JP2015207308A - データ処理装置および方法、並びに、データ処理システム - Google Patents

Abstract

【課題】的確かつ詳細な心筋細胞シートの評価を行うための評価指標データを生成することを可能にするデータ処理装置を提供する。
【解決手段】動き検出部３１０は、培養心筋細胞を一定時間撮影して得られるフレーム画像データをブロックに分割し、フレーム周期ごとのブロック単位の動き検出データを得る。特徴量算出部３２０は、動き検出データを利用してフレーム画像における同じ位置のブロックごとに特徴量を算出する。分類処理部３４０は、算出された特徴量を利用して、ブロックの各々について複数の分類区分のうちの何れか１つに分類する。この分類結果に基づき、ブロックと分類区分との対応を示す個別分類結果データから成る評価指標データ８００を生成する。
【選択図】図２

Description

本開示は、データ処理装置および方法、並びに、データ処理システムに関し、特に、周期性を有する運動を行う物体について評価を行う際の指標となるデータを生成するデータ処理装置および方法、並びに、データ処理システムに関する。

再生医療の分野においては、細胞を培養して製造した培養細胞を利用し、事故や病気などにより失われた体の細胞、組織、器官などの再生、また機能の回復を図るということが行われている。このような培養細胞として製造できる細胞組織は多岐にわたるが、その中の１つに心筋細胞があり、心臓の治療に用いられる。この培養心筋細胞はそれ自体が拍動に相当する動きをする。そこで、培養心筋細胞の製造段階においては、例えば上記の動きが良好かどうかについての品質評価を行うことが必要になってくる。

このような培養心筋細胞の品質評価を行うにあたり、例えば現状においては、目視による観察が行われている。また、培養心筋細胞に電極を刺して電位を測定するということも行われている。しかし、目視による観察では、観察者の主観によるところが大きく、客観的で的確な評価結果を得ることが難しい。また、電位を測定する場合においては培養心筋細胞に電極が接触するために非侵襲ではないという問題がある。また、この電位による測定に基づいて定量化できる情報は例えば拍動時間程度に限られる。

そこで、従来技術として、心筋細胞を撮影して得られる撮像画面中に測定点を設定し、この測定点の輝度を自動計測して、その計測値から心筋細胞の変形周期を測定しようとする構成が知られている（例えば、特許文献１参照。）。

特開昭６３−２３３３９２号公報（図１）

しかし、上述の従来技術では、輝度の周期的変化を測定対象としているために、測定が可能であるのは拍動周期の時間間隔に限定される。すなわち、非侵襲ではあるが、定量化できる情報が拍動の周期にとどまるという点では、電位を測定する場合と同じ問題を抱えたままとなっており、的確な評価結果を得ることは依然として難しい。

本開示は、このような状況に鑑みてなされたものであり、培養心筋細胞などに代表される周期的な運動を行う物体の動きについて、これまでよりも高精度で的確な評価が行えるようにすることをその目的とする。

本開示の一側面は、周期的な運動を行う物体を撮像した画像データから特定された動きの特徴量に基づき前記画像データの少なくとも一部を構成する複数ブロックそれぞれを分類した画像を表示するよう制御する制御部を有するデータ処理装置である。

前記動きの特徴量は、動きベクトル若しくは動き量に基づき算出されるようにすることができる。

前記画像データは、動画像データから取得される複数のフレーム画像データであるようにすることができる。

前記周期的な運動を行う物体は、自発的に動く細胞を含むようにすることができる。

前記周期的な運動を行う物体は、生体より採取した細胞を培養して生成した培養細胞を含むようにすることができる。

前記周期的な運動を行う物体は、少なくとも１つの心筋細胞を含むようにすることができる。

前記特徴量は、一定時間における単位時間ごとの動き量の平均値である平均動き量を含むようにすることができる。

前記特徴量は、所定のタイミングから一定以上の動き量の振幅が得られるタイミングまでの時間である動き開始時間を含むようにすることができる。

前記特徴量は、一定時間における単位時間ごとの動き方向の平均値である平均動き方向を含むようにすることができる。

前記特徴量は、一定時間において得られた一定以上の動き量の振幅の平均値である平均振幅を含むようにすることができる。

前記特徴量は、一定時間における単位時間ごとの動きの加速度の平均値である平均加速度を含むようにすることができる。

前記特徴量は、一定時間において一定以上の動き量の振幅が得られる時間間隔の平均値である平均動き間隔を含むようにすることができる。

前記制御部は、前記特徴量に基づき前記複数ブロックそれぞれを所定数の分類区分に分類した結果を示す分類データを生成し、生成した前記分類データを前記ブロックそれぞれに紐づけて表示するよう制御することができる。

前記制御部は、前記ブロックごとに対応して算出された特徴量に基づいてｋ平均法によるクラスタリングを行うことで、前記ブロックのそれぞれを前記分類区分のうちの何れか１つに属するものとして分類して前記分類データを生成することができる。

前記制御部は、複数の前記特徴量に基づいて前記分類データを生成することができる。

前記制御部は、前記分類区分に対応して異なる特徴量の組み合わせを有する複数のテンプレートの各々と前記ブロック毎に算出された前記複数の特徴量の組み合わせとの距離を算出し、算出された距離に基づいて前記ブロックを前記分類区分のうちの何れか１つに属するものとして分類する処理を前記ブロックごとに行い、前記分類データを生成することができる。

前記制御部は、前記特徴量を前記ブロック毎に求め、求めた前記特徴量を利用して前記分類データを生成することができる。

前記制御部は、前記画像データより動きデータを生成し、生成した前記動きデータに基づいて前記特徴量を求めることができる。

本開示の一側面は、また、周期的な運動を行う物体を撮像した画像データから特定された動きの特徴量に基づき前記画像データの少なくとも一部を構成する複数ブロックそれぞれを分類した画像を表示するよう制御するデータ処理方法である。

本開示の他の側面は、周期的な運動を行う物体を撮像する撮像部と、前記周期的な運動を行う物体を撮像した画像データから特定された動きの特徴量に基づき前記画像データの少なくとも一部を構成する複数ブロックそれぞれを分類するデータ生成部と、前記複数ブロックそれぞれを分類した画像を表示する表示部とを備えるデータ処理システムである。

本開示の一側面においては、周期的な運動を行う物体を撮像した画像データから特定された動きの特徴量に基づきその画像データの少なくとも一部を構成する複数ブロックそれぞれを分類した画像が表示されるよう制御される。

本開示の他の側面においては、撮像部において周期的な運動を行う物体が撮像され、データ生成部において周期的な運動を行う物体を撮像した画像データから特定された動きの特徴量に基づきその画像データの少なくとも一部を構成する複数ブロックそれぞれが分類され、表示部において複数ブロックそれぞれを分類した画像が表示される。

本開示によれば、周期的な運動を行う物体についての高精度で的確な評価を可能とするための指標となる分類データが得られるという優れた効果を奏し得る。

培養心筋細胞評価システム１００の構成例を示す図である。 評価指標データ生成装置３００の構成例を示すブロック図である。 評価対象画像データ６００の構造例を模式的に示す図である。 動き検出部３１０の構成例を示すブロック図である。 フレーム画像データ６１０をブロック６１１に分割する処理を模式的に示す図である。 動き検出データ７００の構造例を模式的に示す図である。 算出される特徴量の例を示す図である。 第１の実施の形態に対応して算出される特徴量の１つである平均動き方向に対応してテンプレートごとに設定される角度値の例を示す図である。 評価指標データ８００の構造例を模式的に示す図である。 第１の実施の形態に対応して評価指標データ生成装置３００が実行する処理手順例を示すフローチャートである。 第２の実施の形態に対応して評価指標データ生成装置３００が実行する処理手順例を示すフローチャートである。 細胞の他の評価方法の概要を説明する図である。 培養心筋細胞評価装置の主な構成例を示すブロック図である。 図１３の評価指標データ生成部の主な構成例を示すブロック図である。 動き特徴量データ履歴格納メモリに格納されるデータの様子を説明する図である。 図１３の評価部の主な構成例を示すブロック図である。 振幅の評価の例を説明する図である。 振幅の評価の例を説明する図である。 拍動の評価の例を説明する図である。 拍動の評価の例を説明する図である。 評価処理の流れの例を説明するフローチャートである。 評価指標データ生成処理の流れの例を説明するフローチャートである。 動き評価処理の流れの例を説明するフローチャートである。 薬剤評価装置の主な構成例を示すブロック図である。 一拍動による動き量の時間的変化の様子の例を説明する図である。 評価指標データ生成部の主な構成例を示すブロック図である。 評価部の主な構成例を示すブロック図である。 評価処理の流れの例を説明するフローチャートである。 評価指標データ生成処理の流れの例を説明するフローチャートである。 影響評価処理の流れの例を説明するフローチャートである。 薬剤投与による拍動リズムの変化の様子を説明する図である。 薬剤投与による拍動挙動のばらつきの様子を説明する図である。 パーソナルコンピュータの主な構成例を示すブロック図である。

以下、本技術を実施するための形態（以下、実施の形態と称する）について説明する。説明は以下の順序により行う。
１．第１の実施の形態（評価指標データ生成処理：テンプレートを用いて分類処理を実行する例）
２．第２の実施の形態（評価指標データ生成処理：ｋ平均法により分類処理を実行する例）
３．第３の実施の形態（培養心筋細胞評価装置）
４．第４の実施の形態（薬剤評価装置）
５．第５の実施の形態（パーソナルコンピュータ）

＜１．第１の実施の形態＞
［培養心筋細胞評価システムの構成例］
図１は、培養心筋細胞評価システム１００の構成例を示している。この図に示す培養心筋細胞評価システム１００は、培養心筋細胞５００の品質を評価するためのものである。

再生医療においては、体外で培養した細胞を利用して各種の人体の組織、器官などを治療することが行われている。培養心筋細胞５００は、このような治療に供する細胞として心臓疾患向けに培養されたものである。現在では、このような培養細胞を量産し、十分な量を低コストで医療現場に供給可能とするための技術開発が行われている状況にある。このようにして培養細胞が量産される状況となった場合には、培養された細胞を効率よく、的確に評価できるようにすることが求められる。

培養心筋細胞５００は、それ自体で拍動に相当する運動を行っている。培養心筋細胞５００は、上記の拍動に応じた動きが良好かどうかを評価することでその品質を判断することができる。このことに基づき、培養心筋細胞評価システム１００は、培養心筋細胞５００を撮影した動画像データを記録し、この記録された動画像データに対する動き検出結果に基づいて評価を行う。これにより、非侵襲でありながら目視による評価よりも、詳細で的確な評価結果が得られる。

このための構成として、培養心筋細胞評価システム１００は、例えば図示するように、撮像装置１１０、評価対象画像データ生成記録装置２００、評価指標データ生成装置３００および評価装置４００を備える。

撮像装置１１０は、評価対象である培養心筋細胞５００を撮影するためのものである。なお、この図においては撮像装置１１０により培養心筋細胞５００を直接撮影している状態を示しているが、実際においては、例えば培養心筋細胞５００の顕微鏡画像を撮像するようにして構成される。また、撮像に際しては、培養心筋細胞５００に対する撮像装置１１０の撮像位置は固定された状態とする。

評価対象画像データ生成記録装置２００は、撮像装置１１０から入力される画像信号を基にして評価対象画像データを生成し、生成した評価対象画像データを例えば内部の記録媒体に記録して保存するための装置である。

ここで生成される評価対象画像データは、例えば培養心筋細胞５００を撮像した画像信号から生成される動画像データとなる。

評価指標データ生成装置３００は、例えば評価対象画像データ生成記録装置２００にて保存されている評価対象画像データとしての動画像データを入力して、培養心筋細胞５００の評価のための指標として用いられる評価指標データを生成する装置である。評価装置４００は、評価指標データ生成装置３００にて生成された評価指標データを処理することにより評価結果を得る装置である。

［評価指標データ生成装置の構成例］
図２は、評価指標データ生成装置３００の構成例を示している。この図に示す評価指標データ生成装置３００は、動き検出部３１０、動き検出データ格納部３２０、特徴量算出部３３０および分類処理部３４０を備える。なお、この図において示される評価対象画像データ６００は、評価対象画像データ生成記録装置２００にて記録されているものを再生して得られるものであり、前述のようにフレーム画像データから成る動画像データである。

動き検出部３１０は、評価対象画像データ６００を入力して動き検出処理を実行する部位である。なお、この場合の動き検出部３１０による動き検出処理の具体例および動き検出データの構造例については後述する。また、動き検出データ格納部３２０は、上記動き検出部３１０の動き検出処理によりその検出結果として得られた動き検出データを格納する部位である。

特徴量算出部３３０は、上記動き検出データ格納部３２０に格納されている動き検出データを利用して所定の特徴量を算出して取得する部位である。なお、ここで算出される特徴量の例については後述する。

分類処理部３４０は、特徴量算出部３３０により得られた特徴量の情報に基づいて、分類処理を実行することで、評価指標データ８００を得るための部位である。この分類処理の具体例については後述する。また、分類処理部３４０によって得られる評価指標データ８００は、特許請求の範囲に記載の分類データの一例である。

［評価対象画像データの構造］
図３は、評価指標データ生成装置３００が入力する評価対象画像データ６００の構造例を示している。この図に示すように、評価対象画像データ６００は、一定時間分に対応する１番目から（Ｔ＋１）番目までのフレーム画像データ６１０−１乃至（Ｔ＋１）から成る。

なお、評価対象画像データ生成記録装置２００において保存される評価対象画像データ６００としての動画像データは、そのまま図３に示すフレーム画像データ６１０−１乃至Ｔから成るものとされてもよい。または、フレーム画像データ６１０−１乃至Ｔを一部区間として含む動画像データであってもよい。後者の場合には、例えば評価対象画像データ生成記録装置２００に保存されている評価対象画像データ６００としての動画像データから、評価に最適であると判断した画像区間を抜き出す。そして、この画像区間による動画像データを、図３の評価対象画像データ６００として評価指標データ生成装置３００が入力すればよい。

［動き検出部の構成例］
図４は、動き検出部３１０の構成例を示している。この図に示す動き検出部３１０は、フレームメモリ３１１および動きベクトル算出部３１２を備える。フレームメモリ３１１は、評価対象画像データ６００として１フレーム期間ごとに順次入力されてくるフレーム画像データ６１０を保持する部位である。

動きベクトル算出部３１２は、動きベクトルを算出する部位である。このために、動きベクトル算出部３１２は、現時刻の評価対象画像データ６００として入力されるフレーム画像データと、フレームメモリ３１１に保持されている１つ先の時刻のフレーム画像データとを入力する。そして、これらの２つフレーム画像データを利用して動きベクトルを算出する。算出された動きベクトルは、動き検出データ７００として動き検出データ格納部３２０にて保持される。

次に上記図４に示す部位から成る動き検出部３１０が実行する処理について説明する。上述したように動きベクトル算出部３１２は、現時刻のフレーム画像データ６１０と１つ先の時刻のフレーム画像データ６１０を入力する。動きベクトル算出部３１２は、これらの入力したフレーム画像データ６１０をブロック単位に分割する。すなわち、図５に示すようにして、フレーム画像データ６１０により形成される二次元の画素領域について、水平方向においてはＭ個に分割し、垂直方向においてはＮ個に分割する。この結果、フレーム画像データ６１０は（Ｍ×Ｎ）個のブロック６１１に分割される。ブロック６１１の各々は、例えば（１６×１６）による画素から成る。この場合の動きベクトル算出部３１２は、動き検出処理として、ブロック６１１の単位を処理対象として動きベクトルを算出する。そして、この動き検出処理を１番目から（Ｔ＋１番目までのフレーム画像データ６１０を順次利用して実行していく。

そして、Ｔ番目と（Ｔ＋１）番目のフレーム画像データ６１０を利用した最後の動き検出処理を完了した段階にて得られる動き検出データ７００は、図６に示すものとなる。まず、この図に示す動き検出データ７００は、Ｔ個のフレーム単位動き検出データ７１０−１乃至Ｔから成る。フレーム単位動き検出データ７１０−１乃至Ｔのそれぞれは、フレーム期間ごとに得られる現時刻のフレーム画像データ６１０と１つ先のフレーム画像データ６１０を対象に動き検出処理を行って得られたものとなる。例えば、３番目のフレーム単位動き検出データ７１０−１は、３番目のフレーム画像データ６１０−４と３番目のフレーム画像データ６１０−３を、それぞれ現時刻と１つ先の時刻のフレーム画像データとして入力して動き検出を行うことで得られものである。

また、フレーム対応動き検出データ７１０−１乃至Ｔの各々は、（Ｍ×Ｎ）個のブロック単位動き検出データ７１１により形成される。ブロック単位動き検出データ７１１は、それぞれが１つのブロック６１１に対応し、対応するブロック６１１について検出された動きベクトルを示すデータとなる。このように、動き検出データ７００は、フレーム対応動き検出データ７１０ごとに（Ｍ×Ｎ）個のブロック単位動き検出データ７１１を有する構造となっている。これは、フレーム画像データ６１０を形成するブロック６１１ごとに対応して動きベクトルについての時系列のデータが得られていることを意味する。

［特徴量算出部が算出する特徴量例］
特徴量算出部３３０は、動き検出データ格納部３２０に格納された動き検出データ７００を利用して複数の特徴量を算出する。まず、特徴量算出部３３０が算出して取得する特徴量の例について図７を参照して説明する。

図７は、或る１つのブロック６１１に対応するブロック単位動き検出データ７１１が示す動きベクトルを時系列により示している。すなわち、１つのブロック６１１に対応するブロック単位動き検出データ７１１は、図６にて説明したように、フレーム対応動き検出データ７１０がＴ個であることに対応して同じくＴ個となる。図７は、このＴ個のブロック単位動き検出データ７１１が示す動きベクトルを時系列順にサンプルしたものである。

なお、ブロック単位動き検出データ７１１は、動きベクトルの情報として水平方向成分の動き量と垂直方向成分の動き量を有するものとされ、図７においては、この水平方向成分または垂直方向成分の何れか一方の動き量が示されているものとする。図７においては縦軸に動き量をとり、横軸にフレーム、すなわち時間をとっている。

また、以降の説明においては、図７にも示すように、Ｔ個のブロック単位動き検出データ７１１（すなわち、動き量のデータ）を時系列方向に展開したことに応じて得られる一定時間相当の区間について「評価区間」ということにする。

算出し得る特徴量の例として、ここでは、平均動き量Ｖａｖ、平均動き方向θａｖ、平均振幅Ａａｖ、平均加速度Ｂａｖ、平均拍動間隔Ｄａｖおよび拍動開始時間Ｓを想定する。これらの特徴量は、以下の説明から理解されるように、何れも検出された動きベクトルに基づいて求められる。また、これらの特徴量はブロック６１１ごとに求められる。

まず、平均動き量Ｖａｖについて説明する。図７に示すようにＴ個のブロック単位動き検出データ７１１によっては時間経過に応じた動き量の変化が示される。これは、培養心筋細胞５００において発生する拍動に応じて、培養心筋細胞５００が動く状態と静止する状態とで周期的に変化することに対応して得られているものである。この点からすると、例えば時間経過に応じた動き量の変化は、拍動に応じた特徴を有しているといえる。そこで本開示では、評価区間において得られるＴ個の動き量の平均を特徴量として扱うこととした。この平均動き量Ｖａｖは、ブロック単位動き検出データ７１１ごとにおいて動きベクトルとして得られる水平方向成分と垂直方向成分の各動き量をＶｘ、Ｖｙとし、フレーム順に対応した変数をｎとして、次式により求めることができる。

すなわち、平均動き量Ｖａｖとしては、まず、Ｔ個のブロック単位動き検出データ７１１ごとに水平方向成分と垂直方向成分の動き量Ｖｘ、Ｖｙを合成した合成動き量Ｖを求める。そして、これらのＴ個の合成動き量Ｖについての平均値を算出することで得る。

あるいは、先に、評価期間における水平方向成分の動き量Ｖｘの平均値（水平平均動き量Ｖａｖｘ）と、垂直方向成分の動き量Ｖｙの平均値（垂直平均動き量Ｖａｖｙ）とを算出する。次に、水平平均動き量Ｖａｖｘと垂直平均動き量Ｖａｖｙとを合成して平均動き量Ｖａｖを算出してもよい。

例えば、上記平均動き量Ｖａｖの値が大きいほど、そのブロック６１１に対応する培養心筋細胞５００の部分についての拍動に応じた動きは大きいものであると評価できる。

次に、平均動き方向θａｖは、評価区間において求められるＴ個の動き方向θについての平均値となる。この平均動き方向θａｖは、次式により求めることができる。

例えば、フレーム画像全体においてブロック６１１ごとに対応した平均動き方向θａｖの分布により、培養心筋細胞５００が拍動により動くときの方向について、どの程度に一様であるのかを評価できる。また、動き方向が一様でない部分がどのような分布状態となっているのかなどに関しても評価できる。

例えば、培養心筋細胞５００の拍動の運動として実際に動きが生じている時に応じては、図７に示すようにして周期的に一定値以上の振幅が発生する。平均振幅Ａａｖは、評価区間において上記のようにして得られる一定値以上の振幅についての平均値である。平均振幅Ａａｖは、例えば次のようにして求めることができる。

まず、評価区間におけるＫ個の動きベクトルである合成動き量Ｖについてピーク検出を行い、検出されたピーク値を平均化して平均振幅Ａａｖを求めるというものである。あるいは、まず水平方向成分の動き量についてピーク検出を行い、検出されたピーク値を平均化して水平方向成分の平均振幅（水平平均振幅）Ａａｖｘを求める。同様にして、垂直方向成分の平均振幅（垂直平均振幅）Ａａｖｙを求める。次に、これら水平平均振幅Ａａｖｘと垂直平均振幅Ａａｖｙを合成する演算を行うことで平均振幅Ａａｖを算出するという演算も考えられる。例えば平均振幅Ａａｖが大きいほど、そのブロック６１１に対応する培養心筋細胞５００の部分での拍動に応じた動きが大きいと評価できる。

また、図７に示されるように、時系列における動き量の変化は拍動による動きについての加速度の変化も示しているといえる。平均加速度Ｂａｖは、評価区間において求められる加速度についての平均値であり、例えば次のようにして求めることができる。

まず、例えば時系列順において前後する所定数のブロック単位動き検出データ７１１が示す合成動き量Ｖを微分演算する。これを、１番目からＴ番目のブロック単位動き検出データ７１１について行うことで、評価区間における所定時間ごとの加速度Ｂが算出される。そして、これらの加速度Ｂの平均値として平均加速度Ｂａｖを求めるというものである。あるいは、まず、時系列順において前後する所定数のブロック単位動き検出データ７１１が示す水平方向成分の動き量Ｖｘを順次微分して所定時間ごとの水平加速度Ｂｘを算出し、これら水平加速度Ｂｘの平均値として水平平均加速度Ｂａｖｘを求める。同様にして垂直平均加速度Ｂａｖｙを算出する。そして、これらの水平平均加速度Ｂａｖｘと垂直平均加速度Ｂａｖｙとを合成して平均加速度Ｂａｖを求めることもできる。例えば平均加速度Ｂａｖは、拍動に応じて培養心筋細胞５００が静止状態から動きのある状態に変化するときの敏速性の指標となる。平均加速度Ｂａｖが高ければ、対応する培養心筋細胞５００部分についての拍動に応じた動きはそれだけ活発であると評価できる。

また、先にも述べたように、拍動に応じては周期的に振幅のピークが出現する。図７においては、この振幅のピークが出現する時間間隔を拍動間隔として示している。平均拍動間隔Ｄａｖは、評価区間において得られる拍動間隔の平均値であり、例えば次のようにして求めることができる。

まず、平均振幅Ａａｖを求めたときのようにしてピーク検出を行う。そしてピークが検出されたフレームタイミング、すなわち時刻を求める。次に、１つのピークが検出された時刻から次のピークが検出される時刻の時間幅をそれぞれ拍動間隔Ｄとして算出する。そして、算出されたこれらの拍動間隔Ｄの平均値を算出することで平均拍動間隔Ｄａｖを求める。例えばフレーム全体におけるブロック６１１ごとの平均拍動間隔Ｄａｖの分布により、培養心筋細胞５００全体において拍動時間間隔がどの程度まで一様であるのかを評価できる。また、一様でない分布に着目した場合には、その拍動時間間隔のずれがどのような分布状態となっているのかを評価できる。平均拍動間隔Ｄａｖは、特許請求の範囲に記載の平均動き間隔の一例である。

また、拍動開始時間Ｓは、評価区間が開始されてから最初の拍動の動きに応じた動き量の振幅のピークが得られるまでの時間を計測して得られるものである。この拍動開始時間Ｓも、例えばフレーム全体におけるブロック６１１ごとの拍動開始時間Ｓの分布により、培養心筋細胞５００全体において拍動開始タイミングがどの程度まで一様であるのかを評価できる。また、一様でない分布に着目した場合には、その拍動開始タイミングのずれがどのような分布状態となっているのかを評価できる。

このようにして、上記の各特徴量は、何れも、検出された動きベクトル（動き量）に基づいて算出される。すなわち、本開示おいては、この動きベクトルの時系列データから多様な項目を定量化することが可能とされている。

特徴量算出部３３０は、上記した平均動き量Ｖａｖ、平均動き方向θａｖ、平均振幅Ａａｖ、平均加速度Ｂａｖ、平均拍動間隔Ｄａｖおよび拍動開始時間Ｓの６つの特徴量の何れについても算出可能なようにして構成可能である。例えば実際においては、これらの特徴量のうちから、分類処理部３４０が実行する分類処理に際して必要となる特徴量を算出することになる。

［分類処理例］
分類処理部３４０は、上記のようにして特徴量算出部３３０により算出される複数種類の特徴量を利用して分類処理を実行し、その分類処理結果を評価指標データ８００として得る。このような分類手法としてはいくつか考えられるが、ここでは、クラスタリングといわれる手法を採用することとする。すなわち、クラスタといわれる分類区分を複数設定し、図５に示したフレーム画像データ６１０を形成する各ブロック６１１を、その特徴量に応じて複数のクラスタのうちの何れかに分類しようというものである。

このクラスタリングによる分類処理の具体例として、第１の実施の形態においてはテンプレート法を採用する。また、採用する特徴量としては、先に想定したもののうち、平均動き量Ｖａｖと平均動き方向θａｖの２つとする。これに応じて、特徴量算出部３３０は、平均動き量Ｖａｖと平均動き方向θａｖを算出する。

この場合の分類処理部３４０は、平均動き量Ｖａｖと平均動き方向θａｖとの組み合わせにより、例えば次の第１乃至第５テンプレートを有するものとする。なお、これらのテンプレートの説明に際しては図８を参照する。図８は、下記第１乃至第５テンプレートにおいて規定される平均動き方向θの具体例を示している。

まず、第１テンプレートは、次式により示されるものとなる。
（Ｖａｖ，θａｖ）＝（０，０）

上式において、（Ｖａｖ，θａｖ）は、平均動き量Ｖａｖと平均動き方向θａｖの組み合わせを示す。そして、上式において平均動き量Ｖａｖは「０」であり、これは評価区間にわたって動き量が０であることを示す。すなわち、第１テンプレートは、ブロック６１１の位置に対応する画像部分が評価区間内おいて静止したままの状態をテンプレートとしたものである。

また、第２テンプレートは、次式により示されるものとなる。
（Ｖａｖ，θａｖ）＝（ａ，０）

上式におけるａは平均動き量Ｖａｖとしての０以外の任意の値を取り得る。すなわち、第２テンプレートは、そのブロック６１１の位置に対応する画像部分に動きが有り、かつ、平均動き方向θａｖが図８に示す「０」の方向である組み合わせをテンプレートとしたものである。

また、第３テンプレートは、次式により示されるものとなる。
（Ｖａｖ，θａｖ）＝（ａ，π／４）

すなわち、第３テンプレートは、そのブロック６１１の位置に対応する画像部分に動きがあり、かつ、平均動き方向θａｖが「π／４（４５°）」の方向である組み合わせをテンプレートとしたものである。

また、第４テンプレートは、次式により示されるものとなる。
（Ｖａｖ，θａｖ）＝（ａ，π／２）

すなわち、第４テンプレートは、そのブロック６１１の位置に対応する画像部分に動きがあり、かつ、平均動き方向θａｖが図８に示す「π／２（９０°）」の方向である組み合わせをテンプレートとしたものである。

また、第５テンプレートは、次式により示されるものとなる。
（Ｖａｖ，θａｖ）＝（ａ，３π／４）

すなわち、第５テンプレートは、そのブロック６１１の位置に対応する画像部分に動きがあり、かつ、平均動き方向θが図８に示す３π／４（１３５°）の方向である動きの状態をテンプレートとしたものである。

第１乃至第５テンプレートが用意されることに応じては、各テンプレートに対応する５つのクラスタが存在することになる。ここでは、第１乃至第５テンプレートごとに対応する各１つのクラスタを第１乃至第５クラスタと称する。

分類処理部３４０は、１つのブロック６１１について求められた特徴量の組み合わせ（Ｖａｖ，θａｖ）と上記第１乃至第５テンプレートとの各距離を算出する。そして、そのブロック６１１を、この算出された距離が最も近いテンプレートに対応するクラスタに属するものとして分類する。例えば、算出された距離が第３テンプレートと最も近ければ、そのブロック６１１は、第３クラスタに分類される。このような分類処理をブロック６１１ごとに対応して行う。この結果、フレーム画像データ６１０を形成するブロック６１１のそれぞれを第１乃至第５クラスタの何れかに分類した内容のデータが得られる。これが第１の実施の形態としての分類処理により得られる評価指標データ８００となる。

図９は、第１の実施の形態としての分類処理により得られる評価指標データ８００を模式的に示している。この図に示すようにして、評価指標データ８００は、（Ｍ×Ｎ）個の個別分類結果データ８０１の群から成る。個別分類結果データ８０１のそれぞれは、フレーム画像データ６１０を形成するブロック６１１と１対１で対応しており、対応するブロック６１１が分類されたクラスタが第１乃至第５クラスタのうちの何れであるのかを示す情報を有する。図においては、個別分類結果データ８０１ごとにおいて示される１乃至５の数字により、その個別分類結果データ８０１に対応するブロック６１１が第１乃至第５クラスタの何れに分類されたものかを示している。

また、図９では、評価指標データ８００として、個別分類結果データ８０１を（Ｍ×Ｎ）個のマトリクスにより配列させた構造を示している。このようにして配置された個別分類結果データ８０１の各々は、フレーム画像データ６１０において同じ位置に配置されたブロック６１１に対応する。

例えばこの図９に示す構造の評価指標データ８００では、１フレームの画像内における第１乃至第５クラスタの分布が示されているといえる。これは、撮像された培養心筋細胞５００の全体において、どの部分に動きがあってどの部分に動きがないのか、また、動いている部分についてはどの方向への動きであるのかという情報が提示されているものと捉えられる。より具体的には、次のようにして培養心筋細胞５００の拍動に関する動きを把握できる。

例えば、培養心筋細胞５００としては、まず、動きのあることが必要であり、動きの無い部分の多いものについては品質が良くないものとして評価される。図９に示す評価指標データ８００では、第１クラスタに分類された個別分類結果データ８０１の数により、この点を評価することができる。

また、培養心筋細胞５００は、同じ拍動による動きであるとしても、その動きの方向ができるだけそろっているほうがより品質が高い。例えば、図９に示す評価指標データ８００であれば、各クラスタの占有率をヒストグラム化するなどして、培養心筋細胞５００全体における拍動による動きの方向がどの程度の割合で揃っているのかを評価できる。さらに、その動きの方向についての割合だけではなく、動き方向の異なる場合に、これらの部分の分布状態がどのようなものであるのかについても、図９に示すクラスタの分布によって的確に知ることができる。

図９の評価指標データ８００の例では、フレーム画像データ６１０に対応させた個別分類結果データ８０１の配列における中央の広い領域で第３クラスタに分類された個別分類結果データ８０１が分布している。これは、評価対象の培養心筋細胞５００が、概ね、図８に示した（π／４（４５°））の方向に動く傾向を有していることを示している。例えば評価者がこのような動き方向の分布状態を確認したい場合には、評価装置４００により、図９に準じて個別分類結果データ８０１に対応するブロック６１１ごとに分類されたクラスタに応じて色分けした画像を生成し、これを表示させる。そして、評価者がこの画像を確認することで、培養心筋細胞５００の動きの方向がどのような状態であるのかを的確に把握することができる。

このようにして、第１の実施の形態においては、平均動き量Ｖａｖと平均動き方向θａｖの２つの特徴量に基づき、上記のようにして培養心筋細胞５００において動きの有る部分と動きの無い部分との存在を区別して認識可能である。また、動きの有る部分については、その動きの方向がどの程度の割合で一様であるのかを認識することができる。また、これらの動きの無い部分と動きの有る部分における動きの方向の異なる部分とがどのような分布となっているのかについても認識できる。すなわち、培養心筋細胞５００の拍動に関し、その動きの有無と動き方向との２点についてより的確で詳細な評価を行える。また、このことは、特徴量として複数を組み合わせることにより、特徴量ごとに応じた複数の評価項目に関する評価が可能になることも意味している。

ここで、本技術としては、上記の説明における平均動き量Ｖａｖと平均動き方向θａｖとの組み合わせに限られる必要はない。すなわち、先に例に挙げた６つのうちから１以上の任意の特徴量を選択した組み合わせを選択できる。そして、複数の特徴量を選択した場合には、その選択した組み合わせに応じて多様な評価項目が得られることとなる。

例えば、この場合の評価装置４００は、図９に示す評価指標データ８００を入力して所定のアルゴリズムによって処理を行うことで、上記のような部分ごとの状態を認識し、その認識結果を評価者が把握可能な形式で出力させる。例えば図９に示すようなクラスタ分類結果を画像として表現して表示出力させれば、評価者は視覚的に上記の事柄等を把握することができる。

［評価指標データ生成装置の処理手順例］
図１０のフローチャートは、第１の実施の形態における評価指標データ生成装置３００が実行する処理手順例を示している。なお、この図における各ステップの処理は、図２に示される動き検出部３１０、特徴量算出部３３０および分類処理部３４０の何れかが適宜実行するものとなる。また、図１０に示す各ステップとしての処理の少なくとも一部は、コンピュータ装置におけるＣＰＵ（Central Processing Unit）がプログラムを実行することで実現されるものとして構成可能である。

図１０におけるステップＳ９０１乃至Ｓ９０７までの処理は動き検出部３１０が実行する動き検出処理となる。まず、動き検出部３１０は、初期設定として、評価対象画像データ６００を形成するフレーム画像データ６１０に付す番号に対応する変数ｎに２を代入する（ステップＳ９０１）。次に動き検出部３１０における動きベクトル算出部３１２は、（ｎ−１）番目のフレーム画像データと、ｎ番目のフレーム画像データを入力する（ステップＳ９０２）。すなわち、フレームメモリ３１１に保持されている１つ前のフレーム画像データと、現フレーム画像データとを入力する。次に、動きベクトル算出部３１２は、入力したフレーム画像データのそれぞれについて所定画素数によるブロックに分割する処理を実行する（ステップＳ９０３）。そして、例えばブロックマッチングなどの手法により動き検出処理を実行する（ステップＳ９０４）。

上記ステップＳ９０４の動き検出処理によっては、図６に示した動き検出データ７００における１つのフレーム単位動き検出データ７１０−（ｎ−１）が得られる。そこで、動き検出部３１０は、このフレーム単位動き検出データ７１０−（ｎ−１）を動き検出データ格納部３２０に格納する（ステップＳ９０５）。

次に、動き検出部３１０は、変数ｎをインクリメントしたうえで（ステップＳ９０６）、変数ｎについて最大値（Ｔ＋１）よりも大きいか否かについて判定する（ステップＳ９０７）。なお、上記最大値（Ｔ＋１）は、評価対象画像データ６００を形成するフレーム画像データ数に対応する。変数ｎについて最大値（Ｔ＋１）よりも大きいとの判定結果が得られた場合には（ステップＳ９０７）、ステップＳ９０２からの処理を繰り返し実行する。これにより、第１フレーム単位動き検出データ７１０−１から第Ｔフレーム単位動き検出データ７１０−Ｔまでが、順次、動き検出データ格納部３２０に格納されていく。そして、第Ｔフレーム単位動き検出データ７１０−Ｔを格納した段階に至ると、変数ｎが最大値Ｔより大きくなったことが判定され（ステップＳ９０７）、ステップＳ９０８以降の手順に移行する。

上記ステップＳ９０７にて、変数ｎが（Ｔ＋１）より大きくなったことが判定されたことに応じて、特徴量算出部３３０は、動き検出データ７００を利用して特徴量を算出する処理を実行する（ステップＳ９０８）。ここで算出する特徴量は、例えば前述したように、平均動き量Ｖａｖおよび平均動き方向θａｖとなる。

続いては、分類処理部３４０により、前述したテンプレート法による分類処理が実行される。このために分類処理部３４０は、まず、フレーム画像データ６１０を形成する（Ｍ×Ｎ）個のブロック６１１に付した番号を示す変数ｉについて１を代入する（ステップＳ９０９）。次に、分類処理部３４０は、ｉ番目のブロック６１１について算出された特徴量（Ｖａｖ，θａｖ）と、予め用意された複数のテンプレートごとの特徴量（Ｖａｖ，θａｖ）との距離を算出する（ステップＳ９１０）。特徴量（Ｖａｖ，θａｖ）は、前述した平均動き量Ｖａｖと平均動き方向θａｖの組み合わせを示す。

そして、分類処理部３４０は、ｉ番目のブロック６１１について算出された距離が最も短いテンプレートに対応するクラスタに属するものとして分類する。そして、この分類結果を示す個別分類結果データ８０１を生成する（ステップＳ９１１）。個別分類結果データ８０１は、例えばｉ番目のブロックの識別子に分類されたクラスタの識別子を対応付けた内容の情報を有する。また、前述の例では、第１乃至第５テンプレートを用意したことに対応して第１乃至第５クラスタの５つのクラスタが用意されていた。この例との対応では、ステップＳ９１１により、分類処理対象のブロック６１１が第１乃至第５クラスタにおける何れか１つのクラスタに分類されることになる。

次に、分類処理部３４０は、変数ｉをインクリメントしたうえで（ステップＳ９１２）、変数ｉが最大値である（Ｍ×Ｎ）より大きいか否かについて判別する（ステップＳ９１３）。ここで、変数ｉが最大値（Ｍ×Ｎ）以下である場合には、ステップＳ９１０の処理に戻ることで、順次、ブロックごとにクラスタ分類する処理が繰り返される。そして、（Ｍ×Ｎ）個の全てのブロック６１１についてのクラスタ分類が完了するとステップＳ９１３にて変数ｉが最大値（Ｍ×Ｎ）よりも大きくなったことが判定される。この判定結果に応じて分類処理部３４０は、これまでのステップＳ９１０乃至Ｓ９１２の処理によって得られた個別分類結果データ８０１により評価指標データ８００を生成して出力する（ステップＳ９１４）。

なお、上記の説明における平均動き量Ｖａｖと平均動き方向θａｖとの組み合わせは一例である。第１の実施の形態においては、例えば先に例に挙げた６つのうちから１以上の任意の特徴量を選択した組み合わせにより評価指標データ８００を生成すればよい。また、前述の算出の仕方に基づけば、平均動き量Ｖａｖについては、水平平均動き量Ｖａｖｘと垂直平均動き量Ｖａｖｙに分解して求めることもできる。平均振幅Ａａｖは、水平平均振幅Ａａｖｘと垂直平均振幅Ａａｖｙに分解して求められる。平均加速度Ｂａｖは、水平平均加速度Ｂａｖｘと垂直平均加速度Ｂａｖｙに分解して求められる。そこで、例えばこれらの水平方向成分と垂直方向成分との特徴量をそれぞれ独立したものとして扱って、評価指標データ８００の生成に利用することも考えられる。また、上記の説明ではクラスタ数を５つとしているが、これ以外の数が設定されてもかまわない。

＜２．第２の実施の形態＞
［評価指標データ生成装置の構成］
上記第１の実施の形態における分類処理はテンプレートを利用するものであったが、分類処理の仕方としては他にも考えることができる。そこで、第２の実施の形態として、他の分類処理の手法を採用した構成について説明する。

この第２の実施の形態に対応する評価指標データ生成装置３００の構成としては、例えば図２と同様となる。ただし、特徴量算出部３３０が算出する特徴量の種類数と、分類処理部３４０が実行する分類処理の手順が以下の説明のようにして異なるものとなる。

［評価指標データ生成装置の処理手順例］
図１１のフローチャートは、第２の実施の形態に対応して評価指標データ生成装置３００が実行する処理手順例を示している。この図において、ステップＳ９０１乃至Ｓ９０７までの処理は、先の第１の実施の形態に対応する図１０と同様となる。

ステップＳ９０７にて変数ｎが最大値Ｔより大きくなったと判定されると、特徴量算出部３３０は、動き検出データ格納部３２０に格納されている動き検出データ７００を利用して、ブロック６１１ごとに特徴量を算出する（ステップＳ９０８Ａ）。

上記ステップＳ９０８Ａによりブロック６１１ごとに算出される特徴量としては、以下の９つであるとする。すなわち、水平平均動き量Ｖａｖｘ、垂直平均動き量Ｖａｖｙ、平均動き方向θａｖ、水平平均振幅Ａａｖｘ、垂直平均振幅Ａａｖｙ、水平平均加速度Ｂａｖｘ、垂直平均加速度Ｂａｖｙ、平均拍動間隔Ｄａｖおよび拍動開始時間Ｓであるとする。

分類処理部３４０は、上記のようにして算出された特徴量を用いて、以下のようにしてｋ−ｍｅａｎｓ法（ｋ平均法）に基づくクラスタリングを実行する。すなわち、分類処理部３４０は、ブロック６１１ごとに上記９つの特徴量を組み合わせた９次元のベクトルｘを算出する（ステップＳ９２１）。

上記ステップＳ９２１により、ブロック６１１ごとに対応した（Ｍ×Ｎ）個のベクトルｘが得られる。そのうえで、この場合の分類処理部３４０は、ｋ平均法に従って，まず、（Ｍ×Ｎ）個のベクトルｘｉ（１≦ｉ≦（Ｍ×Ｎ））について最初のクラスタ分類（初期分類）を実行する。すなわちベクトルｘｉのうちから予め設定したクラスタ数Ｋに応じたＫ個のサンプルを抽出し、これらのサンプルとサンプル以外のベクトルｘｉとの距離を算出する。そして、サンプル以外のベクトルｘｉを、算出された距離が最も近いサンプルと同じクラスタに属するものとして分類する。

次に、分類処理部３４０は、これまでにおける最後の分類結果に対応して第１乃至第Ｋクラスタごとの重心Ｇｊ（１≦ｊ≦Ｋ）を算出する（ステップＳ９２３）。これらの重心Ｇｊは、最後の分類結果に応じて異なるものとなる。次に分類処理部３４０は、ベクトルｘｉごとに各クラスタとの重心Ｇｊとの距離を算出する（ステップＳ９２４）。そして、ベクトルｘｉごとに、算出された距離が最も短いクラスタに属するものとして再分類を行う（ステップＳ９２５）。このステップＳ９２３乃至Ｓ９２５による処理を、ステップＳ９２６により、分類結果について変化がなくなって前回と同じであると判定されるまで繰り返す。

そして、ステップＳ９２６に対応して前回と同じであると判定された分類結果が、すなわち、最終的な分類結果となる。そこで、分類処理部３４０は、この最終的に得られた分類結果から評価指標データ８００を生成して出力する（ステップＳ９１４Ａ）。すなわち、最終の分類結果においては、ベクトルｘｉが何れかのクラスタに分類されている。そこで、分類処理部３４０は、例えばベクトルｘｉが対応するブロック６１１の識別子と分類されたクラスタの識別子とを対応させて個別分類結果データ８０１を生成する。そして、これらのｉ番目からＭ×Ｎ番目のブロック６１１ごとの個別分類結果データ８０１の群を評価指標データ８００として生成する。

上記の説明から理解されるように、第２の実施の形態において得られる評価指標データ８００も、例えば図９に示される構造のものとなる。また、クラスタのそれぞれは、互いに異なる複数の特徴量の数値範囲の組み合わせを示すものとなる。このために、各クラスタは、拍動としての周期運動に関連して、それぞれが異なる意義を有するものとなる。したがって、この第２例により得られる評価指標データ８００を利用することによっても的確で詳細な評価結果を得ることができる。

なお、本開示は本技術を具現化するための一例を示したものであり、本開示において明示したように、本開示における事項と、特許請求の範囲における発明特定事項とはそれぞれ対応関係を有する。同様に、特許請求の範囲における発明特定事項と、これと同一名称を付した本開示における事項とはそれぞれ対応関係を有する。ただし、本技術は実施の形態に限定されるものではなく、本技術の要旨を逸脱しない範囲において実施の形態に種々の変形を施すことにより具現化することができる。

例えば、評価指標データ８００の生成のために利用する特徴量としても、上記各実施の形態において具体的に記述した以外の組み合わせを採用してよい。また、上記各実施の形態において具体的に記述した以外の特徴量を求め、これを組み合わせるようにしてもかまわない。また、上記各実施の形態において求められる特徴量のうち、動き量、動き方向、振幅、加速度、拍動間隔などは、何れもフレーム周期ごとに対応して得られる値についての平均値とされていた。しかし、これらの特徴量は時系列において変化を有するものである。そこで、例えば時系列における変化を特徴量として算出し、これを評価指標データ８００の生成に利用することも考えられる。また、分類処理部３４０が実行する分類処理としても、他のアルゴリズム、手法が採られてかまわない。また、評価対象を培養心筋細胞５００としているが、例えばこれ以外の物体であって、その動きが周期性を有するものであれば、本開示の構成を適用することができる。

また、本開示において説明した処理手順は、これら一連の手順を有する方法として捉えてもよく、また、これら一連の手順をコンピュータに実行させるためのプログラム乃至そのプログラムを記憶する記録媒体として捉えてもよい。この記録媒体として、例えば、ＣＤ（Compact Disc）、ＭＤ（MiniDisc）、ＤＶＤ（Digital Versatile Disc）、メモリカード、ブルーレイディスク（Blu-ray Disc（登録商標））等を用いることができる。

＜３．第３の実施の形態＞
［評価方法の他の例の概要］
細胞の評価方法は、上述した以外であってもよい。例えば、培養細胞のブロック毎に求めた動きベクトルから算出した指標について評価値を求めるようにしてもよい。

例えば、図１２のＡに示されるような培養細胞１００１を評価対象とすると、まず、図１２のＢに示されるように、各ブロック（部分領域）について、所定時間毎（例えば各フレーム）に動きベクトル１００２を求め、図１２のＣに示されるグラフ１００３のように、各ブロックについて動き量の経時変化を求め、そのデータから、図１２のＤに示されるグラフ１００４のような細胞の動きの振幅や拍動数の経時変化を示すデータを生成し、それらの指標を評価する評価値を求め、その評価値により細胞の動きを評価するようにしてもよい。

このように、評価値を用いることにより、評価対象（例えば細胞の動き）をより定量的に評価することができる。また、指標の生成に動きベクトルを用いることにより、より多様な指標をより容易かつ非侵襲に求めることができる。すなわち、評価対象（例えば細胞の動き）をより正しく評価することができる。

［培養心筋細胞評価装置］
図１３は、培養心筋細胞評価装置の主な構成例を示すブロック図である。

図１３に示される培養心筋細胞評価装置１１００は、図１の培養心筋細胞評価システム１００と同様に、培養心筋細胞５００の動きの評価を行う装置である。つまり、培養心筋細胞評価装置１１００は、培養心筋細胞評価システム１００を１つの装置として実現したものである。このように、培養心筋細胞評価システム１００の構成は、システム全体の機能が変化しない限り任意である。例えば、図１に示される複数の装置を1つの装置として構成したり、１つの装置を複数の装置として構成したりするようにしてもよく、例えば図１３に示されるように培養心筋細胞評価システム１００全体を１つの装置として構成するようにすることもできる。

換言するに、本実施の形態においても、例えば第１の実施の形態および第２の実施の形態の培養心筋細胞評価システム１００のように、培養心筋細胞評価装置１１００が複数の装置により構成されるようにしてもよいが、以下においては、培養心筋細胞評価装置１１００を用いて説明する。

ただし、本実施の形態の場合、第１の実施の形態や第２の実施の形態の場合と異なり、上述した評価方法以外の方法で、培養心筋細胞５００（の動き）を評価することができる。つまり、上述したように、本実施の形態の培養心筋細胞評価装置１１００は、評価対象の動きを評価する評価値を求める。

図１３に示される培養心筋細胞５００は、生体より採取された心筋細胞を体外で培養して生成された心臓疾患向けの生体組織（細胞群）である。心筋細胞は、常時収縮と弛緩を繰り返しながら拍動する。このような心筋細胞が培養され、培養心筋細胞５００のように成長すると、理想的には、各細胞の動作が互いに関連するようになり、培養心筋細胞５００全体が１つの生体組織として拍動するようになる。

培養心筋細胞評価装置１１００は、例えば、このように培養された培養心筋細胞５００を評価対象とし、その培養心筋細胞５００の出来栄えを評価するために、その動きを評価する。

なお、培養心筋細胞評価装置１１００の評価対象は、培養心筋細胞５００以外であってもよい。例えば、心筋細胞以外の培養細胞を評価対象としてもよい。もちろん、評価対象は、細胞以外であってもよい。ただし、評価対象は、自身が動き、その動きの評価によって評価可能なものであることが望ましい。なお、この動きは、心筋細胞のように自律的（自発的）なものであってもよいし、外部から供給される電気信号等によるものであってもよい。

図１３に示されるように、培養心筋細胞評価装置１１００は、撮像部１１０１、評価対象画像データ生成記録部１１０２、評価指標データ生成部１１０３、および評価部１１０４を有する。

撮像部１１０１は、図１の撮像装置１１０に対応する。つまり、撮像部１１０１は、評価対象である培養心筋細胞５００を撮像する。なお、撮像部１１０１が、培養心筋細胞５００を直接（他の部材を介さずに）撮像するようにしてもよいし、例えば顕微鏡等のように他の部材を介して培養心筋細胞５００を撮像するようにしてもよい。また、培養心筋細胞５００は、撮像部１１０１に対して固定されていてもよいし、固定されていなくてもよい。培養心筋細胞評価装置１１００は、動き（位置の時間的変化）を検出するため、一般的には、培養心筋細胞５００が撮像部１１０１に対して固定されている方が望ましい。

撮像部１１０１は、撮像により得られた培養心筋細胞５００の画像の画像信号を評価対象画像データ生成記録部１１０２に供給する。

評価対象画像データ生成記録部１１０２は、図１の評価対象画像データ生成記録装置２００に対応する。つまり、評価対象画像データ生成記録部１１０２は、撮像部１１０１から供給される画像信号を基にして評価対象画像データを生成し、生成した評価対象画像データを例えば内部の記録媒体に記録して保存する。ここで生成される評価対象画像データは、例えば培養心筋細胞５００を撮像した画像信号から生成される動画像データとなる。

例えば、評価対象画像データ生成記録部１１０２が、撮像部１１０１から供給される複数のフレーム画像の中から一部の期間のフレーム画像のみを抽出し、それを評価対象画像データとするようにしてもよい。また、例えば、評価対象画像データ生成記録部１１０２が、撮像部１１０１から供給される各フレーム画像の一部の領域を小フレーム画像として抽出し、その小フレーム画像からなる動画像を評価対象画像データとするようにしてもよい。さらに、例えば、評価対象画像データ生成記録部１１０２が、撮像部１１０１から供給される各フレーム画像に対して任意の画像処理を施し、その画像処理結果を評価対象画像データとするようにしてもよい。画像処理としては、例えば、画像の拡大、縮小、回転、変形、輝度や色度の補正、シャープネス、ノイズ除去、中間フレーム画像生成等が考えられる。もちろん、これら以外のどのような画像処理であってもよい。

評価対象画像データ生成記録部１１０２は、記憶している評価対象画像データを所定のタイミングで評価指標データ生成部１１０３に供給する。

評価指標データ生成部１１０３は、図１の評価指標データ生成装置３００に対応する。つまり、評価指標データ生成部１１０３は、供給された評価対象画像データの各フレーム画像間において、評価対象（培養心筋細胞５００）の画像の全領域を複数に分割した部分領域であるブロック毎に、評価対象（培養心筋細胞５００）の動き検出を行う。評価指標データ生成部１１０３は、その検出した各ブロックの動きを動きベクトルとして表し、その動きベクトルから、評価対象（培養心筋細胞５００）の動きに関する各種特徴量（動き特徴量データ）を求める。また、評価指標データ生成部１１０３は、第１の実施の形態や第２の実施の形態において説明したように、その動き特徴量データに基づいて、各ブロックを分類する。

評価指標データ生成部１１０３は、以上のように生成した動き特徴量データや分類結果を評価指標データとして評価部１１０４に供給する。

評価部１１０４は、図１の評価装置４００に対応する。つまり、評価部１１０４は、供給された各評価指標データについて評価値を算出し、算出した評価値を統合して、評価対象（培養心筋細胞５００）の評価値を求める。

［評価指標データ生成部］
図１４は、評価指標データ生成部１１０３の主な構成例を示すブロック図である。図１４に示されるように、評価指標データ生成部１１０３は、図２の評価指標データ生成装置３００と同様に、動き検出部３１０および動き検出データ格納部３２０を有する。また、評価指標データ生成部１１０３は、図２の評価指標データ生成装置３００の特徴量算出部３３０の代わりに特徴量算出部１１２３を有し、図２の評価指標データ生成装置３００の分類処理部３４０の代わりに分類処理部１１２４を有する。さらに、評価指標データ生成部１１０３は、動き特徴量データ履歴格納メモリ１１２５を有する。

動き検出部３１０は、評価対象画像データ６００を入力して動き検出を行い、その検出結果（動きベクトル）を動き検出データとして、動き検出データ格納部３２０に供給し、記憶させる。図３乃至図６を参照して説明したように、動き検出部３１０は、フレームメモリ３１１および動きベクトル算出部３１２を備え、評価対象画像データ６００の各フレーム画像の領域全体をＭ×Ｎ個（Ｍ、Ｎは任意の自然数）のブロックに分割し、各ブロックについて、例えばフレーム画像間のブロックマッチングなどの手法により動き検出を行い、動きベクトルを生成する。

動き検出部３１０は、図７に示されるように、所定の長さの評価区間（例えばＴ＋１フレーム（Ｔは任意の自然数））、動き検出を行う。例えば、動き検出部３１０は、図６に示されるように、（Ｔ＋１）個のフレーム画像を用いて、（Ｍ×Ｎ×Ｔ）個の動き検出データ（動きベクトル）を生成し、動き検出データ格納部３２０に記憶させる。

１評価区間の動き検出が終了すると（（Ｍ×Ｎ×Ｔ）個の動き検出データ（動きベクトル）が動き検出データ格納部３２０に格納されると）、特徴量算出部１１２３は、その動き検出データを取得し、その動き検出データから、培養心筋細胞５００の動きに関する特徴量を算出する。

例えば、特徴量算出部１１２３は、（Ｍ×Ｎ×Ｔ）個の動き検出データ（動きベクトル）を用いて、ブロック毎に、培養心筋細胞５００の動き（拍動）に関する特徴量を算出する。

例えば、特徴量算出部１１２３は、図７に例が示される評価区間内において、培養心筋細胞５００の動きの振幅の平均値（平均振幅Ａａｖ）を、培養心筋細胞５００の動きに関する特徴量の１つとして算出する。

図７に示されるように、振幅は、動き量が変化する際のその振り幅である。平均振幅Ａａｖは、当該評価区間内における振幅の平均値である。この振幅Ａや平均振幅Ａａｖは、各ブロックにおいて算出される。

つまり、各振幅の水平方向成分をＡｘとし、垂直方向成分をＡｙとすると、各振幅Ａは以下の式（１）のように算出される。

・・・（１）

フレーム順に対応した変数をｎとすると、式（１）のように算出される各振幅Ａｎを用いて、その評価区間内における平均振幅Ａａｖは、以下の式（２）のように算出される。

・・・（２）

特徴量算出部１１２３は、このような平均振幅Ａａｖをブロック毎に算出する。

また、例えば、特徴量算出部１１２３は、図７に例が示される１評価区間内において、培養心筋細胞５００の動きの拍動間隔（若しくは、単位時間当たりの拍動数）の平均値（平均拍動間隔Ｄａｖ）を、培養心筋細胞５００の動きに関する特徴量の１つとして算出する。

拍動間隔Ｄは、図７に示されるように、動き量のピークの間隔である。平均拍動間隔Ｄａｖは、当該評価区間内におけるその拍動間隔Ｄの平均値である。特徴量算出部１１２３は、このような平均拍動間隔Ｄａｖを、各ブロックについて算出する。

つまり、フレーム順に対応した変数をｎとし、動き量のピークのタイミングをＰｎとすると、拍動間隔Ｄｎは、以下の式（３）のように算出される。

・・・（３）

したがって、評価区間内における平均拍動間隔Ｄａｖは、以下の式（４）のように算出される。

・・・（４）

特徴量算出部１１２３は、このような平均拍動間隔Ｄａｖをブロック毎に算出する。

つまり、以上の例の場合、２種類の特徴量がブロック毎に（Ｍ×Ｎ個ずつ）生成される。特徴量算出部１１２３が算出する特徴量の種類やその数は任意である。例えば、第１の実施の形態等において説明したように、平均動き量Ｖａｖ、平均動き方向θａｖ、平均加速度Ｂａｖ、および拍動開始時間Ｓを特徴量として算出するようにしてもよい。

なお、各特徴量の算出方法は任意である。例えば、特徴量算出部１１２３は、平均動き量Ｖａｖ、平均振幅Ａａｖ、および平均加速度Ｂａｖ等のように水平成分と垂直成分の両方を有する特徴量の場合、各成分の平均をそれぞれ算出し、その各成分の平均を合成するようにしてもよい。

特徴量算出部１１２３は、算出した特徴量を、動き特徴量データとして、動き特徴量データ履歴格納メモリ１１２５に供給し、記憶させる。もちろん、特徴量算出部１１２３は、得られた特徴量を、順次、動き特徴量データとして動き特徴量データ履歴格納メモリ１１２５に供給し、記憶させるようにしてもよい。また、特徴量算出部１１２３が、得られた特徴量の一部を、動き特徴量データとして、動き特徴量データ履歴格納メモリ１１２５に記憶させるようにしてもよい。

また、特徴量算出部１１２３は、算出した特徴量を分類処理部１１２４にも供給する。

分類処理部１１２４は、図２の分類処理部３４０と同様に、特徴量算出部１１２３により算出される複数種類の特徴量を利用して分類処理を実行し、その分類処理結果を動き特徴量データとして動き特徴量データ履歴格納メモリ１１２５に供給し、記憶させる。

評価指標データ生成部１１０３は、以上のような評価指標データの生成をＳ回繰り返す。つまり、撮像部１１０１は、撮像を継続し、少なくとも（評価区間（Ｔ＋１フレーム）×Ｓ回）の時間分のフレーム画像を生成し、評価対象画像データ生成記録部１１０２は、少なくとも（評価区間×Ｓ回）分の評価対象画像データを生成する。なお、評価対象画像データにおいて各評価区間が時間的に連続していなくてもよい。

例えば、培養開始から培養終了までの期間を１０日間とし、２時間毎にＴ＝６００フレームずつ撮像し、評価を行うとする。この場合、各評価区間が６００フレームとなり、その評価区間がＳ＝１２０回繰り返される。

評価指標データ生成部１１０３は、各評価区間について上述したようにブロック毎の特徴量を生成する。これにより、動き特徴量データ履歴格納メモリ１１２５には、図１５に示されるように、Ｍ×Ｎ×Ｓ個の特徴量が格納される。なお、複数種類の特徴量が生成される場合、動き特徴量データ履歴格納メモリ１１２５には、さらに多くの特徴量（Ｍ×Ｎ×Ｓ×種類数）が格納される。

このように、特徴量の生成がＳ回繰り返され、所定数の特徴量が格納されると、動き特徴量データ履歴格納メモリ１１２５は、所定のタイミングにおいて、記憶している特徴量を、評価指標データ８００として、評価部１１０４に供給する。

［評価部］
図１６は、評価部１１０４の主な構成例を示すブロック図である。図１６に示されるように、評価部１１０４は、供給される評価指標データ８００のそれぞれについて評価部（各指標用の評価部）を有する。図１６の例において、評価部１１０４は、その各指標用の評価部として、振幅評価部１１４１、拍動数評価部１１４２、および分類結果評価部１１４３を有する。

振幅評価部１１４１は、評価指標データとして供給される平均振幅Ａａｖを評価する。拍動数評価部１１４２は、評価指標データとして供給される平均拍動間隔Ｄａｖを評価する。分類結果評価部１１４３は、評価指標データとして供給される分類処理結果を評価する。

このような各指標用の評価部は、評価部１１０４が評価可能な指標データの種類を示す。基本的に、評価部１１０４は、供給される全ての評価指標データを評価することができるように設定される。したがって、例えば、評価部１１０４に他の評価指標データ８００が供給される場合、その評価指標データ８００に対応する評価部が評価部１１０４に用意されることになる。このように、評価部１１０４が有する各指標用の評価部の種類と数は、供給される評価指標データの種類と数による。

［振幅評価部の演算例１］
次に、振幅評価部１１４１による振幅評価の具体的な例について説明する。一般的に、心筋細胞の拍動は、振幅が大きく安定していることが望ましい。そこで、振幅評価部１１４１が、振幅がより大きく安定している場合に値が大きくなるように評価値を算出するようにする。

この場合、振幅評価部１１４１は、まず、フレーム画像の各ブロックについて、以下の式（５）のように、評価指標データである各振幅Ａ（平均振幅Ａａｖ）を、図１７のＡに示されるグラフの曲線１１６１のような関数ｆａを用いて正規化する（関数ｆａにより正規化した振幅Ａ’を求める）。

・・・（５）

例えば、フレーム画像全体のブロック数をＭ×Ｎ個とし、平均振幅Ａａｖの算出がＳ回繰り返されたとすると、振幅評価部１１４１は、Ｍ×Ｎ×Ｓ個の平均振幅Ａａｖのそれぞれを、関数ｆａを用いて正規化する。

この関数ｆａは、振幅Ａの値を、その値が大きいほどより大きくし、その値が小さいほどより小さくするような関数であればどのような関数であってもよい。つまり、正規化した振幅Ａ’は、振幅が大きいほど大きな値をとり、振幅が小さいほど小さな値をとる。

次に、振幅評価部１１４１は、以下の式（６）のように、各ブロックについて、過去Ｎ回の振幅の分散Ｖａを求める。

・・・（６）

なお、式（６）において、上線付きＡは、各振幅Ａ（平均振幅Ａａｖ）の平均値である。また、上述したように平均振幅Ａａｖの算出がＳ回繰り返される場合、Ｎ＝Ｓである。つまり、振幅評価部１１４１は、例えば、フレーム画像全体のブロック数をＭ×Ｎ個とし、平均振幅Ａａｖの算出がＳ回繰り返されたとすると、Ｍ×Ｎ×Ｓ個の平均振幅Ａａｖから、Ｍ×Ｎ個の分散Ｖａを算出する。

次に、振幅評価部１１４１は、以下の式（７）のように、各振幅の分散Ｖａを、図１７のＢに示されるグラフの曲線１１６２のような関数ｇａを用いて正規化する（関数ｇａにより正規化した振幅の分散Ｖａ’を求める）。

・・・（７）

例えば、フレーム画像全体のブロック数をＭ×Ｎ個とすると、振幅評価部１１４１は、Ｍ×Ｎ個の分散Ｖａのそれぞれを、関数ｇａを用いて正規化する。

この関数ｇａは、分散Ｖａの値を、その値が大きいほどより小さくし、その値が小さいほどより大きくするような関数であればどのような関数であってもよい。つまり、正規化した振幅の分散Ｖａ’は、バラつきが小さいほど大きな値をとり、バラつきが大きいほど小さな値をとる。

次に、振幅評価部１１４１は、以下の式（８）のように、正規化した振幅Ａ’と、正規化した振幅の分散Ｖａ’との積の画面全体の平均値（Ｍ×Ｎ個の平均値）を、評価値Ｅａとして算出する。

・・・（８）

この場合、評価値Ｅａは、フレーム画像全体において正規化した振幅および正規化した振幅の分散が大きい程、その値が大きくなる。つまり、各ブロックの振幅が、より大きくより安定している（振幅がより大きく、かつ、その時間方向のバラつきがより少ない）場合程、高く評価される。

なお、振幅評価部１１４１が、以下の式（９）のように、正規化した振幅Ａ’と正規化した振幅の分散Ｖａ’の積の値が所定の閾値Ｔａ１以上の値となるブロック数Ｎａ１の、フレーム画像全体に占める割合を、評価値Ｅａとして算出するようにしてもよい。

・・・（９）

閾値Ｔａ１は、予め設定される任意の値である。この値が大きく設定される程、評価基準が高くなり（評価条件が厳しくなり）、評価値Ｅａの値は小さくなる。この場合、評価値Ｅａは、フレーム画像全体において振幅と分散の積が所定の基準より大きく安定しているブロックが多いほど、その値が大きくなる。

つまり、この場合、上述したように平均値を用いて評価値Ｅａを算出する場合よりも、ブロック間のバラつきが少ないほど好ましい。例えば、平均値を評価する場合、ブロック間のバラつきが大きくても評価が高くなる場合がある。これに対して、閾値を用いて評価を行う場合、一部のブロックの値が極端に大きくても、ブロック数Ｎａ１が多くなければ、評価は高くならない。

［振幅評価部の演算例２］
なお、振幅の評価方法は、上述した例に限らない。例えば、培養した心筋細胞の拍動を、理想的な正常培養時の場合と比較し、その比較結果を評価するようにしてもよい。この場合、理想的な正常培養時の拍動の推移パターン（理想推移パターン）が予め定められている。

振幅評価部１１４１は、図１８のＡのグラフに示されるように、培養した心筋細胞の拍動の推移パターン（測定推移パターン）を、この理想推移パターンと比較し、その類似度を評価する。図１８のＡにおいて、実線１１７１は、振幅の理想推移パターンを示し、点線１１７２は振幅の測定推移パターンを示す。両者の差が少ないほど、評価値が大きくなる。

まず、振幅評価部１１４１は、各経過時間における両者の推移パターン間の距離の和Ｄａを、各ブロックについて、以下の式（１０）のように算出する。

・・・（１０）

式（１０）において、Ａ（ｋ）は、測定推移パターンにおける振幅Ａ（平均振幅Ａａｖ）であり、Ａ_Ｉ（ｋ）は、理想推移パターンにおける振幅Ａ（平均振幅Ａａｖ）である。ｋは何回目の測定値であるか（経過時間）を示す（Ｓ回測定を繰り返した場合、０≦ｋ≦Ｓ−１）。また、Ｗ_ａ（ｋ）は、重み係数であり、その値は任意である。例えば、測定開始直後は両者の推移パターンの違いを重要視しないが、経過時間が長くなるほど、両者の推移パターンが近似する事が求められる場合、重み係数Ｗ_ａの値は、ｋの値が大きくなるほど、大きくなるように設定される。

以上のように、各経過時間における両者の推移パターン間の距離の和Ｄａが求められると、振幅評価部１１４１は、次に、距離の和Ｄａを、以下の式（１１）のように、図１８のＢに示されるグラフの実線１１７３のような関数ｈａを用いて正規化する（正規化した距離の和Ｄａ’を算出する）。

・・・（１１）

この関数ｈａは、距離の和Ｄａの値を、その値が大きいほどより小さくし、その値が小さいほどより大きくするような関数であればどのような関数であってもよい。つまり、正規化した距離の和Ｄａ'は、理想推移パターンと測定推移パターンとの差が小さいほど大きな値をとり、理想推移パターンと測定推移パターンとの差が大きいほど小さな値をとる。

次に、振幅評価部１１４１は、以下の式（１２）のように、正規化した距離の和Ｄａ’の画面全体の平均値（Ｍ×Ｎ個の平均値）を、評価値Ｅａとして算出する。

・・・（１２）

この場合、評価値Ｅａは、フレーム画像全体において測定推移と理想推移との差が少ない程、その値が大きくなる。

なお、振幅評価部１１４１が、以下の式（１３）のように、正規化した距離の和Ｄａ’が所定の閾値Ｔａ２以上の値となるブロック数Ｎａ２の、フレーム画像全体に占める割合を、評価値Ｅａとして算出するようにしてもよい。

・・・（１３）

式（１３）において、閾値Ｔａ２は、予め設定される任意の値である。この値が大きく設定される程、評価基準が高くなり（評価条件が厳しくなり）、評価値Ｅａの値は小さくなる。この場合、評価値Ｅａは、フレーム画像全体において測定推移と理想推移との差が所定の基準より小さく安定しているブロックが多いほど、その値が大きくなる。

以上のように、振幅評価部１１４１は、心筋細胞の拍動の振幅についての指標データに基づいて、その振幅を評価した評価値Ｅａを算出する。つまり、振幅評価部１１４１は、心筋細胞の拍動の振幅について定量的に評価を行うことができる。

［拍動数評価部の演算例１］
次に、拍動数評価部１１４２による単位時間当たりの拍動数評価の具体的な例について説明する。一般的に、心筋細胞の拍動は、単位時間当たりの拍動数（レート）が適切な値で安定していることが望ましい。そこで、拍動数評価部１１４２が、単位時間当たりの拍動数がより適切な値で安定している場合に値が大きくなるように評価値を算出するようにする。

この場合、拍動数評価部１１４２は、まず、拍動間隔Ｄ（平均拍動間隔Ｄａｖ）から単位時間（例えば１分間）当たりの拍動数Ｒを、以下の式（１４）のように算出する。

・・・（１４）

つまり、この単位時間当たりの拍動数Ｒは、その評価期間（例えば（Ｔ＋１）フレーム）における単位時間当たりの拍動数の平均値である。拍動数評価部１１４２は、この単位時間当たりの拍動数Ｒを、各ブロックについて算出する。また、拍動数評価部１１４２は、この単位時間当たりの拍動数Ｒを、各評価期間について算出する。すなわち、１フレーム画像のブロック数がＭ×Ｎ個であり、評価期間がＳ回繰り返されたとすると、拍動数評価部１１４２は、単位時間当たりの拍動数Ｒを（Ｍ×Ｎ×Ｓ）個算出する。

次に、拍動数評価部１１４２は、この単位時間当たりの拍動数Ｒを、以下の式（１５）のように、図１９のＡに示されるグラフの曲線１１８１のような関数ｆｒを用いて正規化する（関数ｆｒにより正規化した単位時間当たりの拍動数Ｒ’を求める）。

・・・（１５）

例えば、フレーム画像全体のブロック数をＭ×Ｎ個とし、平均拍動間隔Ｄａｖの算出がＳ回繰り返されたとすると、拍動数評価部１１４２は、Ｍ×Ｎ×Ｓ個の単位時間当たりの拍動数Ｒのそれぞれを、関数ｆｒを用いて正規化する。関数ｆｒは、単位時間当たりの拍動数Ｒの値を、その値が適正な値に近いほどより大きくし、その値が適正な値から遠いほどより小さくするようする関数であれば、どのような関数であってもよい。つまり、正規化した単位時間当たりの拍動数Ｒ’は、予め定められた適正な単位時間当たりの拍動数に近いほど大きな値をとり、予め定められた適正な単位時間当たりの拍動数から遠いほど小さな値をとる。

次に、拍動数評価部１１４２は、以下の式（１６）のように、各ブロックについて、過去Ｎ回の単位時間当たりの分散Ｖｒを求める。

・・・（１６）

なお、式（１６）において、上線付きＲは、各単位時間当たりの拍動数Ｒの平均値である。また、上述したように単位時間当たりの拍動数Ｒの算出がＳ回繰り返される場合、Ｎ＝Ｓである。つまり、拍動数評価部１１４２は、例えば、フレーム画像全体のブロック数をＭ×Ｎ個とし、単位時間当たりの拍動数Ｒの算出がＳ回繰り返されたとすると、Ｍ×Ｎ×Ｓ個の単位時間当たりの拍動数Ｒから、Ｍ×Ｎ個の分散Ｖｒを算出する。

次に、拍動数評価部１１４２は、以下の式（１７）のように、各振幅の分散Ｖｒを、図１９のＢに示されるグラフの曲線１１８２のような関数ｇｒを用いて正規化する（関数ｇｒにより正規化した単位時間当たりの拍動数の分散Ｖｒ’を求める）。

・・・（１７）

例えば、フレーム画像全体のブロック数をＭ×Ｎ個とすると、拍動数評価部１１４２は、Ｍ×Ｎ個の分散Ｖｒのそれぞれを、関数ｇｒを用いて正規化する。

この関数ｇｒは、分散Ｖｒの値を、その値が大きいほどより小さくし、その値が小さいほどより大きくするような関数であればどのような関数であってもよい。つまり、正規化した単位時間当たりの拍動数の分散Ｖｒ’は、バラつきが小さいほど大きな値をとり、バラつきが大きいほど小さな値をとる。

次に、拍動数評価部１１４２は、以下の式（１８）のように、正規化した単位時間当たりの拍動数Ｒ’と、正規化した単位時間当たりの拍動数の分散Ｖｒ’との積の画面全体の平均値（Ｍ×Ｎ個の平均値）を、評価値Ｅｒとして算出する。

・・・（１８）

この場合、評価値Ｅｒは、フレーム画像全体において正規化した単位時間当たりの拍動数および分散が大きい程、その値が大きくなる。つまり、各ブロックの正規化した単位時間当たりの拍動数Ｒがより安定している（単位時間当たりの拍動数が適正な値により近く、かつ、その時間方向のバラつきがより少ない）場合程、高く評価される。

なお、拍動数評価部１１４２が、以下の式（１９）のように、正規化した単位時間当たりの拍動数Ｒ’と正規化した単位時間当たりの拍動数の分散Ｖｒ’との積の値が所定の閾値Ｔｒ１以上の値となるブロック数Ｎｒ１の、フレーム画像全体に占める割合を、評価値Ｅｒとして算出するようにしてもよい。

・・・（１９）

閾値Ｔｒ１は、予め設定される任意の値である。この値が大きく設定される程、評価基準が高くなり（評価条件が厳しくなり）、評価値Ｅｒの値は小さくなる。この場合、評価値Ｅｒは、フレーム画像全体において単位時間当たりの拍動数が、所定の基準より適正な値に近く、かつ、時間方向に安定しているブロックが多いほど、その値が大きくなる。

つまり、この場合、上述したように平均値を用いて評価値Ｅｒを算出する場合よりも、ブロック間のバラつきが少ないほど好ましい。例えば、平均値を評価する場合、ブロック間のバラつきが大きくても評価が高くなる場合がある。これに対して、閾値を用いて評価を行う場合、一部のブロックの値が極端に大きくても、ブロック数Ｎｒ１が多くなければ、評価は高くならない。

［拍動数評価部の演算例２］
なお、単位時間当たりの拍動数の評価方法は、上述した例に限らない。例えば、培養した心筋細胞の拍動を、理想的な正常培養時の場合と比較し、その比較結果を評価するようにしてもよい。この場合、理想的な正常培養時の拍動の推移パターン（理想推移パターン）が予め定められている。

拍動数評価部１１４２は、図２０のＡのグラフに示されるように、培養した心筋細胞の拍動の推移パターン（測定推移パターン）を、この理想推移パターンと比較し、その類似度を評価する。図２０のＡにおいて、実線１１９１は、単位時間当たりの拍動数の理想推移パターンを示し、点線１１９２は、単位時間当たりの拍動数の測定推移パターンを示す。両者の差が少ないほど、評価値が大きくなる。

まず、拍動数評価部１１４２は、各経過時間における両者の推移パターン間の距離の和Ｄｒを、各ブロックについて、以下の式（２０）のように算出する。

・・・（２０）

式（２０）において、Ｒ（ｋ）は、測定推移パターンにおける単位時間当たりの拍動数Ｒであり、Ｒ_Ｉ（ｋ）は、理想推移パターンにおける単位時間当たりの拍動数である。ｋは何回目の測定値であるか（経過時間）を示す（Ｓ回測定を繰り返した場合、０≦ｋ≦Ｓ−１）。また、Ｗ_ｒ（ｋ）は、重み係数であり、その値は任意である。例えば、測定開始直後は両者の推移パターンの違いを重要視しないが、経過時間が長くなるほど、両者の推移パターンが近似する事が求められる場合、重み係数Ｗ_ｒの値は、ｋの値が大きくなるほど、大きくなるように設定される。

以上のように、各経過時間における両者の推移パターン間の距離の和Ｄｒが求められると、拍動数評価部１１４２は、次に、距離の和Ｄｒを、以下の式（２１）のように、図２０のＢに示されるグラフの実線１１９３のような関数ｈｒを用いて正規化する（正規化した距離の和Ｄｒ’を算出する）。

・・・（２１）

この関数ｈｒは、距離の和Ｄｒの値を、その値が大きいほどより小さくし、その値が小さいほどより大きくするような関数であればどのような関数であってもよい。つまり、正規化した距離の和Ｄｒ'は、理想推移パターンと測定推移パターンとの差が小さいほど大きな値をとり、理想推移パターンと測定推移パターンとの差が大きいほど小さな値をとる。

次に、拍動数評価部１１４２は、以下の式（２２）のように、正規化した距離の和Ｄｒ’の画面全体の平均値（Ｍ×Ｎ個の平均値）を、評価値Ｅｒとして算出する。

・・・（２２）

この場合、評価値Ｅｒは、フレーム画像全体において測定推移と理想推移との差が少ない程、その値が大きくなる。

なお、拍動数評価部１１４２が、以下の式（２３）のように、正規化した距離の和Ｄｒ’が所定の閾値Ｔｒ２以上の値となるブロック数Ｎｒ２の、フレーム画像全体に占める割合を、評価値Ｅｒとして算出するようにしてもよい。

・・・（２３）

式（２３）において、閾値Ｔｒ２は、予め設定される任意の値である。この値が大きく設定される程、評価基準が高くなり（評価条件が厳しくなり）、評価値Ｅｒの値は小さくなる。この場合、評価値Ｅｒは、フレーム画像全体において測定推移と理想推移との差が所定の基準より小さく安定しているブロックが多いほど、その値が大きくなる。

以上のように、拍動数評価部１１４２は、心筋細胞の拍動の単位時間当たりの拍動数についての指標データに基づいて、その単位時間当たりの拍動数を評価した評価値Ｅｒを算出する。つまり、拍動数評価部１１４２は、心筋細胞の拍動の、単位時間当たりの拍動数について定量的に評価を行うことができる。

［分類結果評価部の評価例］
次に、分類結果評価部１１４３によるクラスタ分類結果の評価の具体的な例について説明する。一般的に、心筋細胞の拍動は、望ましいクラスタに分類されたブロックの割合が多いほど望ましい。そこで、分類結果評価部１１４３が、特徴量が望ましい状態である所定のクラスタ（望ましいクラスタ）に分類されたブロックの割合がより多い場合に値が大きくなるように評価値を算出するようにする。

例えば、望ましいクラスタをＣとする。分類結果評価部１１４３は、まず、各ブロックについて、過去ｎ回行われた分類においてＣに分類された回数をカウントし、その回数Ｎを予め定められた所定の閾値Ｔｃ１と比較し、以下の条件式（２４）を満たすブロックの数Ｎｃを求める。

・・・（２４）

分類結果評価部１１４３は、このように求めたブロック数Ｎｃを用いて、分類結果を評価した評価値Ｅｃを、以下の式（２５）のように算出する（１フレーム画像のブロック数をＮ×Ｎとする）。

・・・（２５）

以上のように、分類結果評価部１１４３は、心筋細胞の拍動の特徴量の分類結果を評価した評価値Ｅｃを算出する。つまり、分類結果評価部１１４３は、心筋細胞の拍動の、特徴量の分類結果について定量的に評価を行うことができる。

［評価統合部］
図１６に戻り、評価部１１０４は、さらに、評価統合部１１４４を有する。評価部１１０４の各指標用の評価部は、それぞれが算出した各指標用の評価値を評価統合部１１４４に供給する。

評価統合部１１４４は、各指標用の評価部から供給される評価値を所定の演算により統合し、評価対象（培養心筋細胞５００）の評価値Ｅを生成する。例えば、評価統合部１１４４は、以下の式（２６）に示されるように、各指標用の評価値の総和を評価値Ｅとして算出する。

・・・（２６）

式（２６）において、評価値Ｅａは、振幅評価部１１４１から供給される平均振幅Ａａｖの評価値であり、評価値Ｅｒは、拍動数評価部１１４２から供給される平均拍動間隔Ｄａｖの評価値であり、評価値Ｅｃは、分類結果評価部１１４３から供給される分類処理結果の評価値である。また、重み係数Ｗａ、Ｗｒ、Ｗｃは、それぞれ、評価値Ｅａ、Ｅｒ、Ｅｃを重みづけする係数である。

以上のように、評価統合部１１４４は、各指標用の評価値を任意に重みづけして統合することができるので、評価対象をより多様な基準で定量的に評価することができる。

評価統合部１１４４は、以上のように算出した評価値Ｅを、評価対象の評価値１１５０として評価部１１０４の外部に出力する。

評価部１１０４から出力される評価値１１５０は、例えば、文字情報や画像情報として、モニタに表示され、ユーザ等に提示されたり、この評価値１１５０を利用して任意の処理を行う他の装置（図示せぬ）に出力されたりする。また、この評価値１１５０が、図示せぬ記録媒体に記録されるようにしてもよい。

このように、評価部１１０４は、より多様な指標をより多様な方法で定量的に評価することができる。これにより、評価部１１０４は、評価対象（心筋細胞）をより正確に評価することができる。

［評価処理の流れ］
次に、図２１のフローチャートを参照して、培養心筋細胞評価装置１１００により実行される評価処理の流れの例を説明する。

評価処理が開始されると、培養心筋細胞評価装置１１００の撮像部１１０１は、ステップＳ１００１において、評価対象を撮像する。ステップＳ１００２において、評価対象画像データ生成記録部１１０２は、ステップＳ１００１の撮像により得られた画像信号から評価対象画像データを生成する。

ステップＳ１００３において、評価指標データ生成部１１０３は、ステップＳ１００２において生成された評価対象画像データから、評価対象の動きを評価するための各種指標のデータである評価指標データを生成する。ステップＳ１００４において、評価部１１０４は、ステップＳ１００３において生成された評価指標データを用いて、評価対象の動きを評価し、評価値を算出する。

ステップＳ１００５において、評価部１１０４は、ステップＳ１００４において算出された評価値を出力し、評価処理を終了する。

［評価指標データ生成処理の流れ］
次に、図２１のステップＳ１００３において実行される評価指標データ生成処理の流れの例を、図２２のフローチャートを参照して説明する。

評価指標データ生成処理が開始されると、評価指標データ生成部１１０３の動き検出部３１０は、ステップＳ１０２１において、評価対象の動きをブロック毎に検出し、動きベクトルを生成する。ステップＳ１０２２において、動き検出データ格納部３２０は、ステップＳ１０２１において生成された各ブロックの動きベクトルを記憶する。

ステップＳ１０２３において、動き検出部３１０は、予め定められた所定の評価期間、動き検出を行ったか否かを判定する。所定の評価期間において、動き検出を行っていないフレーム画像が存在すると判定された場合、動き検出部３１０は、処理をステップＳ１０２１に戻し、新たな処理対象フレーム画像に対して動き検出を繰り返す。

また、ステップＳ１０２３において、所定の評価期間において処理対象とする全てのフレーム画像において動き検出を行ったと判定された場合、動き検出部３１０は、処理をステップＳ１０２４に進める。

ステップＳ１０２４において、特徴量算出部１１２３は、ステップＳ１０２２において記憶された動きベクトルから、例えば、平均振幅Ａａｖや平均拍動間隔Ｄａｖ等のような、評価対象の動きに関する特徴量を算出する。ステップＳ１０２５において、動き特徴量データ履歴格納メモリ１１２５は、ステップＳ１０２４において算出された特徴量を動き特徴量データとして記憶する。

ステップＳ１０２６において、分類処理部１１２４は、ステップＳ１０２４において算出された特徴量に基づいて各ブロックを分類する。ステップＳ１０２７において、動き特徴量データ履歴格納メモリ１１２５は、ステップＳ１０２６において行われた分類結果を動き特徴量データとして記憶する。

ステップＳ１０２８において、特徴量算出部１１２３は、特徴量の算出を予め定められた所定回数（例えばＳ回）繰り返したか否かを判定し、所定回数に達していないと判定された場合、処理をステップＳ１０２１に戻し、それ以降の処理を繰り返す。また、ステップＳ１０２８において、特徴量の算出を所定回数繰り返したと判定された場合、特徴量算出部１１２３は、処理をステップＳ１０２９に進める。

ステップＳ１０２９において、動き特徴量データ履歴格納メモリ１１２５は、保持している動き特徴量データを評価指標データとして評価部１１０４に出力する。ステップＳ１０２９の処理を終了すると、動き特徴量データ履歴格納メモリ１１２５は、評価指標データ生成処理を終了し、処理を図２１のステップＳ１００３に戻し、ステップＳ１００４以降の処理を実行させる。

［動き評価処理の流れ］
次に、図２１のステップＳ１００４において実行される動き評価処理の流れの例を、図２３のフローチャートを参照して説明する。

動き評価処理が開始されると、評価部１１０４の振幅評価部１１４１は、ステップＳ１０４１において、振幅に関する評価指標データに基づいて、評価対象の動きの振幅を評価し、その評価値Ｅａを算出する。

ステップＳ１０４２において、拍動数評価部１１４２は、単位時間当たりの拍動数に関する評価指標データに基づいて、評価対象の動きの、単位時間当たりの拍動数を評価し、その評価値Ｅｒを算出する。

ステップＳ１０４３において、分類結果評価部１１４３は、分類結果に関する評価指標データに基づいて、評価対象の動きに基づいて行った各ブロックの分類結果を評価し、その評価値Ｅｃを算出する。

ステップＳ１０４４において、評価統合部１１４４は、各指標の評価値を統合し、評価対象の評価値Ｅを算出する。

評価対象の評価値を算出すると、評価統合部１１４４は、動き評価処理を終了し、処理を図２１のステップＳ１００４に戻し、ステップＳ１００５以降の処理を実行させる。

以上のように、各種処理を行うことにより、培養心筋細胞評価装置１１００は、評価対象（例えば細胞の動き）をより定量的に評価することができる。また、指標の生成に動きベクトルを用いることにより、より多様な指標をより容易かつ非侵襲に求めることができる。すなわち、評価対象（例えば細胞の動き）をより正しく評価することができる。

＜４．第４の実施の形態＞
［他の評価への応用］
なお、評価対象の動きの協同性の評価することにより、その評価対象の動きに影響を及ぼす他の物体（例えば、気体、液体、固体の投与等）や任意の環境条件（例えば、温度、湿度、気圧、明度、振動、磁場等）等の評価を行うようにしてもよい。

培養心筋細胞の位相差観察動画の解析によって求めた様々な領域の拍動は、培養日数依存的に協同的な拍動を示すが、様々な薬剤の投与によって変動を示す。このような変動を何らかの方法によって検出することで、創薬の際の薬剤毒性や効果等を事前に評価することが可能となり、近年注目されている。

従来では、例えば、培養皿の底に配置した電極によって細胞の外場電位を検出し細胞の膜電位変化によって細胞の拍動挙動を捉える方法があった。また、細胞内にカルシウムに結合して発光する蛍光色素を入れ込み、細胞の興奮（活動電位）によって変動するカルシウム濃度を検出することで、細胞の拍動リズムを検出し、また、細胞の情報伝搬パターンを評価する方法もあった。

これらの手法は、特定の培養皿が必要であったり、また蛍光色素は高価で、蛍光色素を入れ込むのも煩雑で時間がかかったりする等、細胞の簡便・非侵襲なモニタリングに対しては問題点が多かった。

そこで、上述したように、細胞の動きを検出して評価する方法を利用して薬剤投与による細胞拍動における収縮弛緩延長の評価を行い、その評価結果を用いて薬剤の毒性等を評価するようにする。心筋細胞の拍動は収縮と弛緩よりなるが、例えば細胞のカリウムチャネルのイオンの出入りが阻害されると、弛緩の時間が延長する（収縮した状態から戻り難くなる）。

このような細胞の弛緩の延長を評価することにより、投与された薬剤が心筋細胞に及ぼす影響を評価することができる。このような細胞の動きの評価を、上述したように画像解析によって行うことにより、細胞に何ら蛍光色素などの試薬を加えることなく、また特殊な培養皿を使用することなく、細胞拍動挙動の変化を捉えることができるので、薬剤毒性等を容易かつ正確に評価することができる。

［薬剤評価装置］
図２４は、薬剤評価装置の主な構成例を示すブロック図である。図２４に示される薬剤評価装置１３００は、薬剤による影響（効能や副作用等）を、その薬剤が投与された培養心筋細胞５００の動きによって評価する装置である。

図２４に示されるように、薬剤評価装置１３００は、図１３の培養心筋細胞評価装置１１００と同様の撮像部１１０１および評価対象画像データ生成記録部１１０２を有する。撮像部１１０１は、薬剤投与前と薬剤投与後に、培養心筋細胞５００を撮像する。

評価対象画像データ生成記録部１１０２は、撮像部１１０１から供給される画像信号を基にして評価対象画像データを生成し、生成した評価対象画像データを例えば内部の記録媒体に記録して保存する。つまり、薬剤投与前後の培養心筋細胞５００の各動画像について評価対象画像データが生成される。

また、薬剤評価装置１３００は、培養心筋細胞評価装置１１００の評価指標データ生成部１１０３の代わりに、評価指標データ生成部１３０３を有し、さらに、評価部１１０４の代わりに評価部１３０４を有する。

評価指標データ生成部１３０３は、評価対象画像データ生成記録部１１０２から、評価対象画像データを取得する。評価指標データ生成部１３０３は、取得した評価対象画像データを用いて評価指標データを生成し、それを評価部１３０４に供給する。

より具体的には、評価指標データ生成部１３０３は、例えば培養心筋細胞５００の動画像である評価対象画像データの各フレーム画像間において、そのフレーム画像の全領域を複数に分割した部分領域であるブロック毎に、培養心筋細胞５００の動き検出（動きベクトルの生成）を行う。つまり、評価指標データ生成部１３０３は、このような各ブロックの動き検出を所定期間分（所定フレーム数分）行う。この期間は、撮像部１１０１が撮像した動画像の時間であってもよいし、それより短くてもよい。

評価指標データ生成部１３０３は、さらに、生成した各動きベクトルの動き量（動きベクトルの長さ）を求める。つまり、評価指標データ生成部１３０３は、各ブロックのフレーム毎の動き量を所定期間分生成する。

評価指標データ生成部１３０３が求めたあるブロックの各フレームの動き量を時系列に並べると、例えば、図２５に示されるグラフが得られる。図２５は、評価指標データ生成部１３０３が求めたあるブロックの動き量の時間的変化の様子、すなわち細胞の拍動の様子の例を示す図である。

図２５のグラフにおいて、横軸は経過時間（フレーム数）を示し、縦軸は動き量（pixels/frame）を示す。曲線１３１１（before）が薬剤投与前の培養心筋細胞５００の拍動を示し、曲線１３１２（after）が薬剤投与後の培養心筋細胞５００の拍動を示す。なお、図２５のグラフにおいては、１拍動分（収縮と弛緩を１回ずつ）の波形が示されている。

心筋細胞の拍動は、収縮と弛緩により構成され、曲線１３１１および曲線１３１２において左側に形成される山が「収縮」動作によるものであり、右側に形成される山が「弛緩」動作によるものである。点Ｐ１−１は、曲線１３１１（before）の収縮のピークを示し、点Ｐ１−２が曲線１３１１（before）の弛緩のピークを示す。また、点Ｐ２−１は、曲線１３１２（after）の収縮のピークを示し、点Ｐ２−２が曲線１３１２（after）の弛緩のピークを示す。

一般に心筋の弛緩は、心電図でいうところのＴ波に対応しており、心筋細胞膜の再分極に対応している。このＴ波の延長はＱ波とＴ波間時間の延長として一般にＱＴ延長と呼ばれ、この症状が出る場合、不整脈の可能性が指摘される。例えば、培養心筋細胞５００に投与された薬剤によりカリウムチャネルへのイオンの出し入れが阻害されると、このようなＱＴ延長が発生する。例えば、ＤＬ−ソタロール（dl-sotalol）は、カリウムチャネルを阻害することが知られている。つまり、培養心筋細胞５００にＤＬ−ソタロールを投与すると弛緩過程で働くカリウムチャネル機能の変化によって弛緩過程が変化する。

図２５に示されるように、薬剤投与前と後で、弛緩のピークがずれる。より具体的には、点Ｐ２−２の時刻が、点Ｐ１−２の時刻より時間ｄだけ遅れている（シフトする）。つまり、薬剤投与によるＱＴ延長の発生（例えばＤＬ−ソタロールの投与によるカリウムチャネル機能の変化）を確認することができる。

このように、細胞の拍動（収縮と弛緩）における動きベクトル（若しくはその動き量）の時間的変化を薬剤投与前と後で比較することにより、薬剤による効果や毒性等を評価することができる。

なお、従来の電位測定によっても、このＱＴ延長の観測は可能であるが、電極を有する専用の培養皿必要になる。また、カルシウムを用いた拍動イメージングでは基本的に左側のピークを観察するのみであり、右側のピークを観察することは困難である。したがって、この延長の評価には不向きである。これに対して、上述した本技術の方法の場合、細胞に何ら蛍光色素などの試薬を加えることなく、また特殊な培養皿を使用することなく、細胞拍動挙動の変化を捉えることができる。すなわち、容易、非侵襲、かつ、安価に評価を行うことができる。

このようなＱＴ延長の評価を行うために、評価指標データ生成部１３０３は、さらに、生成された各動きベクトルの動き量（動きベクトルの長さ）から、例えば、時系列に並べた動き量群、点Ｐ２−１や点Ｐ２−２の座標、または時間ｄ等の、波形比較用の特徴量を算出し、その特徴量を評価指標データとして評価部１３０４に供給する。

評価部１３０４は、供給された評価指標データを画像化したり、定量的に評価したり、培養心筋細胞５００の動きについての評価値を算出し、出力したりする。

より具体的には、評価部１３０４は、例えば図２５に示されるような拍動パターンを示すグラフ画像を表示したり、ＱＴ延長の度合いを示す時間ｄを閾値判定することにより、ＱＴ延長の有無を判定したりする。

なお、もちろん、図２５に示されるグラフは画像化の一例であり、これ以外にも、例えば、棒グラフ、分布図、模式図等、任意の画像により細胞の拍動パターンを表現するようにしてもよい。また、評価する薬剤は、任意である。

以下に各部の詳細について説明する。

［評価指標データ生成部］
図２６は、評価指標データ生成部１３０３の主な構成例を示すブロック図である。図２６に示されるように、評価指標データ生成部１３０３は、動き検出部３１０を有し、評価対象画像データ６００（動画像）の各フレーム画像間の動き検出を行い、ブロック毎の動きベクトルを生成する。

また、評価指標データ生成部１３０３は、動き量絶対値算出部１３２１、動き量絶対値格納部１３２２、特徴量算出部１３２３、および特徴量格納部１３２４を有する。

動き量絶対値算出部１３２１は、動き検出部３１０が検出した各動きベクトルについて動き量（動きベクトルの長さの絶対値）（以下、動き量絶対値とも称する）を算出する。動き量絶対値算出部１３２１は、算出した動き量絶対値を動き量絶対値格納部１３２２に格納する。

動き量絶対値格納部１３２２は、評価対象画像データ６００の全フレーム間のブロック毎の動き量絶対値を格納する。例えば、薬剤投与前と後のように、評価対象画像データが複数存在する場合、動き量絶対値格納部１３２２は、各評価対象画像データについて、動き量絶対値を格納する。

特徴量算出部１３２３は、動き量絶対値格納部１３２２に格納されている動き量絶対値を用いて、評価に用いられる所定の特徴量を算出する。特徴量格納部１３２４は、特徴量算出部１３２３が算出した特徴量を格納する。この特徴量は、所定のタイミングにおいて、若しくは、評価部１３０４等の要求に応じて、評価指標データ８００として、評価部１３０４に供給される。

［評価部］
図２７は、評価部１３０４の主な構成例を示すブロック図である。図２７に示されるように、評価部１３０４は、特徴量取得部１３４１、特徴比較部１３４２、表示部１３４３、および出力部１３４４を有する。

特徴量取得部１３４１は、評価指標データ生成部１３０３（特徴量格納部１３２４）から、所望の特徴量（例えばユーザが指定した評価対象（培養心筋細胞５００）の特徴量）を評価指標データ８００として取得する。特徴量取得部１３４１は、取得した特徴量を、表示部１３４３に供給して表示させたり、出力部１３４４に供給して他の装置に供給させたりする。また、特徴量取得部１３４１は、取得した特徴量を、特徴比較部１３４２に供給する。

特徴比較部１３４２は、供給された特徴量を定量的に評価する。例えば、特徴比較部１３４２は、例えば薬剤投与前と後のように複数の培養心筋細胞５００のそれぞれの特徴量を互いに比較したり、特徴量を所定の閾値と比較したりして、定量的に評価する。特徴比較部１３４２は、その比較結果を表示部１３４３に供給して表示させたり、出力部１３４４に供給して他の装置に供給させたりする。

表示部１３４３は、例えばモニタ等の表示デバイスを有し、特徴量取得部１３４１若しくは特徴比較部１３４２から供給されるデータを画像化し、その画像を表示デバイスに表示する。例えば、表示部１３４３は、特徴量取得部１３４１により取得された動き量を用いて、例えば図２５に示されるようなグラフを生成し、表示する。また、例えば、表示部１３４３は、特徴比較部１３４２から供給される評価結果を画像化し、表示する。

出力部１３４４は、例えば外部端子等のインタフェースを有し、特徴量取得部１３４１若しくは特徴比較部１３４２から供給されるデータを外部の装置やネットワーク等に出力する。

以上のように、評価部１３０４が拍動パターンを評価することにより、薬剤評価装置１３００は、薬剤投与による心筋細胞の拍動への影響を、容易かつ非侵襲に評価することができる。

なお、以上においては、評価部がＱＴ延長の発生を評価するように説明したが、評価するパラメータは、これ以外であってもよい。つまり、算出される特徴量も任意である。例えば、図２５のグラフにおいて、点Ｐ１−２および点Ｐ２−２の動き量の差を特徴量としてもよい。また、例えば、点Ｐ１−１および点Ｐ２−１の時間や動き量の差を特徴量としてもよい。さらに例えば、収縮の山の幅や弛緩の山の幅を特徴量としてもよい。もちろん、これ以外のパラメータを特徴量としてもよい。

また、評価部１３０４は、このような評価を、観察領域内の全ブロックについて行うようにしてもよいし、一部のブロックについて行うようにしてもよい。さらに、評価部１３０４は、このような評価を、観察期間の全ての拍動について行うようにしてもよいし、一部の拍動について行うようにしてもよい。

［評価処理の流れ］
次に、図２８のフローチャートを参照して、薬剤評価装置１３００により実行される評価処理の流れの例を説明する。

評価処理が開始されると、薬剤評価装置１３００の撮像部１１０１は、ステップＳ１３０１において、評価対象を撮像する。ステップＳ１３０２において、評価対象画像データ生成記録部１１０２は、ステップＳ１３０１の撮像により得られた画像信号から評価対象画像データを生成する。

ステップＳ１３０３において、評価指標データ生成部１３０３は、ステップＳ１３０２において生成された評価対象画像データを用いて評価指標データを生成する。ステップＳ１３０４において、評価部１３０４は、ステップＳ１３０３において生成された評価指標データを用いて、薬剤投与前後の培養心筋細胞５００の拍動パターン（例えばＱＴ延長）を観察することにより、薬剤の影響を評価する。

ステップＳ１３０５において、評価部１３０４の出力部１３４４は、ステップＳ１３０４において算出された評価値を薬剤評価装置１３００の外部に出力し、評価処理を終了する。なお、ステップＳ１３０５において、出力部１３４４の出力の代わりに、上述したように、表示部１３４３が評価値を画像化し、その画像を表示デバイスに表示するようにしてもよい。また、上述したように、表示部１３４３が、ステップＳ１３０３の処理において算出される各種特徴量を画像化し、表示デバイスに表示するようにしてもよいし、出力部１３４４が、その各種特徴量を薬剤評価装置１３００の外部に出力するようにしてもよい。

［評価指標データ生成処理の流れ］
次に、図２８のステップＳ１３０３において実行される評価指標データ生成処理の流れの例を、図２９のフローチャートを参照して説明する。

評価指標データ生成処理が開始されると、評価指標データ生成部１３０３の動き検出部３１０は、ステップＳ１３２１において、評価対象の動きをブロック毎に検出し、動きベクトルを生成する。ステップＳ１３２２において、動き量絶対値算出部１３２１は、ステップＳ１３２１において生成された動きベクトルの動き量絶対値を算出する。

ステップＳ１３２３において、動き量絶対値格納部１３２２は、ステップＳ１３２２において算出された動き量絶対値を記憶する。

ステップＳ１３２４において、動き検出部３１０は、予め定められた所定の期間（評価区間）、動き検出を行ったか否かを判定する。所定の評価区間において、動き検出を行っていないフレーム画像が存在すると判定された場合、動き検出部３１０は、処理をステップＳ１３２１に戻し、新たな処理対象フレーム画像に対して動き検出を繰り返す。

また、ステップＳ１３２４において、所定の評価区間において処理対象とする全てのフレーム画像において動き検出を行ったと判定された場合、動き検出部３１０は、処理をステップＳ１３２５に進める。

ステップＳ１３２５において、特徴量算出部１３２３は、ステップＳ１３２３において記憶された動き量絶対値を用いて特徴量を算出する。ステップＳ１３２６において、特徴量格納部１３２４は、ステップＳ１３２５において算出された特徴量を記憶する。

ステップＳ１３２７において、特徴量算出部１３２３は、特徴量の算出を予め定められた所定回数（例えばＳ回）繰り返したか否かを判定し、所定回数に達していないと判定された場合、処理をステップＳ１３２１に戻し、それ以降の処理を繰り返す。また、ステップＳ１３２７において、特徴量の算出を所定回数繰り返したと判定された場合、特徴量算出部１３２３は、評価指標データ生成処理を終了し、処理を図２８に戻し、ステップＳ１３０４以降の処理を実行させる。

［影響評価処理の流れ］
次に、図３０のフローチャートを参照して、図２８のステップＳ１３０４において実行される影響評価処理の流れの例を説明する。

影響評価処理が開始されると、評価部１３０４の特徴量取得部１３４１は、ステップＳ１３４１において、特徴量格納部１３２４から所望の動きベクトルを取得する。

ステップＳ１３４２において、特徴比較部１３４２は、ステップＳ１３４１において取得した特徴量を対象間で比較する。ステップＳ１３４２の処理が終了すると、特徴比較部１３４２は、影響評価処理を終了し、処理を図２８に戻し、ステップＳ１３０５の処理を実行させる。

以上のように、評価部１３０４が動き検出された観察対象の動き量の時間的変化についての特徴量を求めることにより、薬剤評価装置１３００は、薬剤投与による心筋細胞の拍動への影響を、容易に評価することができる。この方法は、特殊な培養皿や蛍光試薬を使わないため、簡便、非侵襲、安価に評価が可能であり、また自動化にも好適である。また、この方法の場合、観察領域は、例えば０．６mm平方程度と比較的狭い範囲でよく、少ない細胞数と少ない試薬で試験が可能である。また、一般的に市販されている高密度の培養プレート（１５３６穴プレート（１．７ｍｍ直径/1well）や３８４穴プレート（３．６ｍｍ直径/1well）によっても十分に評価可能であり、創薬における最初のスクリーニングにも好適である。本技術は、さらに、培養心筋細胞５００を観察することにより評価可能なものであればどのようなものを評価する場合にも適用することができる。

［薬剤投与による拍動変化の例］
図３１は、薬剤投与前後の拍動の様子の例を示す図である。図３１に示される８個のグラフは、いずれも、培養心筋細胞５００の観察領域内の所定の部分の拍動の様子（動き量絶対値の時間的変化）の観察結果である。横軸は時刻（sec）を示し、縦軸はフレーム間の動き量絶対値（pixcel/frame）を示す。つまり、各グラフにおいて示される各振幅が培養心筋細胞５００の拍動を表している。

図３１の左側のグラフが薬剤投与前の拍動の様子を示し、右側のグラフが薬剤投与後（投与してから所定時間経過後）の拍動の様子を示している。

図３１の例の場合、一番上のグラフは、有機溶媒（control）（例えばジメチルスルホキシド（dimethyl sulfoxide））の投与前後の拍動の様子を示している。また、上から２番目のグラフは、アスピリン（aspirin（アセチルサリチル酸（acetylsalicylic acid）））の投与前後の拍動の様子を示している。さらに、上から３番目のグラフは、ＤＬ−ソタロール（dl-sotalol）の投与前後の拍動の様子を示している。また、一番下の３Ｄプロットは、１８−β−グリチルレチン酸（18-β-Glycyrrhetinic acid）の投与前後の拍動の様子を示している。

図３１のグラフに示されるように、有機溶媒やアスピリンは、心筋細胞の拍動の間隔に大きな影響を与えない。つまり、図３１の左側のグラフに示されるように薬剤投与前においては、拍動は、略一定間隔で繰り返される（ピーク間隔が略一定である）が、この心筋細胞に有機溶媒やアスピリンを投与しても、図３１の右側の上から１段目および２段目のグラフに示されるように、拍動は、薬剤投与前と略同一の間隔で、一定間隔に繰り返される。つまり、この場合、拍動のリズムは略変化しない（ピーク間隔が変化しない）。

これに対して、ＤＬ−ソタロールを投与すると、カリウムチャネルの機能が阻害されることにより、弛緩の波形（拍動の幅）が変化する（不安定になる）だけでなく、図３１の右側の上から３段目のグラフに示されるように、拍動のタイミングが不安定になる（ピーク間隔にばらつきが生じる）。また、ピーク時の動き量絶対値も不安定になる（ばらつきが生じる）。

また、１８−β−グリチルレチン酸は、ギャップジャンクションを阻害することが知られている。この１８−β−グリチルレチン酸を投与する場合も、図３１の右側の上から４段目のグラフに示されるように、拍動のタイミングやピーク時の動き量絶対値が不安定になる（ばらつきが生じる）。

また、図３２は、薬剤投与前後の拍動のばらつきの様子の例を示す図である。図３２に示される８個のグラフは、いずれも、培養心筋細胞５００の観察領域内の所定の部分において繰り返される拍動の波形（複数の拍動）を重畳させたものである。

図３１の場合と同様に、各グラフの横軸は時刻（sec）を示し、縦軸はフレーム間の動き量絶対値（pixcel/frame）を示す。また、左側のグラフが薬剤投与前の拍動を示し、右側のグラフが薬剤投与後（投与してから所定時間経過後）の拍動を示している。

また、図３１の場合と同様に、投与される薬剤は、上から順に、有機溶媒（control）、アスピリン（aspirin（アセチルサリチル酸（acetylsalicylicacid）））、ＤＬ−ソタロール（dl-sotalol）、１８−β−グリチルレチン酸（18-β-Glycyrrhetinic acid）である。

図３２のグラフに示されるように、有機溶媒やアスピリンを投与しても、心筋細胞の各拍動には、投与前と同様に大きなばらつきは生じない。

これに対して、ＤＬ−ソタロールを投与すると、カリウムチャネルの機能が阻害されることにより、図３１の右側の上から３段目のグラフに示されるように、主に弛緩の波形（ピークの大きさ、ピークの出現時刻、ピークの出現回数、および幅（ＱＴ延長）等）に大きなばらつきが生じる。また、収縮の波形においてもピークの高さに大きなばらつきが生じる。

また、１８−β−グリチルレチン酸は、ギャップジャンクションの機能が阻害されることにより、図３１の右側の上から４段目のグラフに示されるように、収縮の波形においてピークの高さに大きなばらつきが生じる。

薬剤評価装置１３００を用いることにより、このような薬剤の投与による拍動への影響を容易かつ非侵襲に把握することができる。

以上のように、培養心筋細胞５００の観察領域内の特定の細胞（特定の部分領域）について、薬剤投与による拍動の様子の変化を観察することにより、細胞間の拍動の相関性を観察するだけでは得られない情報を得ることができる。したがって、細胞間の拍動の相関性を観察する場合とは異なる指標で薬剤評価を行うことができる。

＜５．第５の実施の形態＞
［パーソナルコンピュータ］
上述した一連の処理は、ハードウエアにより実行させることもできるし、ソフトウエアにより実行させることもできる。この場合、例えば、図３３に示されるようなパーソナルコンピュータとして構成されるようにしてもよい。

図３３において、パーソナルコンピュータ１５００のCPU（Central Processing Unit）１５０１は、ROM（Read Only Memory）１５０２に記憶されているプログラム、または記憶部１５１３からRAM（Random Access Memory）１５０３にロードされたプログラムに従って各種の処理を実行する。RAM１５０３にはまた、CPU１５０１が各種の処理を実行する上において必要なデータなども適宜記憶される。

CPU１５０１、ROM１５０２、およびRAM１５０３は、バス１５０４を介して相互に接続されている。このバス１５０４にはまた、入出力インタフェース１５１０も接続されている。

入出力インタフェース１５１０には、キーボード、マウスなどよりなる入力部１５１１、CRT（Cathode Ray Tube）やLCD（Liquid Crystal Display）などよりなるディスプレイ、並びにスピーカなどよりなる出力部１５１２、ハードディスクなどより構成される記憶部１５１３、モデムなどより構成される通信部１５１４が接続されている。通信部１５１４は、インターネットを含むネットワークを介しての通信処理を行う。

入出力インタフェース１５１０にはまた、必要に応じてドライブ１５１５が接続され、磁気ディスク、光ディスク、光磁気ディスク、或いは半導体メモリなどのリムーバブルメディア１５２１が適宜装着され、それらから読み出されたコンピュータプログラムが、必要に応じて記憶部１５１３にインストールされる。

上述した一連の処理をソフトウエアにより実行させる場合には、そのソフトウエアを構成するプログラムが、ネットワークや記録媒体からインストールされる。

この記録媒体は、例えば、図３３に示されるように、装置本体とは別に、ユーザにプログラムを配信するために配布される、プログラムが記録されている磁気ディスク（フレキシブルディスクを含む）、光ディスク（CD-ROM（Compact Disc - Read Only Memory）,DVD（Digital Versatile Disc）を含む）、光磁気ディスク（MD（Mini Disc）を含む）、若しくは半導体メモリなどよりなるリムーバブルメディア１５２１により構成されるだけでなく、装置本体に予め組み込まれた状態でユーザに配信される、プログラムが記録されているROM１５０２や、記憶部１５１３に含まれるハードディスクなどで構成される。

なお、コンピュータが実行するプログラムは、本明細書で説明する順序に沿って時系列に処理が行われるプログラムであっても良いし、並列に、あるいは呼び出しが行われたとき等の必要なタイミングで処理が行われるプログラムであっても良い。

また、本明細書において、記録媒体に記録されるプログラムを記述するステップは、記載された順序に沿って時系列的に行われる処理はもちろん、必ずしも時系列的に処理されなくとも、並列的あるいは個別に実行される処理をも含むものである。

また、本明細書において、システムとは、複数のデバイス（装置）により構成される装置全体を表すものである。

また、以上において、１つの装置（または処理部）として説明した構成を分割し、複数の装置（または処理部）として構成するようにしてもよい。逆に、以上において複数の装置（または処理部）として説明した構成をまとめて１つの装置（または処理部）として構成されるようにしてもよい。また、各装置（または各処理部）の構成に上述した以外の構成を付加するようにしてももちろんよい。さらに、システム全体としての構成や動作が実質的に同じであれば、ある装置（または処理部）の構成の一部を他の装置（または他の処理部）の構成に含めるようにしてもよい。つまり、本技術は、上述した実施の形態に限定されるものではなく、本技術の要旨を逸脱しない範囲において種々の変更が可能である。

なお、本技術は以下のような構成も取ることができる。
（１） 周期的な運動を行う物体の画像内容を有する動画像データを形成する複数のフレーム画像データを所定画素数の配列によるブロックに分割して当該ブロックごとの動きの時系列データを検出する動き検出部と、
前記検出されたブロックごとの動きの時系列データに基づいて、前記ブロックごとに少なくとも１種類の特徴量を算出する特徴量算出部と、
前記複数のフレーム画像データの何れか１つを形成する前記ブロックのそれぞれを所定数の分類区分のうちの何れか１つに属するものとして分類した結果を示す分類データを前記算出された特徴量に基づいて生成する分類処理部と
を具備するデータ処理装置。
（２） 前記特徴量算出部は、複数種類の前記特徴量を前記ブロックごとに算出し、
前記分類部は、算出された複数種類の前記特徴量に基づいて前記分類データを生成する
前記（１）に記載のデータ処理装置。
（３） 前記特徴量算出部は、前記特徴量の１種類として一定時間における単位時間ごとの動き方向の平均値である平均動き方向を算出する
前記（１）または（２）に記載のデータ処理装置。
（４） 前記特徴量算出部は、前記特徴量の１種類として一定時間における単位時間ごとの動き量の平均値である平均動き量を算出する
前記（１）乃至（３）のいずれかに記載のデータ処理装置。
（５） 前記特徴量算出部は、前記特徴量の１種類として一定時間において得られた一定以上の動き量の振幅の平均値である平均振幅を算出する
前記（１）乃至（４）のいずれかに記載のデータ処理装置。
（６） 前記特徴量算出部は、前記特徴量の１種類として一定時間における単位時間ごとの動きの加速度の平均値である平均加速度を算出する
前記（１）乃至（５）のいずれかに記載のデータ処理装置。
（７） 前記特徴量算出部は、前記特徴量の１種類として一定時間において一定以上の動き量の振幅が得られる時間間隔の平均値である平均動き間隔を算出する
前記（１）乃至（６）のいずれかに記載のデータ処理装置。
（８） 前記特徴量算出部は、前記特徴量の１種類として所定のタイミングから一定以上の動き量の振幅が得られるタイミングまでの時間である動き開始時間を算出する
前記（１）乃至（７）のいずれかに記載のデータ処理装置。
（９） 前記分類部は、前記複数の分類区分に対応して異なる特徴量の組み合わせを有する複数のテンプレートの各々と前記ブロックとの距離を算出し、算出された距離に基づいて前記ブロックを前記複数の分類区分のうちの何れか１つに属するものとして分類する処理を前記ブロックごとに行う
前記（１）乃至（８）のいずれかに記載のデータ処理装置。
（１０） 前記分類部は、前記ブロックごとに対応して算出された特徴量に基づいてｋ平均法によるクラスタリングを行うことで、前記ブロックのそれぞれを所定数の分類区分のうちの何れか１つに属するものとして分類する
前記（１）乃至（９）のいずれかに記載のデータ処理装置。
（１１） 周期的な運動を行う物体の画像内容を有する動画像データを形成する複数のフレーム画像データを所定画素数の配列によるブロックに分割して当該ブロックごとの動きの時系列データを検出する動き検出手順と、
前記検出されたブロックごとの動きの時系列データに基づいて、前記ブロックごとに少なくとも１種類の特徴量を算出する特徴量算出手順と、
前記複数のフレーム画像データの何れか１つを形成する前記ブロックのそれぞれを所定数の分類区分のうちの何れか１つに属するものとして分類した結果を示す分類データを前記算出された特徴量に基づいて生成する分類処理手順と
を具備するデータ処理方法。
（１２） 評価対象の画像を用いて前記評価対象の動きを検出する動き検出部と、
前記動き検出部により検出された前記評価対象の動きを示す動きベクトルを用いて、前記評価対象の動きの特徴を示し、前記評価対象の評価のための指標として用いられる指標データを生成する指標データ生成部と、
前記指標データ生成部により生成された前記指標データを評価し、評価値を算出する評価値算出部と
を備える画像処理装置。
（１３） 前記指標データ生成部は、前記評価対象の動きの振幅の大きさに関する指標データと、前記評価対象の動きのピークの単位時間当たりの頻度に関する指標データを生成し、
前記評価値算出部は、前記指標データ生成部により生成された前記評価対象の動きの振幅の大きさに関する指標データを用いて、前記評価対象の動きの振幅の大きさ評価する評価値を算出し、さらに、前記指標データ生成部により生成された前記評価対象の動きのピークの単位時間当たりの頻度に関する指標データを用いて、前記評価対象の動きのピークの単位時間当たりの頻度を評価する評価値を算出する
前記（１２）に記載の画像処理装置。
（１４） 前記評価対象の動きの振幅の大きさに関する指標データは、正規化した前記振幅と、正規化した前記振幅の分散との積の前記評価対象の画像全体の平均値である
前記（１３）に記載の画像処理装置。
（１５） 前記評価対象の動きの振幅の大きさに関する指標データは、正規化した前記振幅と正規化した前記振幅の分散との積の値が所定の閾値以上の値となる領域の、前記評価対象の画像全体に占める割合である
前記（１３）または（１４）のいずれかに記載の画像処理装置。
（１６） 前記評価対象の動きのピークの単位時間当たりの頻度に関する指標データは、正規化した単位時間当たりの前記ピークの数と、正規化した単位時間当たりの前記ピークの数の分散との積の画面全体の平均値である
前記（１３）乃至（１５）のいずれかに記載の画像処理装置。
（１７） 前記評価対象の動きのピークの単位時間当たりの頻度に関する指標データは、正規化した単位時間当たりの前記ピークの数と正規化した単位時間当たりの前記ピークの数の分散との積の値が所定の閾値以上の値となる領域の、前記評価対象の画像全体に占める割合である
前記（１３）乃至（１６）のいずれかに記載の画像処理装置。
（１８） 前記指標データ生成部は、さらに、前記評価対象の動きの特徴量に基づいて前記評価対象の画像の各部分領域を分類した分類結果に関する指標データを生成し、
前記評価値算出部は、さらに、前記指標データ生成部により生成された前記分類結果に関する指標データを用いて、前記評価対象の動きの特徴量の分類結果を評価する評価値を算出する
前記（１３）乃至（１７）のいずれかに記載の画像処理装置。
（１９） 前記指標データ生成部は、前記動き検出部により検出された前記評価対象の動き量を算出し、
前記評価値算出部は、前記指標データ生成部により算出された前記動き量の時間的変化を画像化し、表示する
前記（１２）乃至（１８）のいずれかに記載の画像処理装置。
（２０） 前記指標データ生成部は、算出した前記動き量の時間的変化の、前記評価対象である心筋細胞の弛緩を示す波形のピークの、前記心筋細胞への薬剤投与による変化を示す指標データを生成し、
前記評価値算出部は、前記指標データ生成部により算出された前記指標データを評価し、評価値を算出する
前記（１９）に記載の画像処理装置。
（２１） 前記評価対象を撮像し、前記評価対象の画像を得る撮像部をさらに備え、
前記動き検出部は、前記撮像部により得られた前記評価対象の画像を用いて前記評価対象の動きを検出する
前記（１２）乃至（２０）のいずれかに記載の画像処理装置。
（２２） 前記動き検出部は、動画像である前記評価対象の画像の、所定の長さの評価期間の各フレーム画像間の前記評価対象の動きを検出する
前記（１２）乃至（２１）のいずれかに記載の画像処理装置。
（２３） 前記動き検出部は、前記評価期間の前記評価対象の動きの検出を、所定回数繰り返す
前記（２２）に記載の画像処理装置。
（２４） 前記評価値算出部は、前記指標データ生成部により生成された複数種類の前記指標データのそれぞれを評価して評価値を算出し、算出した各評価値を統合することにより、前記評価対象を評価する評価値を算出する
前記（１２）乃至（２３）のいずれかに記載の画像処理装置。
（２５） 前記評価対象は、自発的に動く細胞である
前記（１２）乃至（２４）のいずれかに記載の画像処理装置。
（２６） 前記評価対象は、生体より採取した細胞を培養して生成した培養細胞である
前記（１２）乃至（２５）のいずれかに記載の画像処理装置。
（２７） 画像処理装置の動き検出部が、評価対象の画像を用いて前記評価対象の動きを検出し、
前記画像処理装置の指標データ生成部が、検出された前記評価対象の動きを示す動きベクトルを用いて、前記評価対象の動きの特徴を示し、前記評価対象の評価のための指標として用いられる指標データを生成し、
前記画像処理装置の評価値算出部が、生成された前記指標データを評価し、評価値を算出する
画像処理方法。
（２８） コンピュータを、
評価対象の画像を用いて前記評価対象の動きを検出する動き検出部、
検出された前記評価対象の動きを示す動きベクトルを用いて、前記評価対象の動きの特徴を示し、前記評価対象の評価のための指標として用いられる指標データを生成する指標データ生成部、
生成された前記指標データを評価し、評価値を算出する評価値算出部
として機能させるためのプログラム。

１００ 培養心筋細胞評価システム， １１０ 撮像装置， ２００ 評価対象画像データ生成記録装置， ３００ 評価指標データ生成装置， ３１０ 動き検出部， ３１１ フレームメモリ， ３１２ 動きベクトル算出部， ３２０ 動き検出データ格納部， ３３０ 特徴量算出部， ３４０ 分類処理部， ４００ 評価装置， ５００ 培養心筋細胞， ６００ 評価対象画像データ， ６１０ フレーム画像データ， ６１１ ブロック， ７００ 動き検出データ， ７１０ フレーム単位動き検出データ， ８００ 評価指標データ， ８０１ 個別分類結果データ， １１００ 培養心筋細胞評価装置， １１０１ 撮像部， １１０２ 評価対象画像データ生成記録部， １１０３ 評価指標データ生成部， １１０４ 評価部， １１２３ 特徴量算出部， １１２４ 分類処理部， １１２５ 動き特徴量データ履歴格納メモリ， １１４１ 振幅評価部， １１４２ 拍動数評価部， １１４３ 分類結果評価部， １１４４ 評価統合部， １３００ 薬剤評価装置， １３０３ 評価指標データ生成部， １３０４ 評価部， １３４１ 特徴量取得部， １３４２ 特徴比較部， １３４３ 表示部， １３４４ 出力部

Claims (20)

1. 周期的な運動を行う物体を撮像した画像データから特定された動きの特徴量に基づき前記画像データの少なくとも一部を構成する複数ブロックそれぞれを分類した画像を表示するよう制御する制御部
   を有するデータ処理装置。
2. 前記動きの特徴量は、動きベクトル若しくは動き量に基づき算出される
   請求項１に記載のデータ処理装置。
3. 前記画像データは、動画像データから取得される複数のフレーム画像データである
   請求項１または請求項２に記載のデータ処理装置。
4. 前記周期的な運動を行う物体は、自発的に動く細胞を含む
   請求項１乃至請求項３のいずれかに記載のデータ処理装置。
5. 前記周期的な運動を行う物体は、生体より採取した細胞を培養して生成した培養細胞を含む
   請求項１乃至請求項４のいずれかに記載のデータ処理装置。
6. 前記周期的な運動を行う物体は、少なくとも１つの心筋細胞を含む
   請求項１乃至請求項５のいずれかに記載のデータ処理装置。
7. 前記特徴量は、一定時間における単位時間ごとの動き量の平均値である平均動き量を含む
   請求項１乃至請求項６のいずれかに記載のデータ処理装置。
8. 前記特徴量は、所定のタイミングから一定以上の動き量の振幅が得られるタイミングまでの時間である動き開始時間を含む
   請求項１乃至請求項７のいずれかに記載のデータ処理装置。
9. 前記特徴量は、一定時間における単位時間ごとの動き方向の平均値である平均動き方向を含む
   請求項１乃至請求項８のいずれかに記載のデータ処理装置。
10. 前記特徴量は、一定時間において得られた一定以上の動き量の振幅の平均値である平均振幅を含む
    請求項１乃至請求項９のいずれかに記載のデータ処理装置。
11. 前記特徴量は、一定時間における単位時間ごとの動きの加速度の平均値である平均加速度を含む
    請求項１乃至請求項１０のいずれかに記載のデータ処理装置。
12. 前記特徴量は、一定時間において一定以上の動き量の振幅が得られる時間間隔の平均値である平均動き間隔を含む
    請求項１乃至請求項１１のいずれかに記載のデータ処理装置。
13. 前記制御部は、前記特徴量に基づき前記複数ブロックそれぞれを所定数の分類区分に分類した結果を示す分類データを生成し、生成した前記分類データを前記ブロックそれぞれに紐づけて表示するよう制御する
    請求項１乃至請求項１２のいずれかに記載のデータ処理装置。
14. 前記制御部は、前記ブロックごとに対応して算出された特徴量に基づいてｋ平均法によるクラスタリングを行うことで、前記ブロックのそれぞれを前記分類区分のうちの何れか１つに属するものとして分類して前記分類データを生成する
    請求項１３に記載のデータ処理装置。
15. 前記制御部は、複数の前記特徴量に基づいて前記分類データを生成する
    請求項１３または請求項１４に記載のデータ処理装置。
16. 前記制御部は、前記分類区分に対応して異なる特徴量の組み合わせを有する複数のテンプレートの各々と前記ブロック毎に算出された前記複数の特徴量の組み合わせとの距離を算出し、算出された距離に基づいて前記ブロックを前記分類区分のうちの何れか１つに属するものとして分類する処理を前記ブロックごとに行い、前記分類データを生成する
    請求項１５に記載のデータ処理装置。
17. 前記制御部は、前記特徴量を前記ブロック毎に求め、求めた前記特徴量を利用して前記分類データを生成する
    請求項１３乃至請求項１６のいずれかに記載のデータ処理装置。
18. 前記制御部は、前記画像データより動きデータを生成し、生成した前記動きデータに基づいて前記特徴量を求める
    請求項１７に記載のデータ処理装置。
19. 周期的な運動を行う物体を撮像した画像データから特定された動きの特徴量に基づき前記画像データの少なくとも一部を構成する複数ブロックそれぞれを分類した画像を表示するよう制御する
    データ処理方法。
20. 周期的な運動を行う物体を撮像する撮像部と、
    前記周期的な運動を行う物体を撮像した画像データから特定された動きの特徴量に基づき前記画像データの少なくとも一部を構成する複数ブロックそれぞれを分類するデータ生成部と、
    前記複数ブロックそれぞれを分類した画像を表示する表示部と
    を備えるデータ処理システム。

Images