JP2015123047A - 画像処理装置及びプログラム - Google Patents

画像処理装置及びプログラム Download PDF

Info

Publication number
JP2015123047A
JP2015123047A JP2013271140A JP2013271140A JP2015123047A JP 2015123047 A JP2015123047 A JP 2015123047A JP 2013271140 A JP2013271140 A JP 2013271140A JP 2013271140 A JP2013271140 A JP 2013271140A JP 2015123047 A JP2015123047 A JP 2015123047A
Authority
JP
Japan
Prior art keywords
target
sample
detection
specimen
image processing
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
Application number
JP2013271140A
Other languages
English (en)
Other versions
JP6194791B2 (ja
Inventor
尾崎　良太
Ryota Ozaki
良太 尾崎
英人 織田
Hideto Oda
英人 織田
加藤　典司
Noriji Kato
典司 加藤
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fujifilm Business Innovation Corp
Original Assignee
Fuji Xerox Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Fuji Xerox Co Ltd filed Critical Fuji Xerox Co Ltd
Priority to JP2013271140A priority Critical patent/JP6194791B2/ja
Priority to PCT/JP2014/071596 priority patent/WO2015098177A1/ja
Priority to CN201480055887.2A priority patent/CN105612249B/zh
Priority to EP14873584.8A priority patent/EP3088511B1/en
Publication of JP2015123047A publication Critical patent/JP2015123047A/ja
Priority to US15/062,866 priority patent/US10169861B2/en
Application granted granted Critical
Publication of JP6194791B2 publication Critical patent/JP6194791B2/ja
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/10—Investigating individual particles
    • G01N15/14—Optical investigation techniques, e.g. flow cytometry
    • G01N15/1468—Optical investigation techniques, e.g. flow cytometry with spatial resolution of the texture or inner structure of the particle
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/483—Physical analysis of biological material
    • G01N33/487—Physical analysis of biological material of liquid biological material
    • G01N33/49—Blood
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • 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
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • 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
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12M—APPARATUS FOR ENZYMOLOGY OR MICROBIOLOGY; APPARATUS FOR CULTURING MICROORGANISMS FOR PRODUCING BIOMASS, FOR GROWING CELLS OR FOR OBTAINING FERMENTATION OR METABOLIC PRODUCTS, i.e. BIOREACTORS OR FERMENTERS
    • C12M41/00—Means for regulation, monitoring, measurement or control, e.g. flow regulation
    • C12M41/30—Means for regulation, monitoring, measurement or control, e.g. flow regulation of concentration
    • C12M41/36—Means for regulation, monitoring, measurement or control, e.g. flow regulation of concentration of biomass, e.g. colony counters or by turbidity measurements
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/01—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials specially adapted for biological cells, e.g. blood cells
    • G01N2015/012—Red blood cells
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/10—Investigating individual particles
    • G01N15/14—Optical investigation techniques, e.g. flow cytometry
    • G01N2015/1486—Counting the particles
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10056—Microscopic image
    • 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
    • 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
    • G06T2207/30242—Counting objects in image

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Immunology (AREA)
  • Biochemistry (AREA)
  • Pathology (AREA)
  • Hematology (AREA)
  • Analytical Chemistry (AREA)
  • Molecular Biology (AREA)
  • Medicinal Chemistry (AREA)
  • Ecology (AREA)
  • Food Science & Technology (AREA)
  • Urology & Nephrology (AREA)
  • Biophysics (AREA)
  • Dispersion Chemistry (AREA)
  • Data Mining & Analysis (AREA)
  • Multimedia (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Apparatus Associated With Microorganisms And Enzymes (AREA)
  • Investigating Or Analysing Biological Materials (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

【課題】対象の検体から標的細胞を検出する処理のパラメータを、対象の検体の特徴に応じて設定する。
【解決手段】画像処理装置２０は、対象の検体の特徴に基づいて、対象の検体に含まれる標的細胞数を推定する標的細胞数推定部２３と、推定された標的細胞数に基づいて、対象の検体の撮像画像から標的細胞を検出する処理に関する検出パラメータを設定する検出パラメータ設定部２８を有する。
【選択図】図２

Description

本発明は、画像処理装置及びプログラムに関する。
例えば、特許文献１では、母体血を検体、母体血中の有核赤血球を標的細胞として、検体の顕微鏡画像から抽出される核候補領域に基づいて判定対象領域を設定し、設定した判定対象領域に標的細胞が含まれるか否かを判定している。
特開２０１２−２５４０４２号公報
本発明の目的は、対象の検体から標的細胞を検出する処理のパラメータを、対象の検体の特徴に応じて設定できる画像処理装置及びプログラムを提供することにある。
請求項１に係る発明は、対象の検体の特徴に基づいて、該対象の検体に含まれる標的細胞数を推定する推定手段と、前記推定された標的細胞数に基づいて、前記対象の検体の撮像画像から前記標的細胞を検出する処理に関する検出パラメータを設定する設定手段と、を含む画像処理装置である。
請求項２に係る発明は、前記検出パラメータは、前記対象の検体から生成される複数の標本のそれぞれについて前記標的細胞が含まれているかを検出する対象とするか否かを定める情報、前記撮像画像において前記標的細胞領域が含まれているか否かを判定する判定対象領域の設定条件を定める情報を含み、前記検出パラメータに基づいて検出の対象とされた標本の撮像画像に対して、該検出パラメータに基づいて設定した判定対象領域に前記標的細胞が含まれるか否かを判定する判定手段を含む請求項１に記載の画像処理装置である。
請求項３に係る発明は、前記推定手段により推定された標的細胞数と、前記対象の検体から生成される複数の標本の数に基づき算出した１標本当たりの標的細胞数に基づいて、予め定められた閾値以上の標的細胞が含まれる標本の数を決定する決定手段と、前記決定手段により決定した数の標本を前記複数の標本の中から選択する選択手段と、を含み、前記設定手段は、前記選択手段により選択された標本の情報に基づいて前記検出パラメータを設定する請求項２に記載の画像処理装置である。
請求項４に係る発明は、前記設定手段は、前記決定手段により決定した標本の数と、前記算出した１標本当たりの標的細胞数との積に対する前記閾値の差が小さくなるにつれて、前記判定対象領域が多く設定されるように前記設定条件を設定する請求項３に記載の画像処理装置である。
請求項５に係る発明は、前記標本の厚さ、該標本の輝度、該標本の濃度に基づいて、該標本に含まれる標的細胞数を検出する難易度を示す検出難易度を算出する難易度算出手段を含み、前記設定手段は、前記算出された検出難易度に基づいて前記検出パラメータを設定する請求項２乃至４のいずれかに記載の画像処理装置である。
請求項６に係る発明は、前記設定手段は、前記検出難易度が高い程、前記判定対象領域が多く設定されるように前記設定条件を設定する請求項５に記載の画像処理装置である。
請求項７に係る発明は、前記難易度算出手段は、前記標本の厚さの均一性が高い程、前記検出難易度を低く算出し、前記標本に含まれる核の輝度が低い程、前記検出難易度を低く算出し、前記標本に含まれる予め定めた濃度よりも薄い画素の割合が高い程、前記検出難易度を高く算出する請求項５又は６に記載の画像処理装置である。
請求項８に係る発明は、前記標的細胞が含まれると判定された互いに少なくとも一部が重なる複数の判定対象領域がある場合に、前記判定手段により前記標的細胞が含まれる可能性が最も高いと判定された判定対象領域に該複数の判定対象領域を統合する統合手段を含む請求項２乃至７のいずれかに記載の画像処理装置である。
請求項９に係る発明は、前記検体は母体血であり、前記標的細胞は、有核赤血球であり、前記検体の特徴は、母体の年齢、病歴、妊娠週数の少なくともいずれかを含み、前記検体の特徴に基づく分類ごとに単位血液量当たりの基準の有核赤血球数が定められており、前記推定手段は、前記対象の検体の特徴に応じた分類について定められた基準の有核赤血球数と、該対象の検体の血液量に基づいて、該対象の検体に含まれる有核赤血球数を推定する請求項１乃至８のいずれかに記載の画像処理装置である。
請求項１０に係る発明は、対象の検体の特徴に基づいて、該対象の検体に含まれる標的細胞数を推定する推定手段と、前記推定された標的細胞数に基づいて、前記対象の検体の撮像画像から前記標的細胞を検出する処理に関する検出パラメータを設定する設定手段としてコンピュータを機能させるためのプログラムである。
請求項１及び１０に記載の発明によれば、対象の検体から標的細胞を検出する処理のパラメータを、対象の検体の特徴に応じて設定できる。
請求項２に記載の発明によれば、対象の検体から生成した複数の標本のうち処理対象とする標本の数と、各標本について設定する判定対象領域とを、対象の検体について推定される標的細胞数に応じて設定できる。
請求項３に記載の発明によれば、処理対象とする標本に閾値以上の標的細胞が含まれるように選択できる。
請求項４に記載の発明によれば、処理対象とする標本の中に含まれる標的細胞の数と閾値との差が小さい場合には判定対象とする領域数を増やして、検出逃れの発生を抑制できる。
請求項５に記載の発明によれば、対象の検体から標的細胞を検出する処理のパラメータを、処理対象とする検体から標的細胞を検出することの難易度に応じて設定できる。
請求項６に記載の発明によれば、処理対象とする検体から標的細胞を検出することの難易度が高い場合には判定対象とする領域数を増やして、検出逃れの発生を抑制できる。
請求項７に記載の発明によれば、本構成を有さない場合と比較して、処理対象とする検体から標的細胞を検出することの難易度を精度良く算出できる。
請求項８に記載の発明によれば、複数の判定対象領域を統合しない場合と比較して、同一対象についての複数の判定対象領域の判定結果に基づく精度の良い判定結果を得ることができる。
請求項９に記載の発明によれば、本構成を有さない場合と比較して、対象の母体血に含まれる有核赤血球の数を精度良く推定できる。
本実施形態に係る画像処理システムのシステム構成例を示す図である。 画像処理装置が備える機能の一例を示す機能ブロック図である。 検出パラメータ管理テーブルの一例を示す図である。 標的細胞候補領域の統合例を説明する図である。 第１の実施例に係る処理のフロー図である。 検出難易度の算出処理のフロー図である。 標的細胞の検出処理のフロー図である。 標的細胞領域の統合処理のフロー図である。 第２の実施例に係る処理のフロー図である。 第３の実施例に係る処理のフロー図である。
以下、本発明を実施するための実施の形態（以下、実施形態という）を、図面に従って説明する。
［１．システム構成の説明］
図１には、本実施形態に係る画像処理システム１のシステム構成例を示した。図１に示されるように画像処理システム１は、光学顕微鏡１０、画像処理装置２０、入力装置５０、表示装置６０を含み、画像処理装置２０と光学顕微鏡１０、入力装置５０及び表示装置６０とはデータ通信可能に接続されている。
光学顕微鏡１０は、試料台に配置されたスライドグラス１１上の試料を、対物レンズ１２等の光学系を介してＣＣＤカメラ１４で撮像する。光学顕微鏡１０には、スライドグラス１１と対物レンズ１２との距離を変化させる焦準機構１３を備えており、スライドグラス１１上の試料を複数の異なる焦点距離で撮像するようになっている。本実施形態では、試料には、母体血をスライドグラス１１に塗布し、メイ・ギムザ染色を施したものを用いる。これにより、母体血中の胎児由来有核赤血球（ＮＲＢＣｓ）が青紫色に染色される。以下、ＮＲＢＣｓを標的細胞と称する。
画像処理装置２０は、光学顕微鏡１０により撮像された撮像画像を取得するとともに、当該取得した撮像画像の中から標的細胞を検出する。例えば、画像処理装置２０は、光学顕微鏡１０により撮像された撮像画像の中に設定した判定対象領域に、標的細胞が含まれている可能性を示すスコア（例えば確率）を、標的細胞の識別条件を学習した識別器に基づき判定することとしてよい。なお、画像処理装置２０において行われる標的細胞の検出処理の詳細については後述する。
入力装置５０は、例えばキーボードやマウス等のデバイスであり、ユーザから受け付けた操作を画像処理装置２０に入力する。例えば、画像処理装置２０は、表示装置６０に表示された画像に対し、ユーザが入力装置５０によって指定した画像領域の情報を標的細胞の正例、負例、又は他の特定細胞の画像特徴を学習するための学習情報として取得し、学習情報に基づいて標的細胞の識別条件（識別パラメータ）を識別器に学習させることとしてよい。
表示装置６０は、例えば液晶表示装置６０等であり、画像処理装置２０による処理の結果に基づいて画面を表示する。例えば、表示装置６０には、光学顕微鏡１０で撮像された撮像画像や、画像処理装置２０による標的細胞の検出結果等が表示される。
［２．画像処理装置２０が備える機能の説明］
次に、本実施形態に係る画像処理装置２０に備えられる機能について説明する。
図２には、画像処理装置２０が備える機能の一例を示す機能ブロック図を示した。図２に示されるように、画像処理装置２０は、検体情報取得部２１、検体特徴情報記憶部２２、標的細胞数推定部２３、撮像画像取得部２４、標本特徴抽出部２５、検出難易度判定部２６、検出対象標本設定部２７、検出パラメータ設定部２８、核候補領域抽出部２９、判定対象領域設定部３０、画像特徴生成部３１、標的細胞判定部３２、標的細胞領域設定部３３、標的細胞領域統合部３４、判定結果出力部３５を備える。
画像処理装置２０に備えられる上記の各部の機能は、ＣＰＵ等の制御手段、メモリ等の記憶手段、外部デバイスとデータを送受信する入出力手段等を備えたコンピュータである画像処理装置２０が、コンピュータ読み取り可能な情報記憶媒体に格納されたプログラムを読み込み実行することで実現されるものとしてよい。なお、プログラムは光ディスク、磁気ディスク、磁気テープ、光磁気ディスク、フラッシュメモリ等の情報記憶媒体によって画像処理装置２０に供給されることとしてもよいし、インターネット等のデータ通信網を介して画像処理装置２０に供給されることとしてもよい。以下、画像処理装置２０が備える各部の機能の詳細について説明する。
検体情報取得部２１は、検査対象とする検体（母体）の情報（検体情報）を取得する。例えば、検体情報取得部２１は、入力装置５０を介して入力されたデータに基づいて、検体情報を取得することとしてよい。例えば、検体情報には、母体血を採取した被検査対象である人の年齢、病歴、妊娠週数等を含むこととしてよい。
検体特徴情報記憶部２２は、検体の特徴に基づいて、検体に含まれる標的細胞を推定する際に用いる情報を記憶する。例えば、検体特徴情報記憶部２２は、検体の特徴に応じた分類に対して、例えば分類ごとの単位血液量当たりの標的細胞数を記憶することとしてよい。例えば、画像処理装置２０は、年齢、病歴、妊娠週数の各情報に基づいて検体ごとの特徴ベクトルを生成してクラスタリングし、各クラスタに属する検体について予め測定された単位血液量当たりの標的細胞（有核赤血球）数の代表値（例えば平均値）を代表有核赤血球数として検体特徴情報記憶部２２に関連付けて記憶することとしてよい。また、検体特徴情報記憶部２２には、年齢、病歴、妊娠週数と、対応する有核赤血球数との関係を定めたテーブルや数式が記憶されることとしてもよい。
標的細胞数推定部２３は、検体情報取得部２１により取得された検体に関する検体情報（検体の特徴を表す情報）と、検体特徴情報記憶部２２に記憶される情報とに基づいて、当該検体に含まれる標的細胞数を推定する。例えば、標的細胞数推定部２３は、検体情報取得部２１により取得された検体情報に対応する分類について、検体特徴情報記憶部２２に記憶される代表標的細胞数に基づいて、検体から得られた試料（母体血）に含まれる標的細胞数を推定する。例えば、標的細胞数推定部２３は、検体情報取得部２１により取得された検体情報に対応する分類について、検体特徴情報記憶部２２に記憶される単位血液量当たりの有核赤血球数と試料の血液量とを乗じることで推定標的細胞数を得ることとしてよい。
また、標的細胞数の推定方法は上記に限られない。例えば、検体特徴情報記憶部２２は、予め１以上の検体について、検体の特徴ベクトルと標的細胞数を関連付けて記憶しておき、標的細胞数推定部２３は、検体特徴情報記憶部２２に記憶される検体の特徴ベクトルの中から、対象の検体の特徴ベクトルと類似する（例えば最も特徴ベクトル間の距離が近い）特徴ベクトルを特定し、特定した特徴ベクトルに関連付けられている標的細胞数を対象の検体の標的細胞数としてもよい。
撮像画像取得部２４は、検体から得られたスライドグラス上の試料（母体血）を撮像した撮像画像を取得する。例えば、撮像画像取得部２４は、光学顕微鏡１０２に備えられたＣＣＤカメラ５より試料（母体血）を撮像した撮像画像を光学顕微鏡１０２から取得する。また、撮像画像取得部２４は、後述する検出パラメータに基づいて、対象の検体に定められた検出対象フラグが真（Ｔ）である場合には、撮像画像を取得し、対象の検体に定められた検出対象フラグが偽（Ｆ）である場合には、撮像画像を取得しないこととしてよい。
標本特徴抽出部２５は、対象の標本の特徴を抽出する。標本の特徴は、標本の作成状態を示す情報を含み、例えば、標本特徴抽出部２５は、検体から生成した標本の厚さの均一性、細胞核の染色度合い、白血球の含有率等を標本特徴として抽出することとしてよい。標本特徴抽出部２５は、対象の検体から生成した標本の全て又は一部（例えば検出対象とする標本に限定する等）の標本のそれぞれについて標本特徴を抽出することとしてよい。
標本特徴抽出部２５は、例えば、標本の厚さの均一性（Ａ）を、標本の複数の点に関して、標本の表面からスライドグラスまでの深度を光学顕微鏡１０で測定し、測定された複数の深度の分散値の逆数として算出することとしてよい。
標本特徴抽出部２５は、例えば、標本の細胞核の染色度合い（Ｂ）を、標本の撮像画像（光学顕微鏡１０で撮像することとしてよい）の平均輝度値で、予め定めた閾値を除した値（すなわち、閾値／平均輝度値）として算出してもよいし、標本の撮像画像において、予め定めた閾値よりも輝度値が低い画素の割合として算出してもよい。
標本特徴抽出部２５は、例えば、標本の白血球の含有率（Ｃ）を、標本の撮像画像（光学顕微鏡１０で撮像することとしてよい）における、予め定めた濃度よりも薄い色の画素の割合として算出してもよい。
検出難易度判定部２６は、標本特徴抽出部２５により抽出された標本特徴に基づいて、標本から標的細胞を検出する難易度（Ｄｆ）を判定する。例えば、検出難易度判定部２６は、標本についての検出難易度Ｄｆを、標本特徴抽出部２５で抽出された標本の厚さの均一性Ａ、標本の細胞核の染色度合いＢ、標本の白血球の含有率Ｃに基づいて、以下の式（１）により算出することとしてよい。なお、ｗ１，ｗ２，ｗ３は、ｗ１＋ｗ２＋ｗ３＝１を満たす、それぞれ０以上の予め定められた係数としてよく、Ａ０は、標本の厚さの均一性の基準値、Ｂ０は、標本の細胞核の染色度合いの基準値、Ｃ０は、標本の白血球の含有率の基準値としてよい。
Ｄｆ＝ｗ１・Ａ０／Ａ＋ｗ２・Ｂ０／Ｂ＋ｗ３・Ｃ／Ｃ０ （１）
上式（１）によれば、検出難易度Ｄｆは、標本の厚さの均一性Ａの値が大きくなるにつれ低く算出され、標本の細胞核の染色度合いＢの値が大きくなるにつれ低く算出され、標本の白血球の含有率Ｃの値が大きくなるにつれ高く算出される。なお、検出難易度判定部２６は、上式（１）により算出された検出難易度Ｄｆが０から１までの値を取るように補正してもよい。例えば、検出難易度判定部２６は、Ｄｆが下限閾値より低い場合には０に、Ｄｆが上限閾値（例えば１より大きい値）よりも大きい場合には１とすることとしてもよい。
検出対象標本設定部２７は、標的細胞数推定部２３により推定された推定標的細胞数（Ｃｂ）、又は検出難易度判定部２６により判定された検出難易度（Ｄｆ）の少なくともいずれかに基づいて、対象の検体から生成する複数の標本のうち検出対象とする標本を設定する。
検出対象標本設定部２７は、例えば、対象の検体について推定された推定標的細胞数（Ｃｂ）を試料から生成する標本数（Ｎ）で除して、１標本当たりの標的細胞数（ａ＝Ｃｂ／Ｎ）を算出する。ここで、検出対象標本設定部２７は、必要標的細胞数（Ｚ）に対して、Ｃｂ＞Ｚである場合には、ａ・Ｘ≧Ｚとなる整数Ｘを検出対象標本数に決定し、Ｃｂ≦Ｚである場合には、検出対象標本数をＮ（全標本）に決定することとしてよい。そして、検出対象標本設定部２７は、試料から生成したＮ個の標本の中から、検出対象標本数の標本を選択して（例えば、識別番号順、生成日時順等）、選択した標本の検出対象フラグを真（Ｔ）に、選択しなかった標本の検出対象フラグを偽（Ｆ）に設定することとしてよい。
また、検出対象標本設定部２７は、検出難易度判定部２６により算出された検出難易度に基づいて検出対象とする標本を設定する場合には、例えば、対象の検体から生成された複数の標本のうち検出難易度が閾値以下の標本を検出対象に設定することとしてもよい。
検出パラメータ設定部２８は、試料から生成した標本について検出処理時に利用する検出パラメータを設定する。例えば、検出パラメータ設定部２８は、検出対象標本設定部２７により設定された検出対象標本と、検出難易度判定部２６により判定された検出難易度との少なくとも一方に基づいて、検出パラメータを設定する。例えば、検出パラメータは、標本の検出対象の当否を示す検出対象フラグ、標本の撮像画像から核候補領域として抽出する画像領域の条件を示す核候補領域パラメータ、標本の撮像画像について設定する判定対象領域の設定条件を示す判定対象領域パラメータを含むこととしてよい。
図３には、検出パラメータ設定部２８により設定される検出パラメータを格納する検出パラメータ管理テーブルの一例を示した。図３に示されるように、検出パラメータ管理テーブルには、検体を識別する検体ＩＤ、検体から得た複数の標本のそれぞれを識別する標本ＩＤ、各標本を検出対象とするか否かを示す検出対象フラグ、核候補領域パラメータ、判定対象領域パラメータが関連付けて記憶される。なお、核候補領域パラメータには、核候補領域として抽出する対象画素の色範囲と、連結画素数の閾値が含む。また、判定対象領域パラメータには、核候補領域において判定対象領域の基点とする画素間のシフト量を示すステップ幅、判定対象領域の基点とする画素について設定する複数サイズの判定対象領域に関し、最小の判定対象領域と最大の判定対象領域とのサイズ比を示す最大倍率、最小の判定対象領域と最大の判定対象領域間までに何段階の拡大を実行するかを示す倍率段階を含む。
検出パラメータ設定部２８は、例えば、検出対象標本設定部２７で設定した検出対象標本数Ｘと１標本当たりの標的細胞数ａの積と、必要標的細胞数Ｚとの差である余裕度Ｙ（Ｙ＝ａ・Ｘ−Ｚ）と、検出難易度判定部２６により判定された検出難易度Ｄｆとの少なくとも一方に基づいて、検出パラメータを設定することとしてよい。より具体的には、検出パラメータ設定部２８は、Ｍ（Ｍは２以上の整数）段階のレベル（Ｌ１〜ＬＭ）ごとに検出パラメータを定めておき（ただし同一画像についてＬｉ＋１における検出パラメータにより抽出・設定される核候補領域と判定対象領域の数が、Ｌｉにおける検出パラメータにより抽出・設定される核候補領域と判定対象領域の数よりも多い）、余裕度Ｙと検出難易度Ｄｆの少なくとも一方の値に基づいてレベルを決定し、決定したレベルに基づいて検出パラメータを設定することとしてよい。例えば、検出パラメータ設定部２８は、Ｍ段階のレベルごとに余裕度の範囲を定めておき、上記計算されたＹがどのレベルの範囲に属するかに基づいてレベルを決定してもよい。また、例えば、検出パラメータ設定部２８は、Ｍ段階のレベルごとに検出難易度の範囲を定めておき、上記計算されたＤｆがどのレベルの範囲に属するかに基づいてレベルを決定してもよい。また、例えば、検出パラメータ設定部２８は、Ｍ段階のレベルごとに余裕度と検出難易度の和の範囲を定めておき、上記計算されたＹとＤｆの和がどのレベルの範囲に属するかに基づいてレベルを決定してもよい。
なお、検出パラメータ設定部２８は、検出対象標本設定部２７で設定した標本のそれぞれについて、それぞれの標本について算出された検出難易度に基づいて標本ごとに異なる検出パラメータを設定することとしてよい。
核候補領域抽出部２９は、処理対象の標本について撮像画像取得部２４により取得された撮像画像の中から、当該標本について検出パラメータ設定部２８により設定された核候補領域パラメータに基づいて、核候補領域を抽出する。例えば、核候補領域抽出部２９は、核候補領域パラメータに含まれる色範囲に含まれる画素を黒画素、色範囲に含まれない画素を白画素として二値化し、隣り合う黒画素を連結した連結画素群のうち、核候補領域パラメータに含まれる連結画素群の数以上の連結画素群を、核候補領域として抽出することとしてよい。
判定対象領域設定部３０は、処理対象の標本について撮像画像取得部２４により取得された撮像画像に対して、当該標本について検出パラメータ設定部２８により設定された判定対象領域パラメータと、核候補領域抽出部２９により抽出された核候補領域とに基づいて、標的細胞の有無の判定対象とする判定対象領域を設定する。例えば、判定対象領域設定部３０は、核候補領域抽出部２９により抽出された核候補領域に含まれる１以上の画素のそれぞれに対して、当該画素を中心（又は基点）とする矩形領域を判定対象領域として設定する。ここで、判定対象領域設定部３０は、処理対象の標本について設定された判定対象領域パラメータに含まれるステップ幅（シフト量）に基づき、判定対象領域の基点となる核候補領域内の画素をステップ幅だけ順次移動させて、判定対象領域を順次設定することとしてよい。また、判定対象領域設定部３０は、判定対象領域の基点となる１つの画素に関し、処理対象の標本について設定された判定対象領域パラメータに含まれる最大倍率と倍率段階に基づき、判定対象領域のサイズを１〜最大倍率まで、倍率段階で定められた段階数に渡って変化させて複数の異なるサイズの判定対象領域を設定することとしてよい。
画像特徴生成部３１は、判定対象領域設定部３０により設定された判定対象領域の画像特徴量を生成する。例えば、画像特徴生成部３１は、判定対象領域のＨＯＧ特徴量を算出し、ＨＯＧ特徴量を画像特徴量として得ることとしてよい。以下、二種のＨＯＧ特徴量の算出処理について具体的に説明する。
画像特徴生成部３１は、判定対象領域内の画素ごとに輝度勾配方向と輝度勾配強度を求め、対象画像をＸ個のセルから成るＹ個のブロックに分割し、各ブロックを構成するセルごとに輝度勾配方向と輝度勾配強度から輝度勾配方向ヒストグラム（［第１勾配方向の値，第２勾配方向の値，・・・，第９勾配方向の値］）を求め、これらの２乗平均が１になるようにブロック単位で正規化を行う。そして、画像特徴生成部３１は、上記正規化した輝度勾配方向ヒストグラムをブロック内で結合して作成したＸ×９個の値をブロックの特徴量とし、さらに対象画像内のブロックをすべて結合して作成したＹ×Ｘ×９個の値を判定対象領域のＨＯＧ特徴量とする。
また、画像特徴生成部３１は、判定対象領域内の画素ごとに輝度勾配方向と輝度勾配強度を求め、対象画像をＸ個のセルから成るＹ個のブロックに分割し、各ブロックを構成するセルごとに輝度勾配方向と輝度勾配強度から輝度勾配方向ヒストグラム（［第１勾配方向の値，第２勾配方向の値，・・・，第１８勾配方向の値］）を求める。そして、画像特徴生成部３１は、上記の輝度勾配方向ヒストグラムをブロック内で結合して作成したＸ×１８個の値をブロックの特徴量とし、さらに対象画像内のブロックをすべて結合して作成したＹ×Ｘ×１８個の値を判定対象領域のＣｅｌｌ−ＨＯＧ特徴量とする。
標的細胞判定部３２は、判定対象領域の画像特徴量に基づいて、判定対象領域に標的細胞が含まれる可能性（信頼度）を判定する。例えば、予め標的細胞が写し出された画像領域の画像特徴量に基づいて標的細胞の識別条件（識別パラメータ）を識別器に学習させ、識別器による判定対象領域の画像特徴量の識別結果を得ることとしてよい。なお、識別器には、ＡｄａＢｏｏｓｔやＳＶＭ（サポートベクタマシン）等を利用することとしてよい。識別器は、判定対象領域の画像特徴量に基づいて、判定対象領域に標的細胞が含まれる可能性を示すスコア（信頼度）を出力する。例えば、識別器は、判定対象領域に含まれる細胞が標的細胞であれば正の値のスコアを、標的細胞でなければ負の値のスコアを出力することとしてよい。
標的細胞領域設定部３３は、判定対象領域についての標的細胞判定部３２による判定結果に基づいて、標的細胞が含まれる候補領域（標的細胞領域）を設定する。例えば、標的細胞領域設定部３３は、判定対象領域のうち識別器により出力された信頼度が０以上であれば標的細胞の候補領域に設定することとしてよい。
標的細胞領域統合部３４は、標的細胞領域設定部３３により設定された候補領域のうち、互いに少なくとも一部が重なる候補領域を１つに統合する。例えば、標的細胞領域統合部３４は、複数の候補領域が互いに重なっている場合は、複数の候補領域をそのうちの１つ（例えば信頼度が最大の領域）に統合することとしてよい。ここで、標的細胞領域統合部３４は、複数の候補領域が同じ核候補領域から設定した判定対象領域であれば重なっていると判断してもよいし、複数の候補領域のうち予め定めた閾値以上の面積が互いに重なっていれば複数の候補領域が重なっていると判断してもよい。また、標的細胞領域統合部３４は、統合後の候補領域は信頼度が一番高い候補領域のみを残してもよいし、重なっている複数の候補領域のすべてを含む領域を統合後の候補領域としてもよい。また、標的細胞領域統合部３４は、統合後の候補領域の信頼度には、統合された候補領域の信頼度を加算してもよいし、統合後の候補領域の信頼度に重なっている候補領域の数をかけたものを、統合後の候補領域の信頼度としてもよい。
図４には、標的細胞候補領域の統合例を説明する図を示した。図４に示されるように、撮像画像Ｉの中に核候補領域７０が含まれており、核候補領域７０に対して互いに一部が重なる２つの標的細胞領域７１，７２が設定され、標的細胞領域７１についてスコアが３０、標的細胞領域７２についてスコアが１０であったとすると、標的細胞領域統合部３４は、標的細胞領域７１，７２のうちスコアが最大の標的細胞領域７１に標的細胞領域７２を統合し、標的細胞領域７１のスコアに標的細胞領域７２のスコアを加算して更新することとしてよい。
判定結果出力部３５は、標的細胞領域統合部３４により統合した候補領域の情報を、試料についての標的細胞の検出結果として出力する。例えば、判定結果出力部３５は、標的細胞領域統合部３４により統合された候補領域を、その信頼度に基づいて並び替えてリスト表示する表示画面を表示装置６０に表示させることとしてよい。なお、判定結果出力部３５は、信頼度が指定された又は予め定められた閾値未満の候補領域については、リスト表示に含めないようにすることとしてよい。
［３．処理の例示］
次に、図５乃至図１０に基づいて、本実施形態に係る画像処理システム１において行われる処理の一例について詳細に説明する。
［３−１．第１の実施例］
まず、図５〜図８に示したフロー図に基づき、画像処理システム１により実行される第１の実施例に係る処理の詳細について説明する。
［３−１−１（１）．メイン処理（１）］
図５に示されるように、画像処理装置２０は、入力装置５０から入力されたデータに基づいて、対象の検体から生成した標本の数（Ｎ（Ｎは１以上の整数）とする）を設定するとともに（Ｓ１０１）、対象の検体の情報（検体情報）を取得する（Ｓ１０２）。ここで、検体情報には、年齢、病歴、妊娠週数の情報の少なくともいずれかを含むこととしてよい。
次に、画像処理装置２０は、Ｓ１０２で取得した検体情報に基づいて、対象の検体に含まれる標的細胞数（ａ）を推定する（Ｓ１０３）。例えば、画像処理装置２０は、Ｓ１０２で取得した検体情報が属する分類を特定し、特定した分類について予め定められた単位血液当たりの代表標的細胞数（基準標的細胞数）と、検体となる試料の血液量とに基づいて、検体に含有される推定標的細胞数を算出することとしてよい。
画像処理装置２０は、Ｓ１０３で算出した標的細胞数（ａ）と、Ｓ１０１で設定した標本数（Ｎ）とに基づいて、１標本当たりの標的細胞数（ｂ）を算出する（Ｓ１０４）。そして、画像処理装置２０は、Ｓ１０４で算出した１標本当たりの標的細胞数（ｂ）に基づいて、検出に必要とされる必要細胞数（ｃ）以上となる、検出対象標本数（ｄ）を決定する（Ｓ１０５）。
ここで、画像処理装置２０は、Ｓ１０５で決定した検出対象標本数（ｄ）の処理対象とする標本を、対象の検体から生成された複数の標本の中から選択して決定する（Ｓ１０６）。
次に、画像処理装置２０は、Ｓ１０６で決定した処理対象とする標本から標的細胞を検出する難易度を示す検出難易度を算出する処理を実行する（Ｓ１０７）。検出難易度の算出処理の詳細については、図６に示したフロー図に基づき説明する。
［３−１−２．検出難易度の算出処理］
図６に示されるように、画像処理装置２０は、変数ｉを１に初期化して（Ｓ２０１）、標本Ｓｉの深度（Ａ）を測定する（Ｓ２０２）。例えば、標本Ｓｉの複数の点に関して、標本Ｓｉの表面からスライドグラスまでの深度を光学顕微鏡１０で測定することとしてよい。
次に、画像処理装置２０は、標本Ｓｉを光学顕微鏡１０により撮像した撮像画像を取得し（Ｓ２０３）、取得した撮像画像に基づいて、標本Ｓｉの染色度（Ｂ）を取得する（Ｓ２０４）。例えば、画像処理装置２０は、標本Ｓｉの細胞核の染色度合い（Ｂ）を、標本Ｓｉの撮像画像の平均輝度値で、予め定めた閾値を除した値（すなわち、閾値／平均輝度値）として算出してもよいし、標本Ｓｉの撮像画像において、予め定めた閾値よりも輝度値が低い画素の割合として算出してもよい。
さらに、画像処理装置２０は、Ｓ２０３で取得した撮像画像に基づいて、標本Ｓｉ中の白血球の割合（Ｃ）を取得する（Ｓ２０５）。例えば、画像処理装置２０は、標本Ｓｉの白血球の割合（Ｃ）を、標本Ｓｉの撮像画像における、予め定めた濃度よりも薄い色の画素の割合として算出してよい。
画像処理装置２０は、例えば、上述した式（１）に基づいて、深度（Ａ）の分散値、試料の染色度（Ｂ）、白血球割合（Ｃ）に基づいて、標本Ｓｉから標的細胞の検出難易度Ｄｆ（Ｄｆｉ）を算出する（Ｓ２０６）。
ここで、画像処理装置２０は、変数ｉがｄに達していない場合には（Ｓ２０７：Ｎ）、変数ｉをインクリメント（１加算）して（Ｓ２０８）、Ｓ２０２に戻り、変数ｉがｄに達している場合には（Ｓ２０７：Ｙ）、リターンする。次に、図５のフロー図に戻り説明を続ける。
［３−１−１（２）．メイン処理（２）］
図５に示されるように、画像処理装置２０は、処理対象の標本について標的細胞の検出難易度Ｄｆの算出を終えると、Ｓ１０７で算出された検出難易度Ｄｆと、Ｓ１０６で決定した処理対象の標本の情報との少なくとも１つに基づいて、検出パラメータを設定する（Ｓ１０８）。例えば、検出パラメータは、標本の検出対象の当否を示す検出対象フラグ、標本から核候補領域として抽出する画像領域の条件を示す核候補領域パラメータ、標本の画像について設定する判定対象領域の設定条件を示す判定対象領域パラメータを含むこととしてよい。ここで、画像処理装置２０は、例えば、検出対象フラグについては、Ｓ１０６で決定した処理対象の標本の情報に基づいて設定し、核候補領域パラメータと判定対象領域パラメータについては標本Ｓｉについて算出した検出難易度Ｄｆｉに基づいて設定することとしてよい。
画像処理装置２０は、Ｓ１０８で設定した検出パラメータに基づいて、検体から標的細胞を検出する処理を実行する（Ｓ１０９）。標的細胞の検出処理の詳細については、図７に示したフロー図に基づき説明する。
［３−１−３．標的細胞の検出処理］
図７に示されるように、画像処理装置２０は、変数ｉ，ｊ，ｋの値をそれぞれ１に初期化して（Ｓ３０１）、対象の検体についての標本Ｓｉが検出対象であるか否かを判断する（Ｓ３０２）。例えば、画像処理装置２０は、標本Ｓｉの検出対象フラグが真（Ｔ）であれば検出対象と判断し、偽（Ｆ）であれば検出対象でないと判断することとしてよい。
画像処理装置２０は、標本Ｓｉが検出対象である場合には（Ｓ３０２：Ｙ）、例えば光学顕微鏡１０に標本Ｓｉを撮像させて、標本Ｓｉの撮像画像Ｔｉを取得する（Ｓ３０３）。
次に、画像処理装置２０は、標本Ｓｉについて設定された検出パラメータに含まれる核候補領域パラメータに基づいて、撮像画像Ｔｉから核候補領域（Ａｉ１〜ＡｉＭ）を抽出する（Ｓ３０４）。なお、Ｍは撮像画像Ｔｉに含まれる核候補領域の数である。なお、核候補領域の抽出は、上述した核候補領域抽出部２９により実行することとしてよい。
画像処理装置２０は、標本Ｓｉについて設定された検出パラメータに含まれる判定対象領域パラメータに基づいて、撮像画像Ｔｉから抽出した核候補領域Ａｉｊに対して、判定対象領域（Ｂｉｊ１〜ＢｉｊＬ）を設定する（Ｓ３０５）。なお、Ｌは核候補領域Ａｉｊについて設定される判定対象領域の数であり、判定対象領域の設定は、上述した判定対象領域設定部３０により実行することとしてよい。
画像処理装置２０は、判定対象領域Ｂｉｊｋの画像特徴量Ｖｉｊｋを算出する（Ｓ３０６）。なお、画像特徴量の算出は、上述した画像特徴生成部３１により実行することとしてよい。
画像処理装置２０は、Ｓ３０６で算出した画像特徴量Ｖｉｊｋに基づいて、判定対象領域Ｂｉｊｋに標的細胞が含まれる可能性を示すスコアＰｉｊｋを算出する（Ｓ３０７）。
ここで、画像処理装置２０は、Ｓ３０７で算出したスコアＰｉｊｋが閾値Ｔｈ以上であれば（Ｓ３０８：Ｙ）、判定対象領域Ｂｉｊｋを標的細胞領域に設定する（Ｓ３０９）。
画像処理装置２０は、Ｓ３０９の後、又はＳ３０７で算出したスコアＰｉｊｋが閾値Ｔｈ未満である場合には（Ｓ３０８：Ｎ）、変数ｋがＬに達しているか否かを判断し（Ｓ３１０）、変数ｋがＬに達していない場合には（Ｓ３１０：Ｎ）、ｋをインクリメント（ｋに１加算）して（Ｓ３１１）、Ｓ３０６に戻る。また、画像処理装置２０は、Ｓ３１０において、変数ｋがＬに達している場合には（Ｓ３１０：Ｙ）、変数ｊがＭに達しているか否かを判断する（Ｓ３１２）。
画像処理装置２０は、Ｓ３１２において変数ｊがＭに達してない場合には（Ｓ３１２：Ｎ）、ｊをインクリメント（ｊに１加算）するとともに、ｋを１に初期化して（Ｓ３１３）、Ｓ３０５に戻る。また、画像処理装置２０は、Ｓ３１２において変数ｊがＭに達している場合には（Ｓ３１２：Ｙ）、標本Ｓｉについて設定された標的細胞領域の統合処理を実行する（Ｓ３１４）。ここで、標的細胞領域の統合処理の詳細については図８に示したフロー図に基づき説明する。
［３−１−４．標的細胞領域の統合処理］
図８に示されるように、画像処理装置２０は、標本Ｓｉの撮像画像Ｔｉについて設定したそれぞれの標的細胞領域に対して、処理済みフラグを付与する（Ｓ４０１）。なお、処理済みフラグは、真偽値であり、処理済みが真（Ｔ）、未処理が偽（Ｆ）とし、Ｓ４０１で付与される処理済みフラグの初期値は偽（Ｆ）であるとする。
次に、画像処理装置２０は、処理済みフラグの値が未処理の標的細胞領域を１つ選択する（Ｓ４０２）。以下、Ｓ４０２で選択された標的細胞領域をＡｓとする。
画像処理装置２０は、撮像画像Ｔｉについて設定した標的細胞領域の中から、Ｓ４０２で選択された標的細胞領域Ａｓと重なる他の標的細胞領域を抽出する（Ｓ４０３）。そして、画像処理装置２０は、Ｓ４０３で抽出した標的細胞領域のうち、最大のスコアを有する標的細胞領域を選択する（Ｓ４０４）。以下、Ｓ４０４で選択された標的細胞領域をＡｔとする。
画像処理装置２０は、標的細胞領域Ａｓのスコアが標的細胞領域Ａｔのスコア以上である場合には（Ｓ４０５：Ｙ）、標的細胞領域ＡｓにＳ４０３で抽出された標的細胞領域を統合して（Ｓ４０６）、標的細胞領域Ａｓのスコアに、統合する他の標的細胞領域のスコアを加算する（Ｓ４０７）。例えば、標的細胞領域Ａｓに対して統合される標的細胞領域は削除することとしてもよいし、統合済みの状態に更新することとしてもよい。そして、画像処理装置２０は、標的細胞領域Ａｓと、標的細胞領域Ａｓに統合された他の標的細胞領域のそれぞれの処理済みフラグを真（Ｔ）に更新する（Ｓ４０８）。
また、画像処理装置２０は、標的細胞領域Ａｓのスコアが標的細胞領域Ａｔのスコア未満である場合には（Ｓ４０５：Ｎ）、標的細胞領域Ａｓを、標的細胞領域Ａｔに統合して（Ｓ４０９）、標的細胞領域Ａｔのスコアに、標的細胞領域Ａｓのスコアを加算する（Ｓ４１０）。そして、画像処理装置２０は、標的細胞領域Ａｓの処理済みフラグを真（Ｔ）に更新する（Ｓ４１１）。
画像処理装置２０は、Ｓ４０８又はＳ４１１の後に、未処理の標的細胞領域が残っている場合には（Ｓ４１２：Ｙ）、Ｓ４０２に戻り、未処理の標的細胞領域が残っていない場合には（Ｓ４１２：Ｎ）、標的細胞の統合処理を終えてリターンする。
ここで、図７に戻り説明を続ける。画像処理装置２０は、標本Ｓｉについて設定された標的細胞領域の統合処理を終えると、変数ｉがｄ（検出対象標本数又は全標本数）に達していない場合には（Ｓ３１５：Ｎ）、ｉをインクリメント（１加算）するとともに、ｊ及びｋを１に初期化して（Ｓ３１６）、Ｓ３０２に戻る。また、画像処理装置２０は、Ｓ３１５において、変数ｉがｄに達している場合には（Ｓ３１５：Ｙ）、リターンする。
また、画像処理装置２０は、Ｓ３０２において、標本Ｓｉが検出対象でない場合であって（Ｓ３０２：Ｎ）、変数ｉがｄに達していないときには（Ｓ３１７：Ｎ）、ｉをインクリメント（１加算）するとともに、ｊ及びｋを１に初期化して（Ｓ３１６）、Ｓ３０２に戻り、変数ｉがｄに達しているときには（Ｓ３１７：Ｙ）、リターンする。
［３−１−１（３）．メイン処理（３）］
ここで、図５のフロー図に戻り説明を続ける。画像処理装置２０は、処理対象の検体のそれぞれについて標的細胞の検出処理を終えると、各検体について統合後の標的細胞領域に基づいて、標的細胞領域の情報を出力して（Ｓ１１０）、処理を終了する。例えば、画像処理装置２０は、検体ごとに、統合後の標的細胞領域のスコアが大きい順に標的細胞領域をソートして標的細胞領域を表示装置６０に表示させることとしてよい。
以上説明した第１の実施例に係る処理によれば、処理対象とする検体に含まれる推定の標的細胞数と、処理対象とする検体から標的細胞を検出する難易度に基づいて、検出処理に利用するパラメータを設定できる。
［３−２．第２の実施例］
次に、図９に示したフロー図に基づき、画像処理システム１により実行される第２の実施例に係る処理の詳細について説明する。第２の実施例においては、検出難易度を用いずに検出パラメータを設定する点で第１の実施例と異なっている。
図９に示されるように、画像処理装置２０は、例えば、入力装置５０から入力されたデータに基づいて、対象の検体から生成した標本の数（Ｎ（Ｎは１以上の整数）とする）を設定するとともに（Ｓ５０１）、対象の検体の情報（検体情報）を取得する（Ｓ５０２）。ここで、検体情報には、年齢、病歴、妊娠週数の情報の少なくともいずれかを含むこととしてよい。
次に、画像処理装置２０は、Ｓ５０２で取得した検体情報に基づいて、対象の検体に含まれる標的細胞数（ａ）を推定する（Ｓ５０３）。例えば、画像処理装置２０は、Ｓ５０２で取得した検体情報が属する分類を特定し、特定した分類について予め定められた単位血液当たりの代表標的細胞数と、検体となる試料の血液量とに基づいて、検体に含有される推定標的細胞数を算出することとしてよい。
画像処理装置２０は、Ｓ５０３で算出した標的細胞数（ａ）と、Ｓ５０１で設定した標本数（Ｎ）とに基づいて、１標本当たりの標的細胞数（ｂ）を算出する（Ｓ５０４）。そして、画像処理装置２０は、Ｓ５０４で算出した１標本当たりの標的細胞数（ｂ）に基づいて、検出に必要とされる必要細胞数（ｃ）以上となる、検出対象標本数（ｄ）を決定する（Ｓ５０５）。
ここで、画像処理装置２０は、Ｓ５０５で決定した検出対象標本数（ｄ）の処理対象とする標本を、対象の検体から生成された複数の標本の中から選択して決定する（Ｓ５０６）。
次に、画像処理装置２０は、Ｓ５０６で決定した処理対象とする標本の情報と、Ｓ５０４で算出した１標本当たりの標的細胞数（ｂ）に基づいて、検出パラメータを設定する（Ｓ５０７）。例えば、検出パラメータは、標本の検出対象の当否を示す検出対象フラグ、標本から核候補領域として抽出する画像領域の条件を示す核候補領域パラメータ、標本の画像について設定する判定対象領域の設定条件を示す判定対象領域パラメータを含むこととしてよい。ここで、画像処理装置２０は、例えば、検出対象フラグについては、Ｓ５０６で決定した処理対象の標本の情報に基づいて設定し、核候補領域パラメータと判定対象領域パラメータについては、検出対象標本数（ｄ）と１標本当たりの標的細胞数を乗じたｂ・ｄから、必要細胞数（ｃ）を減じた余裕度（ｂ・ｄ−ｃ）に基づいて設定することとしてよい。
画像処理装置２０は、Ｓ５０７で設定した検出パラメータに基づいて、検体から標的細胞を検出する処理を実行する（Ｓ５０８）。標的細胞の検出処理の詳細については、図７に示したフロー図に示した通りであり、第１の実施例と共通するためここでの説明は省略する。
そして、画像処理装置２０は、処理対象の検体のそれぞれについて標的細胞の検出処理を終えると、各検体について統合後の標的細胞領域に基づいて、標的細胞領域の情報を出力して（Ｓ５０９）、処理を終了する。
以上説明した第２の実施例に係る処理によれば、処理対象とする検体に含まれる推定の標的細胞数に基づいて、検出処理に利用するパラメータを設定できる。
［３−３．第３の実施例］
次に、図１０に示したフロー図に基づき、画像処理システム１により実行される第３の実施例に係る処理の詳細について説明する。第３の実施例においては、対象の検体について推定される標的細胞数を用いずに検出パラメータを設定する点で第１の実施例と異なっている。
図１０に示されるように、画像処理装置２０は、例えば、入力装置５０から入力されたデータに基づいて、対象の検体から生成した標本の数（Ｎ（Ｎは１以上の整数）とする）を設定する（Ｓ６０１）。
ここで、画像処理装置２０は、対象の検体から生成された複数の標本の中から処理対象とする標本を決定する（Ｓ６０２）。例えば、画像処理装置２０は、対象の検体から生成された複数の標本の全てを処理対象としてもよいし、対象の検体について算出された検出難易度Ｄｆに基づいて処理対象とする標本を決定することとしてもよい。例えば、画像処理装置２０は、検出難易度の範囲に応じて割合を定めておき（具体的には、検出難易度が上がるにつれて割合を高くする）、検出難易度Ｄｆに対応する割合と全標本数との積に基づいて（具体的には得られた積を切り上げにより整数にすることとしてよい）、処理対象とする標本数を決定し、決定した標本数に基づいて処理対象の標本を決定することとしてよい。ここでは、処理対象とする標本数をｄで表す。
次に、画像処理装置２０は、処理対象とする標本から標的細胞を検出する難易度を示す検出難易度を算出する処理を実行する（Ｓ６０３）。検出難易度の算出処理の詳細については、図６に示したフロー図の通りであり、第１の実施例と共通するためここでの説明は省略する。
次に、画像処理装置２０は、処理対象とする標本Ｓｉ（ｉ＝１〜ｄ）について、Ｓ６０３で算出された検出難易度Ｄｆｉに基づいて、標本Ｓｉの検出パラメータを設定する（Ｓ６０４）。例えば、検出パラメータは、標本の検出対象の当否を示す検出対象フラグ、標本から核候補領域として抽出する画像領域の条件を示す核候補領域パラメータ、標本の画像について設定する判定対象領域の設定条件を示す判定対象領域パラメータを含むこととしてよい。ここで、画像処理装置２０は、例えば、検出対象フラグについては、Ｓ６０３で決定した処理対象の標本の情報に基づいて設定し、核候補領域パラメータと判定対象領域パラメータについては標本Ｓｉについて算出した検出難易度Ｄｆｉに基づいて設定することとしてよい。
画像処理装置２０は、Ｓ６０４で設定した検出パラメータに基づいて、検体から標的細胞を検出する処理を実行する（Ｓ６０５）。標的細胞の検出処理の詳細については、図７に示したフロー図の通りであり、第１の実施例と共通するためここでの説明は省略する。
そして、画像処理装置２０は、処理対象の検体のそれぞれについて標的細胞の検出処理を終えると、各検体について統合後の標的細胞領域に基づいて、標的細胞領域の情報を出力して（Ｓ６０６）、処理を終了する。
以上説明した第３の実施例に係る処理によれば、処理対象とする検体から標的細胞を検出する難易度に基づいて、検出処理に利用するパラメータを設定できる。
本発明は上記の実施形態に限定されるものではない。例えば、標的細胞領域を統合せずに、標的細胞領域をスコアの順に表示させることとしても構わない。また、画像処理装置２０は、光学顕微鏡１０から検体の撮像画像を取得する場合に限らず、他のコンピュータから検体の撮像画像を取得することとしてもよい。

Claims (10)

  1. 対象の検体の特徴に基づいて、該対象の検体に含まれる標的細胞数を推定する推定手段と、
    前記推定された標的細胞数に基づいて、前記対象の検体の撮像画像から前記標的細胞を検出する処理に関する検出パラメータを設定する設定手段と、を含む
    画像処理装置。
  2. 前記検出パラメータは、前記対象の検体から生成される複数の標本のそれぞれについて前記標的細胞が含まれているかを検出する対象とするか否かを定める情報、前記撮像画像において前記標的細胞領域が含まれているか否かを判定する判定対象領域の設定条件を定める情報を含み、
    前記検出パラメータに基づいて検出の対象とされた標本の撮像画像に対して、該検出パラメータに基づいて設定した判定対象領域に前記標的細胞が含まれるか否かを判定する判定手段を含む
    請求項１に記載の画像処理装置。
  3. 前記推定手段により推定された標的細胞数と、前記対象の検体から生成される複数の標本の数に基づき算出した１標本当たりの標的細胞数に基づいて、予め定められた閾値以上の標的細胞が含まれる標本の数を決定する決定手段と、
    前記決定手段により決定した数の標本を前記複数の標本の中から選択する選択手段と、を含み、
    前記設定手段は、前記選択手段により選択された標本の情報に基づいて前記検出パラメータを設定する
    請求項２に記載の画像処理装置。
  4. 前記設定手段は、前記決定手段により決定した標本の数と、前記算出した１標本当たりの標的細胞数との積に対する前記閾値の差が小さくなるにつれて、前記判定対象領域が多く設定されるように前記設定条件を設定する
    請求項３に記載の画像処理装置。
  5. 前記標本の厚さ、該標本の輝度、該標本の濃度に基づいて、該標本に含まれる標的細胞数を検出する難易度を示す検出難易度を算出する難易度算出手段を含み、
    前記設定手段は、前記算出された検出難易度に基づいて前記検出パラメータを設定する
    請求項２乃至４のいずれかに記載の画像処理装置。
  6. 前記設定手段は、前記検出難易度が高い程、前記判定対象領域が多く設定されるように前記設定条件を設定する
    請求項５に記載の画像処理装置。
  7. 前記難易度算出手段は、前記標本の厚さの均一性が高い程、前記検出難易度を低く算出し、前記標本に含まれる核の輝度が低い程、前記検出難易度を低く算出し、前記標本に含まれる予め定めた濃度よりも薄い画素の割合が高い程、前記検出難易度を高く算出する
    請求項５又は６に記載の画像処理装置。
  8. 前記標的細胞が含まれると判定された互いに少なくとも一部が重なる複数の判定対象領域がある場合に、前記判定手段により前記標的細胞が含まれる可能性が最も高いと判定された判定対象領域に該複数の判定対象領域を統合する統合手段を含む
    請求項２乃至７のいずれかに記載の画像処理装置。
  9. 前記検体は母体血であり、
    前記標的細胞は、有核赤血球であり、
    前記検体の特徴は、母体の年齢、病歴、妊娠週数の少なくともいずれかを含み、
    前記検体の特徴に基づく分類ごとに単位血液量当たりの基準の有核赤血球数が定められており、
    前記推定手段は、前記対象の検体の特徴に応じた分類について定められた基準の有核赤血球数と、該対象の検体の血液量に基づいて、該対象の検体に含まれる有核赤血球数を推定する
    請求項１乃至８のいずれかに記載の画像処理装置。
  10. 対象の検体の特徴に基づいて、該対象の検体に含まれる標的細胞数を推定する推定手段と、
    前記推定された標的細胞数に基づいて、前記対象の検体の撮像画像から前記標的細胞を検出する処理に関する検出パラメータを設定する設定手段
    としてコンピュータを機能させるためのプログラム。
JP2013271140A 2013-12-27 2013-12-27 画像処理装置及びプログラム Expired - Fee Related JP6194791B2 (ja)

Priority Applications (5)

Application Number Priority Date Filing Date Title
JP2013271140A JP6194791B2 (ja) 2013-12-27 2013-12-27 画像処理装置及びプログラム
PCT/JP2014/071596 WO2015098177A1 (ja) 2013-12-27 2014-08-19 画像処理装置、プログラム、情報記憶媒体、及び画像処理方法
CN201480055887.2A CN105612249B (zh) 2013-12-27 2014-08-19 图像处理装置、程序、信息存储介质和图像处理方法
EP14873584.8A EP3088511B1 (en) 2013-12-27 2014-08-19 Image processing device, program, information storage medium, and image processing method
US15/062,866 US10169861B2 (en) 2013-12-27 2016-03-07 Image processing apparatus, non-transitory computer readable medium, and image processing method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2013271140A JP6194791B2 (ja) 2013-12-27 2013-12-27 画像処理装置及びプログラム

Publications (2)

Publication Number Publication Date
JP2015123047A true JP2015123047A (ja) 2015-07-06
JP6194791B2 JP6194791B2 (ja) 2017-09-13

Family

ID=53478066

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2013271140A Expired - Fee Related JP6194791B2 (ja) 2013-12-27 2013-12-27 画像処理装置及びプログラム

Country Status (5)

Country Link
US (1) US10169861B2 (ja)
EP (1) EP3088511B1 (ja)
JP (1) JP6194791B2 (ja)
CN (1) CN105612249B (ja)
WO (1) WO2015098177A1 (ja)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2019032763A (ja) * 2017-08-09 2019-02-28 キヤノン株式会社 情報処理装置および情報処理方法
JP2020204835A (ja) * 2019-06-14 2020-12-24 キヤノン株式会社 情報処理装置、システム、情報処理方法及びプログラム
WO2022201881A1 (ja) * 2021-03-25 2022-09-29 日本電気株式会社 スライド数推定装置、制御方法、及び非一時的なコンピュータ可読媒体

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9522396B2 (en) 2010-12-29 2016-12-20 S.D. Sight Diagnostics Ltd. Apparatus and method for automatic detection of pathogens
CN104169719B (zh) 2011-12-29 2017-03-08 思迪赛特诊断有限公司 用于检测生物样品中病原体的方法和系统
EP3869257B1 (en) 2013-05-23 2024-05-08 S.D. Sight Diagnostics Ltd. Method and system for imaging a cell sample
IL227276A0 (en) 2013-07-01 2014-03-06 Parasight Ltd A method and system for obtaining a monolayer of cells, for use specifically for diagnosis
WO2015029032A1 (en) 2013-08-26 2015-03-05 Parasight Ltd. Digital microscopy systems, methods and computer program products
EP3186778B1 (en) 2014-08-27 2023-01-11 S.D. Sight Diagnostics Ltd. System and method for calculating focus variation for a digital microscope
EP3350644B1 (en) 2015-09-17 2021-04-28 S.D. Sight Diagnostics Ltd. Methods and apparatus for detecting an entity in a bodily sample
US11733150B2 (en) 2016-03-30 2023-08-22 S.D. Sight Diagnostics Ltd. Distinguishing between blood sample components
EP3455610B1 (en) 2016-05-11 2023-01-04 S.D. Sight Diagnostics Ltd. Sample carrier for optical measurements
US11099175B2 (en) 2016-05-11 2021-08-24 S.D. Sight Diagnostics Ltd. Performing optical measurements on a sample
US11004209B2 (en) * 2017-10-26 2021-05-11 Qualcomm Incorporated Methods and systems for applying complex object detection in a video analytics system
WO2019097387A1 (en) 2017-11-14 2019-05-23 S.D. Sight Diagnostics Ltd Sample carrier for optical measurements

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002214228A (ja) * 2001-01-12 2002-07-31 Matsushita Electric Ind Co Ltd 生体試料の評価装置および評価方法
JP2003504627A (ja) * 1999-07-13 2003-02-04 クロマビジョン メディカル システムズ インコーポレイテッド 生物試料中の物体の自動検出
JP2010216920A (ja) * 2009-03-16 2010-09-30 Olympus Corp 細胞画像解析装置
JP2011177063A (ja) * 2010-02-26 2011-09-15 Hitachi Plant Technologies Ltd 細胞計測方法および装置
JP2013027368A (ja) * 2011-07-29 2013-02-07 Nikon Corp 培養情報処理装置、培養状態評価装置、細胞培養方法およびプログラム

Family Cites Families (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1300713A3 (en) 1995-11-30 2004-11-03 Chromavision Medical Systems, Inc. Method and apparatus for automated image analysis of biological specimens
US6929953B1 (en) * 1998-03-07 2005-08-16 Robert A. Levine Apparatus for analyzing biologic fluids
US20080241848A1 (en) * 1998-05-09 2008-10-02 Ikonisys, Inc. Methods for prenatal diagnosis of aneuploidy
US6320174B1 (en) * 1999-11-16 2001-11-20 Ikonisys Inc. Composing microscope
EP1122661A1 (en) * 2000-01-31 2001-08-08 Brainpower S.A. Improvements relating to data distribution
US7113624B2 (en) * 2002-10-15 2006-09-26 Palo Alto Research Center Incorporated Imaging apparatus and method employing a large linear aperture
US7050613B2 (en) * 2002-11-07 2006-05-23 Fujitsu Limited Method for supporting cell image analysis
JP4346923B2 (ja) * 2003-02-21 2009-10-21 晴夫 高林 標的細胞自動探索システム
JP4515332B2 (ja) * 2005-05-30 2010-07-28 オリンパス株式会社 画像処理装置及び対象領域追跡プログラム
JP4921858B2 (ja) * 2006-06-07 2012-04-25 オリンパス株式会社 画像処理装置および画像処理プログラム
EP2042853B1 (en) * 2006-07-12 2014-04-23 Toyobo Co., Ltd. Analyzer and use thereof
JP2008124885A (ja) * 2006-11-14 2008-05-29 Sony Corp 撮像システム、撮像方法
US20100267059A1 (en) * 2009-04-20 2010-10-21 Jacobson James W Immunodeficiency screening at point of care
CN102471749B (zh) * 2009-07-08 2014-01-08 株式会社尼康 细胞采集辅助装置、显示装置及培养容器
CN101949819B (zh) * 2010-09-16 2013-05-01 北京优纳科技有限公司 一种基于图像识别的细胞计数方法
CN102411715A (zh) * 2010-09-21 2012-04-11 张云超 有监督学习功能的细胞图像自动分类方法和系统
US9354155B2 (en) * 2011-05-31 2016-05-31 Bio-Rad Laboratories, Inc. Cell counting systems and methods
JP5413408B2 (ja) 2011-06-09 2014-02-12 富士ゼロックス株式会社 画像処理装置、プログラム及び画像処理システム
JP5333570B2 (ja) * 2011-12-21 2013-11-06 富士ゼロックス株式会社 画像処理装置、プログラム及び画像処理システム
JP5413501B1 (ja) * 2012-12-07 2014-02-12 富士ゼロックス株式会社 画像処理装置、画像処理システム及びプログラム
JP6156137B2 (ja) * 2013-12-27 2017-07-05 富士ゼロックス株式会社 画像処理装置及びプログラム

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003504627A (ja) * 1999-07-13 2003-02-04 クロマビジョン メディカル システムズ インコーポレイテッド 生物試料中の物体の自動検出
JP2002214228A (ja) * 2001-01-12 2002-07-31 Matsushita Electric Ind Co Ltd 生体試料の評価装置および評価方法
JP2010216920A (ja) * 2009-03-16 2010-09-30 Olympus Corp 細胞画像解析装置
JP2011177063A (ja) * 2010-02-26 2011-09-15 Hitachi Plant Technologies Ltd 細胞計測方法および装置
JP2013027368A (ja) * 2011-07-29 2013-02-07 Nikon Corp 培養情報処理装置、培養状態評価装置、細胞培養方法およびプログラム

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2019032763A (ja) * 2017-08-09 2019-02-28 キヤノン株式会社 情報処理装置および情報処理方法
JP2020204835A (ja) * 2019-06-14 2020-12-24 キヤノン株式会社 情報処理装置、システム、情報処理方法及びプログラム
JP7337557B2 (ja) 2019-06-14 2023-09-04 キヤノン株式会社 情報処理装置、システム、情報処理方法及びプログラム
WO2022201881A1 (ja) * 2021-03-25 2022-09-29 日本電気株式会社 スライド数推定装置、制御方法、及び非一時的なコンピュータ可読媒体

Also Published As

Publication number Publication date
JP6194791B2 (ja) 2017-09-13
US10169861B2 (en) 2019-01-01
CN105612249A (zh) 2016-05-25
US20160189378A1 (en) 2016-06-30
EP3088511B1 (en) 2020-12-30
WO2015098177A1 (ja) 2015-07-02
EP3088511A4 (en) 2017-09-13
EP3088511A1 (en) 2016-11-02
CN105612249B (zh) 2017-12-19

Similar Documents

Publication Publication Date Title
JP6194791B2 (ja) 画像処理装置及びプログラム
US9704017B2 (en) Image processing device, program, image processing method, computer-readable medium, and image processing system
EP2889367B1 (en) Image processing device, program, image processing method, computer-readable medium, and image processing system
US9684958B2 (en) Image processing device, program, image processing method, computer-readable medium, and image processing system
US10007834B2 (en) Detection control device, detection system, non-transitory storage medium, and detection control method
JP5333570B2 (ja) 画像処理装置、プログラム及び画像処理システム
EP3006551B1 (en) Image processing device, image processing method, program, and storage medium
JP6070420B2 (ja) 画像処理装置及びプログラム
JP6156137B2 (ja) 画像処理装置及びプログラム
JP2014238344A (ja) 画像処理システム、画像処理装置及びプログラム

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20160218

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20170131

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20170309

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: 20170718

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20170731

R150 Certificate of patent or registration of utility model

Ref document number: 6194791

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

S111 Request for change of ownership or part of ownership

Free format text: JAPANESE INTERMEDIATE CODE: R313113

R350 Written notification of registration of transfer

Free format text: JAPANESE INTERMEDIATE CODE: R350

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

LAPS Cancellation because of no payment of annual fees