なるコンポーネントを起動し、生データをキャプチャし、データを処理するためのソフトウェア142を記憶するメモリ140を備えてもよい。
・画像、メタデータおよび他の情報のライブラリは、コンピュータ136に記憶されてもよいか、またはネットワークを介してコンピュータ136においてアクセス可能であってもよい。同様に、LIMSがコンピュータ136を介してアクセスされてもよい。
一旦画像が良好な露光を用いて取り込まれると、ブースト分類子を生成するためのブースティング・アルゴリズムを用いて特徴画像を生成するために使用することができるサンプルのためのより正確な画像を得るために、画像取り込み装置からの生データは、処理される。この実施形態がブーストアルゴリズムの使用を説明するにもかかわらず、分類子は、異なる技術を用いて代わりに生成されることができると認識される。
・ニアレスト・ネイバー(Nearest Neighbour)−ニアレスト・ネイバーは、速くて低品質の結果をもたらす単純な方法である。この方法では、各2×2ブロックは、一緒に処理される。赤色および青色値は、それらの最初のロケーションから、そのそれぞれの値を逃している3つの他の画素へコピーされる。次いで、緑色値は、垂直にまたは水平にコピーされることができる。これは、すべてのロケーションにおいて満たされるすべてのチャネルを有する各2×2ブロックに、結果としてなる。
・ダウンサンプリング−ダウンサンプリング方法は、おそらく解像度を代償にして最善の結果をもたらす。この方法では、各2×2ブロックは、単一の画素へと折りたたまれる。2つの緑色値は、平均値になり、赤色および青色価は、単に割り当てられる。この方法は、補間を必要としなくて、それ故、オリジナルの画素データに最も忠実である。
・適応可能な均質性に誘導されたデモザイク化(Adaptive−Homogeneity−Directed demosaicing;AHD)−このアルゴリズムは、最も適切であるとわかった。AHDプロセスの詳細は、K. HirakawaおよびT. W. Parks.の“Adaptive homogeneity−directed demosaicing algorithm” ICIP, 2003で見つかることができる。その内容は、参照により本明細書に組み込まれる。本質的には、AHDプロセスは、2つの画像を生成するために緑色のチャネルを垂直におよび水平に内挿することによって進行する。次いで、これらの各々は、赤色および緑色のチャネルと青色および緑色のチャネルとの違いを平滑化することによって追加される赤色および青色のチャネルを有する。最後に、2つの画像は、均質な領域を識別して、各ポイントで画素を引き出すのに最も適切な画像を選択することによって、結合される。このプロセスは、非常に高品質な結果をもたらす。
分類子をトレーニングするために、画像データは、経験豊かな微生物学者によってラベルづけされる。これは、オフサイトでそして画像化および照明装置から離れてなされてよい。ラベリングは、特定の培養プレート用の画像データのために正しいラベルを提供するプロセスである。ラベルの選択は、異なる寒天および興味のあるバクテリアのタイプのために異なってもよい。ラベリングするときに、オペレータは、それが正しいことを確実にするために、培養プレートのためのメタデータを点検してもよい。
画像セットおよび特徴ベクトル(下で後述する)のためのユーザに供給されたラベルを用いて、ブースト決定木の分類子は、プレート自体と細菌増殖との間の、および異なる増殖タイプ間の区別をするためにトレーニングされる。
未知の微生物増殖を有する新たな培養プレートを分析する方法は、図20に示される。ステップ250で、培養プレートのためのメタデータは、セットされる。メタデータは、ユーザによって入力されてよいか、または上記のようにLIMシステムから得られてよい。メタデータ値のためのオプションは、バイオロジーデータベース252から選択されてよい。ステップ254で、培養プレートの画像は、取り込まれる(または、培養プレートが大量に処理される場合、複数の培養プレートの画像は、取り込まれる)。画像の取り込みは、上記のようにGUIプログラムを介してオペレータによって実行されてよい。次いで、ソフトウェアは、画像を撮り、それをデモザイク化し、そしてステップ256で培養プレートのロケーションを検出する。ステップ258で、デモザイク化した画像上に一組の画像フィルタを実行させ、次いで、ステップ260で、その結果を適切な分類子に与える。フィルタリングおよび分類ステップは、必要に応じて繰り返される。次いで、分類子は、培養プレート上のバクテリアの画素当たりの推定を生成する。そしてそれは、予測されたラベルおよびラベルの信頼を含む。ステップ262で、推定上にグラフカットが実行され、グラフカットの出力は、ステップ264で報告を生成するのに用いられる。
1.基本的な計数。ここでは、各タイプの寒天上の微生物のタイプごとに平均コロニーサイズを決定することによって、コロニー数が推定される。コロニー数をもたらすために、特定の培養プレート上に検出される各微生物の画素数は、この数で割られることができる。
2.密度に基づく計数。ここでは、各コロニーのエッジからの距離が計数アルゴリズムに含まれる。これは、増殖の広い領域がいくつかの異なったコロニーとしてカウントされなければならないという観察に基づく。それ故、コロニーの中央の内部画素は、この種の結果を達成するために、より高い重みを割り当てられる。手動で多くのコロニー数を判定して、この判定基準に対して結果を表にすることから、テーブルは、形成される。次いで、テーブルは、目に見えない培養プレートを査定するときに、判定基準からコロニー数を得るために用いてよい。
3.画像処理に基づく計数。ここでは、ラベルを含んでいる画像が接続コンポーネント・アルゴリズムによって最初に分析される)。このアルゴリズムによって検出される各コンポーネントは、次々に検討される。特定のコロニーが閾値の予め設定されたテーブルによってあまりに大きいと考えられる場合、次いで、数字1が適用されるような方法が提案される。コロニーがあまりに小さいと考えられる場合、それは単一のコロニーとしてカウントされる。さもなければ、コンポーネントの形状は、考慮されてよい。円のようにみえる場合、それは単一のコロニーとしてカウントする。さもなければ、分水界アルゴリズムは、コンポーネントを個々のコロニーに分けるために適用される。そしてその各々は、コロニー数をインクリメントする。
Claims (22)
- 固体培養培地上の微生物増殖を分析する方法であって、
前記固体培養培地および任意の微生物増殖の画像データを取得するステップ、
前記画像データの複数の画素のために、1つ以上のフィルタを前記画像データに適用することによって得られる値の関連する特徴ベクトルを生成するステップ、
前記関連する特徴ベクトルに基づいて前記複数の画素における各画素を分類するために分類子を使用するステップ、
前記固体培養培地および任意の微生物増殖の微生物学的評価を引き出すために前記画素の各々の画素分類の結果を分析するステップ、および、
前記微生物学的評価を出力するステップ、
を含む方法。 - 前記画素分類の結果に基づいて前記微生物増殖の1つ以上のコロニーを列挙するステップをさらに含む、請求項1に記載の方法。
- 前記微生物増殖の予測されるコロニーを示す一連の領域を決定するために、接続コンポーネント・アルゴリズムを用いて前記画素分類の結果を分析するステップをさらに含む、請求項2に記載の方法。
- 前記領域の各々のサイズおよび/または形状に基づいて前記一連の領域から前記微生物増殖の前記1つ以上のコロニーを列挙するステップをさらに含む、請求項3に記載の方法。
- 前記分類子は、前記画素を3つ以上のクラスに分類するためのマルチクラス分類子である、請求項1〜4のいずれか1項に記載の方法。
- 前記分類子は、ブースト分類子である、請求項1〜4のいずれか1項に記載の方法。
- 前記ブースト分類子は、ブースト決定木分類子である、請求項6に記載の方法。
- 前記複数の画素における各画素を分類するために前記分類子を使用するステップは、
第1の複数のクラスのうちの1つとして各画素を最初に分類するために第1の分類子を使用するステップ、および、
第2の複数のクラスのうちの1つとして前記第1の複数のクラスのうちの1つ以上の各画素を分類するために第2の分類子をその後使用するステップ、
を含む、請求項1〜7のいずれか1項に記載の方法。 - 前記第1の分類子は、各画素を背景または非背景として最初に分類するバイナリ・カスケード分類子であり、前記第2の分類子は、前記第2の複数のクラスのうちの1つとして各非背景画素を分類するマルチクラス・ブースト決定木分類子である、請求項8に記載の方法。
- 前記画素分類の各々に信頼値を割り当てるステップをさらに含む、請求項1〜9のいずれか1項に記載の方法。
- 前記画素分類の前記結果を改善するためにポスト処理アルゴリズムを適用するステップをさらに含む、請求項1〜10のいずれか1項に記載の方法。
- 前記ポスト処理アルゴリズムは、グラフカット・アルゴリズムである、請求項11に記載の方法。
- 各ノードが前記画像データにおける前記複数の画素のうちの1つに対応する複数のノード、および、各ラベルがクラスに対応する複数のラベルを有するグラフを作成するステップ、
前記画像データにおける近傍の画素に対応するノード間にエッジを追加するステップ、
各ノードと各ラベルとの間にエッジを追加するステップ、および、
ノードへのエッジをカットして、グラフをクラスに区切るために前記グラフカット・アルゴリズムを用いるステップであって、前記グラフカット・アルゴリズムは、そのノードおよび近傍の画素に対応する前記画素のための前記画素分類の結果に基づく、ステップ、
をさらに含む、請求項12に記載の方法。 - 請求項10に依存しているとき、前記グラフカット・アルゴリズムは、そのノードに対応する前記画素のための前記画素分類の前記信頼値にさらに基づく、請求項13に記載の方法。
- 前記グラフカット・アルゴリズムは、近傍の画素のための前記画素分類の前記信頼値にさらに基づく、請求項14に記載の方法。
- 前記評価は、陰性対照として前記固体培養培地の識別を含む、請求項1〜15のいずれか1項に記載の方法。
- 前記画素分類の前記結果を分析して、前記評価を引き出すために臨床的ルールを使用するステップをさらに含む、請求項1〜16のいずれか1項に記載の方法。
- 固体培養培地上の微生物増殖を分析するのに用いる分類子をトレーニングする方法であって、
前記固体培養培地上の微生物増殖の複数のサンプルのための画像データを取得するステップ、
前記画像データにおける複数の画素の各々のために、前記画像データに1つ以上のフィルタを適用することによって得られる値の関連する特徴ベクトルを生成するステップ、および、
前記画像データの前記画素と関連するラベルにしたがって前記複数の画素における各画素を分類するために分類子をトレーニングするために前記関連する特徴ベクトルを使用するステップ、
を含む方法。 - 前記複数の画素は、前記画像データからまばらにサンプルをとられる、請求項18に記載の方法。
- プロセッサおよびソフトウェアを格納するためのメモリを含むコンピュータとともに用いるソフトウェアであって、前記ソフトウェアは、請求項1〜19のいずれか1項に記載の方法を実施するために前記プロセッサによって実行可能な一連の命令を含む、ソフトウェア。
- 請求項20に記載のソフトウェアを含むコンピュータ可読媒体。
- プロセッサ、
メモリ、および、
前記メモリに常駐し、前記プロセッサにアクセス可能なソフトウェアであって、前記ソフトウェアは、請求項1〜19のいずれか1項に記載の方法を実施するために前記プロセッサによって実行可能な一連の命令を含む、ソフトウェア、
を含む装置。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
AU2011900786A AU2011900786A0 (en) | 2011-03-04 | Method and software for analysing microbial growth | |
AU2011900786 | 2011-03-04 | ||
PCT/AU2012/000211 WO2012119191A1 (en) | 2011-03-04 | 2012-03-02 | Method and software for analysing microbial growth |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2014515128A true JP2014515128A (ja) | 2014-06-26 |
JP5997185B2 JP5997185B2 (ja) | 2016-09-28 |
Family
ID=46797325
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2013555707A Active JP5997185B2 (ja) | 2011-03-04 | 2012-03-02 | 明細書微生物増殖を分析する方法およびソフトウェア |
Country Status (8)
Country | Link |
---|---|
US (1) | US9292729B2 (ja) |
EP (1) | EP2681715B1 (ja) |
JP (1) | JP5997185B2 (ja) |
KR (1) | KR101989202B1 (ja) |
CN (1) | CN103518224B (ja) |
AU (1) | AU2012225196B2 (ja) |
ES (1) | ES2928897T3 (ja) |
WO (1) | WO2012119191A1 (ja) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014211718A (ja) * | 2013-04-17 | 2014-11-13 | キヤノン株式会社 | 画像処理装置および画像処理方法 |
JP2018511847A (ja) * | 2015-01-31 | 2018-04-26 | ベンタナ メディカル システムズ, インコーポレイテッド | スライドサムネイル画像を使用する関心範囲検出のためのシステム及び方法 |
JP2020042756A (ja) * | 2018-09-06 | 2020-03-19 | アクセンチュア グローバル ソリューションズ リミテッド | 深層学習を用いるコンピュータビジョニングを使用したデジタル品質管理 |
WO2020079933A1 (ja) * | 2018-10-18 | 2020-04-23 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ | 情報処理装置、情報処理方法及びプログラム |
JP2020064604A (ja) * | 2018-10-18 | 2020-04-23 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカPanasonic Intellectual Property Corporation of America | 情報処理装置、情報処理方法及びプログラム |
JPWO2020021604A1 (ja) * | 2018-07-23 | 2021-08-02 | 株式会社島津製作所 | マイクロ流体デバイス観察装置及びマイクロ流体デバイス観察方法 |
Families Citing this family (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9292927B2 (en) * | 2012-12-27 | 2016-03-22 | Intel Corporation | Adaptive support windows for stereoscopic image correlation |
US9549161B2 (en) * | 2013-07-08 | 2017-01-17 | Samsung Display Co., Ltd. | Image and video in mosaic formats |
US10200625B2 (en) | 2014-01-30 | 2019-02-05 | Bd Kiestra B.V. | System and method for image acquisition using supervised high quality imaging |
CN106164242B (zh) * | 2014-02-04 | 2019-07-12 | 分子装置有限公司 | 用于识别和挑取光谱不同的菌落的系统 |
CN103871031A (zh) * | 2014-03-07 | 2014-06-18 | 西安电子科技大学 | 基于核回归的sar图像相干斑抑制 |
CN105095901B (zh) * | 2014-04-30 | 2019-04-12 | 西门子医疗保健诊断公司 | 用于处理尿液沉渣图像的待处理区块的方法和装置 |
EP3172683A4 (en) * | 2014-07-25 | 2018-01-10 | Samsung Electronics Co., Ltd. | Method for retrieving image and electronic device thereof |
FR3026745B1 (fr) * | 2014-10-06 | 2018-03-02 | Fondation Mediterranee Infection | Methode d'analyse et interpretation automatisee d'un antibiogramme |
US10696938B2 (en) * | 2015-04-23 | 2020-06-30 | Bd Kiestra B. V. | Method and system for automated microbial colony counting from streaked sample on plated media |
CN113667584A (zh) * | 2015-04-23 | 2021-11-19 | Bd科斯特公司 | 菌落对比度收集 |
EP3147893B1 (en) * | 2015-09-24 | 2021-06-09 | Dolby Laboratories Licensing Corporation | Light field simulation techniques for dual modulation |
CN106097231A (zh) * | 2016-08-15 | 2016-11-09 | 黄星 | 一种用于洁净区域的微生物监测统计管理方法 |
US10585121B2 (en) * | 2016-09-12 | 2020-03-10 | Tektronix, Inc. | Recommending measurements based on detected waveform type |
CA3042681A1 (en) * | 2016-11-04 | 2018-05-11 | Becton, Dickinson And Company | System and method for selecting colonies |
US11057542B2 (en) | 2017-04-26 | 2021-07-06 | Hewlett-Packard Development Company, L.P. | Color calibration |
US11727699B2 (en) * | 2017-10-05 | 2023-08-15 | Becton, Dickinson And Company | Application development environment for biological sample assessment processing |
CN107833187A (zh) * | 2017-10-27 | 2018-03-23 | 中国农业大学 | 一种基于孢子计数的设施蔬菜病害预警方法及系统 |
WO2019152424A1 (en) * | 2018-01-31 | 2019-08-08 | Monsanto Technology Llc | Systems and methods for quantitative phenotype analysis |
CN112689841A (zh) * | 2018-09-07 | 2021-04-20 | 韦务拓客公司 | 微生物信息提供装置及方法 |
CN112997200B (zh) * | 2018-09-28 | 2024-02-02 | 陶氏环球技术有限责任公司 | 用于编码分类的混合机器学习模型 |
KR102140385B1 (ko) * | 2018-12-31 | 2020-07-31 | (주)유아이엠디 | 골수 판독을 위한 셀존 레이블링 장치 및 이를 포함하는 셀존 검출 시스템 |
WO2020177943A1 (en) * | 2019-03-01 | 2020-09-10 | Agricam Aktiebolag | Method, device and system for detection of micro organisms |
WO2020261555A1 (ja) * | 2019-06-28 | 2020-12-30 | オリンパス株式会社 | 画像生成システムおよび画像生成方法 |
EP3848472A3 (en) * | 2020-01-13 | 2021-12-15 | Airamatrix Private Limited | Methods and systems for automated counting and classifying microorganisms |
US20230351602A1 (en) * | 2020-08-17 | 2023-11-02 | Thrive Bioscience, Inc. | Cell segmentation image processing methods |
CN112651305B (zh) * | 2020-12-10 | 2022-08-30 | 哈尔滨师范大学 | 一种微生物种类的鉴别方法 |
EP4341373A2 (en) * | 2021-05-20 | 2024-03-27 | Clara Foods Co. | Systems for end-to-end optimization of precision fermentation-produced animal proteins in food applications |
WO2024091807A1 (en) * | 2022-10-24 | 2024-05-02 | Charles River Laboratories, Inc. | Automated enumeration system |
CN117253555A (zh) * | 2023-11-17 | 2023-12-19 | 山东阜丰发酵有限公司 | 一种改进黄原胶发酵工艺的方法及其运行系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007307358A (ja) * | 2006-04-17 | 2007-11-29 | Fujifilm Corp | 画像処理方法および装置ならびにプログラム |
JP2009116401A (ja) * | 2007-11-01 | 2009-05-28 | Canon Inc | 画像処理装置および画像処理方法 |
US20100022408A1 (en) * | 2007-09-14 | 2010-01-28 | Prometheus Laboratories Inc. | Addressable antibody arrays and methods of use |
WO2011162213A1 (ja) * | 2010-06-23 | 2011-12-29 | 株式会社エヌテック | 微生物検出方法、微生物検出装置及びプログラム |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6690817B1 (en) * | 1993-08-18 | 2004-02-10 | Applied Spectral Imaging Ltd. | Spectral bio-imaging data for cell classification using internal reference |
US20040253660A1 (en) | 2003-06-12 | 2004-12-16 | Giles Scientific, Inc. | Automated microbiological testing apparatus and method |
US7711174B2 (en) * | 2004-05-13 | 2010-05-04 | The Charles Stark Draper Laboratory, Inc. | Methods and systems for imaging cells |
US7958063B2 (en) * | 2004-11-11 | 2011-06-07 | Trustees Of Columbia University In The City Of New York | Methods and systems for identifying and localizing objects based on features of the objects that are mapped to a vector |
EP2237189B1 (en) * | 2005-01-27 | 2018-08-01 | Cambridge Research & Instrumentation, Inc. | Classifying image features |
-
2012
- 2012-03-02 AU AU2012225196A patent/AU2012225196B2/en active Active
- 2012-03-02 KR KR1020137026188A patent/KR101989202B1/ko active IP Right Grant
- 2012-03-02 US US14/002,722 patent/US9292729B2/en active Active
- 2012-03-02 CN CN201280021787.9A patent/CN103518224B/zh active Active
- 2012-03-02 WO PCT/AU2012/000211 patent/WO2012119191A1/en active Application Filing
- 2012-03-02 JP JP2013555707A patent/JP5997185B2/ja active Active
- 2012-03-02 ES ES12754708T patent/ES2928897T3/es active Active
- 2012-03-02 EP EP12754708.1A patent/EP2681715B1/en active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007307358A (ja) * | 2006-04-17 | 2007-11-29 | Fujifilm Corp | 画像処理方法および装置ならびにプログラム |
US20100022408A1 (en) * | 2007-09-14 | 2010-01-28 | Prometheus Laboratories Inc. | Addressable antibody arrays and methods of use |
JP2009116401A (ja) * | 2007-11-01 | 2009-05-28 | Canon Inc | 画像処理装置および画像処理方法 |
WO2011162213A1 (ja) * | 2010-06-23 | 2011-12-29 | 株式会社エヌテック | 微生物検出方法、微生物検出装置及びプログラム |
Non-Patent Citations (1)
Title |
---|
JPN6015047350; CHEN, Wei-Bang et al.: 'An automated bacterial colony counting and classification system' Information Systems Frontiers vol. 11, no. 4, 20090218, pp.349-368 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014211718A (ja) * | 2013-04-17 | 2014-11-13 | キヤノン株式会社 | 画像処理装置および画像処理方法 |
JP2018511847A (ja) * | 2015-01-31 | 2018-04-26 | ベンタナ メディカル システムズ, インコーポレイテッド | スライドサムネイル画像を使用する関心範囲検出のためのシステム及び方法 |
JPWO2020021604A1 (ja) * | 2018-07-23 | 2021-08-02 | 株式会社島津製作所 | マイクロ流体デバイス観察装置及びマイクロ流体デバイス観察方法 |
JP7250795B2 (ja) | 2018-07-23 | 2023-04-03 | 株式会社島津製作所 | マイクロ流体デバイス観察装置及びマイクロ流体デバイス観察方法 |
JP2020042756A (ja) * | 2018-09-06 | 2020-03-19 | アクセンチュア グローバル ソリューションズ リミテッド | 深層学習を用いるコンピュータビジョニングを使用したデジタル品質管理 |
US11373287B2 (en) | 2018-09-06 | 2022-06-28 | Accenture Global Solutions Limited | Digital quality control using computer visioning with deep learning |
WO2020079933A1 (ja) * | 2018-10-18 | 2020-04-23 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ | 情報処理装置、情報処理方法及びプログラム |
JP2020064604A (ja) * | 2018-10-18 | 2020-04-23 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカPanasonic Intellectual Property Corporation of America | 情報処理装置、情報処理方法及びプログラム |
CN111417960A (zh) * | 2018-10-18 | 2020-07-14 | 松下电器(美国)知识产权公司 | 信息处理装置、信息处理方法及程序 |
JP7311310B2 (ja) | 2018-10-18 | 2023-07-19 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ | 情報処理装置、情報処理方法及びプログラム |
Also Published As
Publication number | Publication date |
---|---|
JP5997185B2 (ja) | 2016-09-28 |
EP2681715A4 (en) | 2014-10-08 |
US9292729B2 (en) | 2016-03-22 |
EP2681715A1 (en) | 2014-01-08 |
CN103518224A (zh) | 2014-01-15 |
KR101989202B1 (ko) | 2019-07-05 |
KR20140045923A (ko) | 2014-04-17 |
AU2012225196B2 (en) | 2015-05-14 |
EP2681715B1 (en) | 2022-07-13 |
US20140219538A1 (en) | 2014-08-07 |
WO2012119191A1 (en) | 2012-09-13 |
AU2012225196A1 (en) | 2013-03-21 |
ES2928897T3 (es) | 2022-11-23 |
CN103518224B (zh) | 2017-05-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5997185B2 (ja) | 明細書微生物増殖を分析する方法およびソフトウェア | |
AU2021202750B2 (en) | Method and system for automatically counting microbial colonies | |
US11669971B2 (en) | Colony contrast gathering | |
JP7422825B2 (ja) | 顕微鏡スライド画像のための焦点重み付き機械学習分類器誤り予測 | |
Kaur et al. | A novel methodology for automatic bacterial colony counter | |
CN117831031A (zh) | 一种血小板微管结构识别方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20150127 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20151009 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20151124 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20160223 |
|
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: 20160726 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20160825 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5997185 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
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 |