JP2017221555A - Quality evaluation support system of corneal endothelial cell - Google Patents
Quality evaluation support system of corneal endothelial cell Download PDFInfo
- Publication number
- JP2017221555A JP2017221555A JP2016120512A JP2016120512A JP2017221555A JP 2017221555 A JP2017221555 A JP 2017221555A JP 2016120512 A JP2016120512 A JP 2016120512A JP 2016120512 A JP2016120512 A JP 2016120512A JP 2017221555 A JP2017221555 A JP 2017221555A
- Authority
- JP
- Japan
- Prior art keywords
- image
- cell
- corneal endothelial
- endothelial cell
- quality evaluation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Eye Examination Apparatus (AREA)
Abstract
Description
本発明は、角膜内皮細胞の品質の評価を支援するシステムに関するものである。 The present invention relates to a system that supports evaluation of the quality of corneal endothelial cells.
角膜内皮再生医療においては、角膜内皮細胞が減少している患者に対して、体外で培養された角膜内皮細胞を移植する治療が行われるが、この場合、移植すべき培養角膜内皮細胞の品質の評価が重要であり、通常、これは医師や技師の目視により、細胞密度、細胞面積のばらつき、および細胞の形状等の品質評価指標を測定することによってなされる。 In corneal endothelium regenerative medicine, patients with reduced corneal endothelial cells are treated by transplanting corneal endothelial cells cultured outside the body. In this case, the quality of the cultured corneal endothelial cells to be transplanted is treated. Evaluation is important, and this is usually done by measuring quality evaluation indices such as cell density, variation in cell area, and cell shape by visual observation of a doctor or engineer.
しかし、品質評価指標を正確に測定するには豊富な知識および経験を要し、さらに、品質評価指標の測定は、長期にわたる細胞培養の間に手作業によって継続的になされるので、医師や技師の負担がきわめて大きかった。 However, accurate measurement of quality indicators requires a wealth of knowledge and experience, and measurements of quality indicators are continuously performed manually during long-term cell culture, so doctors and technicians The burden of was extremely heavy.
そこで、近年、画像処理プログラムを利用して培養角膜内皮細胞の品質評価指標の測定を支援する研究がなされており、培養角膜内皮細胞の品質評価支援システムが既にいくつか開発されている。 Therefore, in recent years, research for supporting measurement of quality evaluation indexes of cultured corneal endothelial cells using an image processing program has been conducted, and several quality evaluation support systems for cultured corneal endothelial cells have already been developed.
この種のシステムとして、例えば、非特許文献１に記載されたものがある。
非特許文献１に記載のシステムにおいては、二値化フィルタと、教師なし学習法を用いたパターン認識アルゴリズムの１つであるＧＮＧ（Growing Neural Gas）が用いられる。そして、まず、培養角膜内皮細胞画像が二値化されて細胞境界と細胞領域に分割され、その後、細胞境界がＧＮＧによってベクトル量子化されてユニットが生成され、次いで、ユニットが接続されて細胞境界画像が生成される。
An example of this type of system is described in Non-Patent Document 1.
In the system described in Non-Patent Document 1, a binarization filter and GNG (Growing Neural Gas) which is one of pattern recognition algorithms using an unsupervised learning method are used. First, the cultured corneal endothelial cell image is binarized and divided into a cell boundary and a cell region, and then the cell boundary is vector quantized by GNG to generate a unit, and then the unit is connected to the cell boundary An image is generated.
しかしながら、このシステムにおいては、培養角膜内皮細胞画像中の細胞密度によってシステムのパラメータを変更する必要があり、しかも、処理に膨大な時間を要し、実用性に乏しいという問題があった。 However, in this system, there is a problem that it is necessary to change system parameters depending on the cell density in the cultured corneal endothelial cell image, and further, the processing requires enormous time and is not practical.
したがって、本発明の課題は、より実用性の高い培養角膜内皮細胞品質評価支援システムを提供することにある。 Accordingly, an object of the present invention is to provide a culture corneal endothelial cell quality evaluation support system with higher practicality.
上記課題を解決するため、本発明によれば、角膜内皮細胞画像の入力を受ける入力部と、前記入力部に入力された角膜内皮細胞画像を、ＦＦＴによって、合焦角膜内皮細胞画像と非合焦角膜内皮細胞画像に分別する処理対象分別部と、前記合焦角膜内皮細胞画像を二値化フィルタ処理することによって、前記合焦角膜内皮細胞画像から細胞境界を抽出した細胞境界画像を生成する細胞境界画像生成部と、を備え、前記細胞境界画像生成部は、互いに異なる複数の前記二値化フィルタ処理のうちの１つを選択的に行えるようになっており、さらに、前記細胞境界画像から対応する前記合焦角膜内皮細胞画像の品質評価のための特徴量を抽出する特徴量抽出部と、ＳＶＭ（Support Vector Machine）アルゴリズムによって、前記特徴量に基づき、前記対応する合焦角膜内皮細胞画像を高画質画像と低画質画像に分別し、さらに、前記低画質画質に分別した前記合焦角膜内皮細胞画像を、前記細胞境界画像生成部で前と異なる前記二値化フィルタ処理を用いて再処理すべきか否かを判定する画像品質評価部と、前記画像品質評価部によって前記高画質画像に分別された前記合焦角膜内皮細胞画像の面積情報および形状情報を示すカラーマップをディスプレイ表示する品質評価結果表示部と、を備えたものであることを特徴とする角膜内皮細胞品質評価支援システムが提供される。 In order to solve the above problems, according to the present invention, an input unit that receives an input of a corneal endothelial cell image and a corneal endothelial cell image input to the input unit are combined with a focused corneal endothelial cell image by FFT. A processing target sorting unit for sorting into a focal corneal endothelial cell image and a binarization filter process on the focused corneal endothelial cell image to generate a cell boundary image obtained by extracting a cell boundary from the focused corneal endothelial cell image A cell boundary image generation unit, wherein the cell boundary image generation unit can selectively perform one of a plurality of the binarization filter processes different from each other, and the cell boundary image generation unit Based on the feature amount, the feature amount extraction unit for extracting the feature amount for quality evaluation of the focused corneal endothelial cell image corresponding to the SVM (Support Vector Machine) algorithm The focused corneal endothelial cell image is classified into a high-quality image and a low-quality image, and the focused corneal endothelial cell image classified into the low-quality image is further differentiated from the binary image by the cell boundary image generation unit. An image quality evaluation unit that determines whether or not to re-process using a conversion filter process, and area information and shape information of the focused corneal endothelial cell image that has been sorted into the high-quality image by the image quality evaluation unit A corneal endothelial cell quality evaluation support system comprising a quality evaluation result display unit for displaying a color map on a display is provided.
本発明の好ましい実施例によれば、前記二値化フィルタ処理は、平均化フィルタによる平均化処理およびガウシアンフィルタによる平滑化処理を含み、前記複数の二値化フィルタ処理は、前記平均化フィルタおよび前記ガウシアンフィルタのうちの少なくとも１つのサイズのみが互いに異なっている。
本発明の別の実施例によれば、前記特徴量は、細胞密度および細胞面積の変動係数および六角形細胞出現率の組み合わせ、または、前記細胞密度および前記細胞面積の変動率および正常細胞出現率の組み合わせ、または、前記細胞密度および前記細胞面積の変動率および前記六角形細胞出現率および正常細胞出現率の組み合わせからなっている。
According to a preferred embodiment of the present invention, the binarization filter process includes an averaging process by an averaging filter and a smoothing process by a Gaussian filter, and the plurality of binarization filter processes include the averaging filter and Only the size of at least one of the Gaussian filters is different from each other.
According to another embodiment of the present invention, the feature amount is a combination of a cell density and cell area variation coefficient and a hexagonal cell appearance rate, or the cell density and cell area variation rate and a normal cell appearance rate. Or a combination of the cell density and the cell area variation rate and the hexagonal cell appearance rate and normal cell appearance rate.
本発明によれば、入力された角膜内皮細胞画像から合焦角膜内皮細胞画像を選別し、選別した画像を二値化フィルタ処理することによって細胞境界画像を生成するので、細胞境界画像の生成を短時間で行うことができる。
また、教師つき学習法を用いたパターン認識アルゴリズムの１つであるＳＶＭによって機械学習を行いながら、細胞境界画像の生成、細胞境界画像からの特徴量の抽出および特徴量に基づく品質評価を実行するので、システムの繰り返し使用に伴って、より高速かつより高精度で品質評価を行うことができるようになる。
According to the present invention, the focused corneal endothelial cell image is selected from the input corneal endothelial cell image, and the cell boundary image is generated by performing binarization filter processing on the selected image. It can be done in a short time.
In addition, while performing machine learning using SVM, which is one of pattern recognition algorithms using a supervised learning method, generation of cell boundary images, extraction of feature amounts from cell boundary images, and quality evaluation based on feature amounts are executed. Therefore, quality evaluation can be performed with higher speed and higher accuracy with repeated use of the system.
さらに、品質評価の結果を角膜内皮細胞画像の面積情報および形状情報を示すカラーマップで表示するので、医師や技師はこのカラーマップに基づいて最終確認を行うだけでよく、医師および技師の労力が大幅に削減される。
こうして、従来のシステムよりも実用性の高い角膜内皮細胞品質評価支援システムが実現される。
Furthermore, since the quality evaluation results are displayed in a color map showing the area information and shape information of the corneal endothelial cell image, doctors and technicians only need to make a final confirmation based on this color map. Significantly reduced.
Thus, a corneal endothelial cell quality evaluation support system that is more practical than the conventional system is realized.
以下、添付図面を参照しつつ本発明の構成を好ましい実施例に基づいて説明する。
図１は、本発明の１実施例による角膜内皮細胞品質評価支援システムの構成を示すブロック図である。
図１を参照して、本発明によれば、角膜内皮細胞画像の入力を受ける入力部１と、入力部１に入力された角膜内皮細胞画像を、ＦＦＴ（Fast Fourier Transformation）によって、合焦角膜内皮細胞画像と非合焦角膜内皮細胞画像に分別する処理対象分別部２が備えられる。
Hereinafter, the configuration of the present invention will be described based on preferred embodiments with reference to the accompanying drawings.
FIG. 1 is a block diagram showing the configuration of a corneal endothelial cell quality evaluation support system according to one embodiment of the present invention.
Referring to FIG. 1, according to the present invention, an input unit 1 that receives an input of a corneal endothelial cell image, and a corneal endothelial cell image input to the input unit 1 is converted into a focused cornea by FFT (Fast Fourier Transformation). A processing target sorting unit 2 for sorting into an endothelial cell image and an unfocused corneal endothelial cell image is provided.
また、本発明によれば、合焦角膜内皮細胞画像を二値化フィルタ処理することによって、合焦角膜内皮細胞画像から当該合焦角膜内皮細胞画像の細胞境界を抽出した細胞境界画像を生成する細胞境界画像生成部３が備えられる。
細胞境界画像生成部３は、互いに異なる複数の二値化フィルタ処理のうちの１つを選択的に行えるようになっている。
In addition, according to the present invention, a cell boundary image is generated by extracting the cell boundary of the focused corneal endothelial cell image from the focused corneal endothelial cell image by performing binarization filter processing on the focused corneal endothelial cell image. A cell boundary image generation unit 3 is provided.
The cell boundary image generation unit 3 can selectively perform one of a plurality of different binarization filter processes.
図２は、細胞境界画像生成部３によって実行される二値化フィルタ処理の一例のフロー図である。以下、図２を参照しつつ、二値化フィルタ処理を具体的に説明する。
この二値化フィルタ処理においては、まず、ヒストグラム平坦化処理によって、角膜内皮細胞画像の細胞領域と細胞境界のコントラスト差が強調される。次いで、平均化処理が行われ、細胞核が細胞境界として誤検出されることが防止される。
この場合、平均化処理は、平均化フィルタ
そして、このヒストグラム平坦化処理と平均化処理が順次もう一度実行される。それによって、細胞核と細胞境界の輝度変化が滑らかになった平滑化画像が得られる。
FIG. 2 is a flowchart of an example of the binarization filter process executed by the cell boundary image generation unit 3. Hereinafter, the binarization filter processing will be specifically described with reference to FIG.
In the binarization filter processing, first, the contrast difference between the cell region of the corneal endothelial cell image and the cell boundary is emphasized by the histogram flattening processing. Next, an averaging process is performed to prevent erroneous detection of cell nuclei as cell boundaries.
In this case, the averaging process is the averaging filter
Then, the histogram flattening process and the averaging process are sequentially executed once again. Thereby, a smoothed image in which the luminance change between the cell nucleus and the cell boundary is smooth is obtained.
次に、細胞核が除去される。ノンローカルミーンフィルタが適用されて、エッジが残された状態で、細胞領域内のノイズが軽減される。その後、収縮処理によって、細胞領域および細胞境界間の輝度勾配が増幅される。 Next, the cell nucleus is removed. A non-local mean filter is applied to reduce noise in the cell region while leaving an edge. Thereafter, a brightness gradient between the cell region and the cell boundary is amplified by the contraction process.
こうして得られた画像中には、低輝度の細胞境界が多数存在する。そこで、細胞領域および細胞境界間の輝度勾配を勾配をより増大させるために、再度、ヒストグラム平坦化処理、平均化処理、ノンローカルミーンフィルタの適用および収縮処理が順次実行され、全体的に細胞境界の輝度が増大せしめられる。 In the image obtained in this way, there are many low-brightness cell boundaries. Therefore, in order to further increase the luminance gradient between the cell region and the cell boundary, the histogram flattening process, the averaging process, the application of the non-local mean filter, and the contraction process are sequentially executed again, and the cell boundary as a whole. Is increased in brightness.
さらに、鮮鋭化処理とラプラシアンフィルタの適用がなされてエッジが取得され、そして、ガウシアンフィルタの適用による平滑化処理がなされた後、一定の輝度値を閾値として二値化処理がなされ、二値画像が得られる。
この場合、ガウシアンフィルタ処理は、ガウシアンフィルタ
In this case, Gaussian filter processing is performed using Gaussian filter processing.
そして、二値画像に対しラベリング処理およびクロージング処理が実行されて、二値画像からノイズが除去され、最後に細線化処理が実行されて細胞境界画像が得られる。 Then, a labeling process and a closing process are performed on the binary image to remove noise from the binary image, and finally a thinning process is performed to obtain a cell boundary image.
この実施例では、細胞境界画像生成部３は、上述の二値化フィルタ処理において、平均化フィルタ（（１）式）およびガウシアンフィルタ（（２）式）のサイズを変更可能になっており、これらのフィルタのサイズの変更に依存して、細胞境界画像生成部３は、互いに異なる複数の二値化フィルタ処理のうちの１つを選択的に実行し得る。 In this embodiment, the cell boundary image generation unit 3 can change the sizes of the averaging filter (formula (1)) and the Gaussian filter (formula (2)) in the above-described binarization filter processing. Depending on the change in size of these filters, the cell boundary image generation unit 3 can selectively execute one of a plurality of different binarization filter processes.
なお、平均化フィルタのサイズを小さくした変更例として、例えば、
本発明によれば、また、細胞境界画像から対応する合焦角膜内皮細胞画像の品質評価のための特徴量を抽出する特徴量抽出部４が備えられる。
特徴量は、細胞密度ＣＤ、細胞面積の変動係数ＣＶおよび六角形細胞出現率６Ａの組み合わせ、または、細胞密度ＣＤ、細胞面積の変動係数ＣＶおよび正常細胞出現率ＮＣＡの組み合わせ、または、細胞密度ＣＤ、細胞面積の変動係数ＣＶ、六角形細胞出現率６Ａおよび正常細胞出現率ＮＣＡの組み合わせからなっている。
According to the present invention, the feature amount extraction unit 4 that extracts a feature amount for quality evaluation of the corresponding focused corneal endothelial cell image from the cell boundary image is provided.
The characteristic amount is a combination of cell density CD, cell area variation coefficient CV and hexagonal cell appearance rate 6A, or cell density CD, cell area variation coefficient CV and normal cell appearance rate NCA, or cell density CD. The cell area variation coefficient CV, the hexagonal cell appearance rate 6A, and the normal cell appearance rate NCA are combined.
この場合、Ｎ角形の細胞は「隣接する細胞数がＮである細胞」と定義され、正常細胞出現率ＮＣＡは、五角形、六角形および七角形細胞の出現率として算出される。
また、細胞密度ＣＤ、細胞面積の変動係数ＣＶ、六角形出現率６Ａおよび正常細胞出現率ＮＣＡは、それぞれ、次式によって算出される。
The cell density CD, the cell area variation coefficient CV, the hexagonal appearance rate 6A, and the normal cell appearance rate NCA are calculated by the following equations, respectively.
そして、特徴量抽出部４は、細胞境界画像中の各細胞をラベリング処理によって認識し、特徴量を抽出する。 Then, the feature quantity extraction unit 4 recognizes each cell in the cell boundary image by the labeling process, and extracts the feature quantity.
本発明によれば、さらに、教師つき学習法を用いたパターン認識アルゴリズムの１つであるＳＶＭ（Support Vector Machine）によって、特徴量に基づき、対応する合焦角膜内皮細胞画像を高画質画像と低画質画像に分別し、さらに、低画質画質に分別した合焦角膜内皮細胞画像を、細胞境界画像生成部３で前と異なる二値化フィルタ処理を用いて再処理すべきか否かを判定する画像品質評価部５が備えられる。 Further, according to the present invention, a corresponding focused corneal endothelial cell image is reduced to a high-quality image and a low-level image based on the feature amount by SVM (Support Vector Machine) which is one of pattern recognition algorithms using a supervised learning method. An image for determining whether or not the focused corneal endothelial cell image classified into the image quality image and further classified into the low image quality image should be reprocessed by the cell boundary image generation unit 3 using the binarization filter processing different from the previous one. A quality evaluation unit 5 is provided.
画像品質評価部５によって低画質画像に分別された角膜内皮細胞画像のうち細胞境界画像生成部３で再処理すべきと判定された画像は、細胞境界画像生成部３において前と別の二値化フィルタ処理を受け、それによって新たな細胞境界画像が生成され、この新たな細胞境界画像から、特徴抽出部４によって新たな特徴量が抽出され、画像品質評価部５において、この新たな特徴量に基づいて角膜内皮細胞画像の品質評価が再度行われる。 Of the corneal endothelial cell images that have been classified into low-quality images by the image quality evaluation unit 5, an image that is determined to be reprocessed by the cell boundary image generation unit 3 is a binary image that is different from the previous one in the cell boundary image generation unit 3. A new cell boundary image is generated, and a new feature amount is extracted from the new cell boundary image by the feature extraction unit 4. In the image quality evaluation unit 5, the new feature amount is extracted. Based on the above, the quality evaluation of the corneal endothelial cell image is performed again.
さらに、本発明によれば、画像品質評価部５によって高画質画像に分別された（合焦）角膜内皮細胞画像の面積情報および形状情報を示すカラーマップをディスプレイ表示する品質評価結果表示部６が備えられる。
面積情報を示すカラーマップは、高画質画像に分別された（合焦）角膜内皮細胞画像とそれに対応する細胞境界画像を重ね合せるとともに、面積情報として、特徴量抽出部４によって取得されたＰｉｋの値を使用し、当該（合焦）角膜内皮細胞画像を細胞毎に当該細胞の面積の大小に応じて色分け表示することによって作成される（図３Ｂ参照）。
Furthermore, according to the present invention, the quality evaluation result display unit 6 that displays the color map indicating the area information and the shape information of the corneal endothelial cell image classified into the high-quality image by the image quality evaluation unit 5 is displayed. Provided.
The color map indicating the area information superimposes the corneal endothelial cell image classified into the high-quality image and the cell boundary image corresponding to the image, and P ik acquired by the feature amount extraction unit 4 as the area information. Is used to display the (focused) corneal endothelial cell image for each cell according to the size of the area of the cell (see FIG. 3B).
また、形状情報を示すカラーマップは、高画質画像に分別された（合焦）角膜内皮細胞画像とそれに対応する細胞境界画像を重ね合せるとともに、形状情報として、特徴抽出部４によるＣＮ ｉの取得時の情報を使用し、当該（合焦）角膜内皮細胞画像を細胞毎に当該細胞の形状に応じて色分け表示することによって作成される（図３Ａ参照）。
なお、図３Ａのカラーマップ中に示したカラーバーの各セグメントは、右端から三角形（一角形、二角形も含む）、四角形、五角形、六角形および七角形を表している。
In addition, the color map indicating the shape information superimposes the (focused) corneal endothelial cell image and the cell boundary image corresponding to the high-quality image, and the shape information includes C N i of the feature extraction unit 4. Using the information at the time of acquisition, the (focused) corneal endothelial cell image is created by color-coding the cells according to the shape of the cells (see FIG. 3A).
Each segment of the color bar shown in the color map of FIG. 3A represents a triangle (including a monogon and a triangle), a rectangle, a pentagon, a hexagon, and a heptagon from the right end.
こうして、本発明によれば、入力された角膜内皮細胞画像から合焦角膜内皮細胞画像を選別し、選別した画像を二値化フィルタ処理することによって細胞境界画像を生成するので、角膜内皮細胞画像から細胞境界画像を短時間で生成することができる。
また、ＳＶＭによる機械学習を行いながら、細胞境界画像の生成、特徴量の抽出および品質評価を実行するので、システムの繰り返し使用に伴って、より高速かつより高精度で品質評価を行うことができるようになる。
Thus, according to the present invention, the focused corneal endothelial cell image is selected from the input corneal endothelial cell image, and the cell boundary image is generated by performing binarization filter processing on the selected image. From this, a cell boundary image can be generated in a short time.
In addition, since cell boundary image generation, feature extraction, and quality evaluation are performed while performing machine learning using SVM, quality evaluation can be performed with higher speed and higher accuracy with repeated use of the system. It becomes like this.
さらに、品質評価の結果を角膜内皮細胞画像の面積情報および形状情報を示すカラーマップで表示するので、医師や技師はこのカラーマップに基づいて最終確認を行うだけでよく、医師および技師の労力が大幅に低減される。 Furthermore, since the quality evaluation results are displayed in a color map showing the area information and shape information of the corneal endothelial cell image, doctors and technicians only need to make a final confirmation based on this color map. It is greatly reduced.
次に、本発明による角膜内皮細胞品質評価支援システムの品質評価の精度を確認するための実験を行った。実験の内容は、以下のとおりである。
[実験]
まず、位相差顕微鏡によって撮影した４００枚の培養角膜内皮細胞画像を、医師の目視によって、高密度画像グループ、中密度画像グループ、低密度画像グループおよび大小不同画像グループ（高密度、中密度および低密度の領域が混在する画像のグループ）の４つのグループに分類した。
Next, an experiment for confirming the quality evaluation accuracy of the corneal endothelial cell quality evaluation support system according to the present invention was performed. The contents of the experiment are as follows.
[Experiment]
First, 400 cultured corneal endothelial cell images photographed by a phase contrast microscope were visually examined by a doctor to display a high-density image group, a medium-density image group, a low-density image group, and a large and small image group (high-density, medium-density and low-density images). 4 groups of image groups in which density areas are mixed).
次に、グループ毎に、各培養角膜内皮細胞画像を本発明によるシステムに入力し、システムから出力される細胞密度ＣＤを測定した。
その一方で、グループ毎に、医師の手作業（目視）によって各培養角膜内皮細胞画像の細胞数を計測し、細胞数の計測値のそれぞれを本発明によるシステムから得られる全細胞の面積Ｓで割り算することによって、細胞密度を算出した。
Next, for each group, each cultured corneal endothelial cell image was input to the system according to the present invention, and the cell density CD output from the system was measured.
On the other hand, for each group, the number of cells in each cultured corneal endothelial cell image is measured by a doctor's manual operation (visual observation), and each of the measured values of the number of cells is the total cell area S obtained from the system according to the present invention. Cell density was calculated by dividing.
さらに、グループ毎に、医師の手作業によって算出した細胞密度を正解値として、正解値からの本発明のシステムから出力された細胞密度ＣＤの誤差を算出した。その結果を図４のグラフに示した。 Further, for each group, the error of the cell density CD output from the system of the present invention from the correct value was calculated with the cell density calculated by the manual work of the doctor as the correct value. The results are shown in the graph of FIG.
図４のグラフ中、縦軸は誤差（％）を表し、横軸は４つのグループ名をそれぞれ表している。このグラフから、４つのグループの全てにおいて誤差が１０％前後となっており、本発明によるシステムは、実用に十分な精度を有していることが確認できた。 In the graph of FIG. 4, the vertical axis represents error (%), and the horizontal axis represents four group names. From this graph, the error is around 10% in all four groups, and it was confirmed that the system according to the present invention has sufficient accuracy for practical use.
なお、グラフ中、中密度画像グループ、低密度画像グループおよび大小不同画像グループでは、誤差が正の値となっているが、これは、本発明によるシステムが、細胞数を実際よりも多く計測していることを意味する。その原因は、細胞境界画像の生成時に、細胞核が細胞境界として検出されて、１つの細胞が複数に分割されてしまう多分割が生じていることにあると考えられる。 In the graph, the medium density image group, the low density image group, and the large and small image group have a positive error. This is because the system according to the present invention measures the number of cells more than actual. Means that The cause is considered to be that when the cell boundary image is generated, a cell nucleus is detected as a cell boundary, and a multi-division in which one cell is divided into a plurality of parts occurs.
また、高密度画像グループでは、誤差が負の値となっているが、これは、本発明によるシステムが、細胞数を実際よりも少なく計測していることを意味する。その原因は、細胞境界画像の生成時に、複数の細胞が単一の細胞とみなされる細胞未分割が生じていることにあると考えられる。 Further, in the high-density image group, the error is a negative value, which means that the system according to the present invention measures the number of cells smaller than the actual number. The cause is considered to be the occurrence of cell undivision in which a plurality of cells are regarded as a single cell when the cell boundary image is generated.
１ 入力部
２ 処理対象分別部
３ 細胞境界画像生成部
４ 特徴量抽出部
５ 画像品質評価部
６ 品質評価結果表示部
DESCRIPTION OF SYMBOLS 1 Input part 2 Processing object classification part 3 Cell boundary image generation part 4 Feature-value extraction part 5 Image quality evaluation part 6 Quality evaluation result display part
Claims (3)
前記入力部に入力された角膜内皮細胞画像を、ＦＦＴによって、合焦角膜内皮細胞画像と非合焦角膜内皮細胞画像に分別する処理対象分別部と、
前記合焦角膜内皮細胞画像を二値化フィルタ処理することによって、前記合焦角膜内皮細胞画像から細胞境界を抽出した細胞境界画像を生成する細胞境界画像生成部と、を備え、
前記細胞境界画像生成部は、互いに異なる複数の前記二値化フィルタ処理のうちの１つを選択的に行えるようになっており、さらに、
前記細胞境界画像から対応する前記合焦角膜内皮細胞画像の品質評価のための特徴量を抽出する特徴量抽出部と、
ＳＶＭアルゴリズムによって、前記特徴量に基づき、前記対応する合焦角膜内皮細胞画像を高画質画像と低画質画像に分別し、さらに、前記低画質画質に分別した前記合焦角膜内皮細胞画像を、前記細胞境界画像生成部で前と異なる前記二値化フィルタ処理を用いて再処理すべきか否かを判定する画像品質評価部と、
前記画像品質評価部によって前記高画質画像に分別された前記合焦角膜内皮細胞画像の面積情報および形状情報を示すカラーマップをディスプレイ表示する品質評価結果表示部と、を備えたものであることを特徴とする角膜内皮細胞品質評価支援システム。 An input unit for receiving an input of a corneal endothelial cell image;
A processing target separation unit that separates the corneal endothelial cell image input to the input unit into a focused corneal endothelial cell image and a non-focused corneal endothelial cell image by FFT,
A cell boundary image generation unit that generates a cell boundary image obtained by extracting a cell boundary from the focused corneal endothelial cell image by performing binarization filter processing on the focused corneal endothelial cell image; and
The cell boundary image generation unit can selectively perform one of a plurality of different binarization filter processes,
A feature amount extraction unit that extracts a feature amount for quality evaluation of the focused corneal endothelial cell image corresponding to the cell boundary image;
Based on the feature amount, the corresponding focused corneal endothelial cell image is classified into a high-quality image and a low-quality image by the SVM algorithm, and further, the focused corneal endothelial cell image classified into the low-quality image is An image quality evaluation unit for determining whether or not to re-process using the binarization filter processing different from the previous one in the cell boundary image generation unit;
A quality evaluation result display unit for displaying a color map indicating area information and shape information of the focused corneal endothelial cell image sorted into the high-quality image by the image quality evaluation unit. A characteristic corneal endothelial cell quality evaluation support system.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2016120512A JP6714273B2 (en) | 2016-06-17 | 2016-06-17 | Corneal endothelial cell quality evaluation support system |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2016120512A JP6714273B2 (en) | 2016-06-17 | 2016-06-17 | Corneal endothelial cell quality evaluation support system |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2017221555A true JP2017221555A (en) | 2017-12-21 |
| JP6714273B2 JP6714273B2 (en) | 2020-06-24 |
Family
ID=60687303
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2016120512A Active JP6714273B2 (en) | 2016-06-17 | 2016-06-17 | Corneal endothelial cell quality evaluation support system |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP6714273B2 (en) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20200065923A (en) * | 2018-11-30 | 2020-06-09 | 아주대학교산학협력단 | The Method and System for Evaluating the Quality of Medical Image dataset for Machine Learning |
| CN113592783A (en) * | 2021-07-08 | 2021-11-02 | 北京大学第三医院（北京大学第三临床医学院） | Method and device for accurately quantifying basic indexes of cells in corneal confocal image |
| US20210398259A1 (en) | 2019-03-11 | 2021-12-23 | Canon Kabushiki Kaisha | Image processing apparatus, image processing method, and storage medium |
| US11922601B2 (en) | 2018-10-10 | 2024-03-05 | Canon Kabushiki Kaisha | Medical image processing apparatus, medical image processing method and computer-readable medium |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH04361733A (en) * | 1991-06-06 | 1992-12-15 | Topcon Corp | Ophthalmologic cell photographing device |
| JPH06154169A (en) * | 1992-11-26 | 1994-06-03 | Toomee:Kk | Eyeball observing and measuring device |
| JPH06261864A (en) * | 1993-03-15 | 1994-09-20 | Topcon Corp | Measuring instrument and measuring method for corneal endotheliocells |
| JPH06311967A (en) * | 1993-04-28 | 1994-11-08 | Topcon Corp | Ophthalmologic apparatus |
| JPH09313442A (en) * | 1996-06-03 | 1997-12-09 | Topcon Corp | Measuring device for cell of corneal endothelium |
| JP2001314374A (en) * | 2000-05-09 | 2001-11-13 | Topcon Corp | Corneal endothelial cell measuring apparatus |
| JP2009022502A (en) * | 2007-07-19 | 2009-02-05 | Topcon Corp | Cornea observation device |
| JP2010268916A (en) * | 2009-05-20 | 2010-12-02 | Topcon Corp | Anterior ocular segment observation device |
| JP2014140483A (en) * | 2013-01-23 | 2014-08-07 | Topcon Corp | Corneal endothelial cell imaging apparatus |
-
2016
- 2016-06-17 JP JP2016120512A patent/JP6714273B2/en active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH04361733A (en) * | 1991-06-06 | 1992-12-15 | Topcon Corp | Ophthalmologic cell photographing device |
| JPH06154169A (en) * | 1992-11-26 | 1994-06-03 | Toomee:Kk | Eyeball observing and measuring device |
| JPH06261864A (en) * | 1993-03-15 | 1994-09-20 | Topcon Corp | Measuring instrument and measuring method for corneal endotheliocells |
| JPH06311967A (en) * | 1993-04-28 | 1994-11-08 | Topcon Corp | Ophthalmologic apparatus |
| JPH09313442A (en) * | 1996-06-03 | 1997-12-09 | Topcon Corp | Measuring device for cell of corneal endothelium |
| JP2001314374A (en) * | 2000-05-09 | 2001-11-13 | Topcon Corp | Corneal endothelial cell measuring apparatus |
| JP2009022502A (en) * | 2007-07-19 | 2009-02-05 | Topcon Corp | Cornea observation device |
| JP2010268916A (en) * | 2009-05-20 | 2010-12-02 | Topcon Corp | Anterior ocular segment observation device |
| JP2014140483A (en) * | 2013-01-23 | 2014-08-07 | Topcon Corp | Corneal endothelial cell imaging apparatus |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11922601B2 (en) | 2018-10-10 | 2024-03-05 | Canon Kabushiki Kaisha | Medical image processing apparatus, medical image processing method and computer-readable medium |
| KR20200065923A (en) * | 2018-11-30 | 2020-06-09 | 아주대학교산학협력단 | The Method and System for Evaluating the Quality of Medical Image dataset for Machine Learning |
| KR102236826B1 (en) | 2018-11-30 | 2021-04-06 | 아주대학교산학협력단 | The Method and System for Evaluating the Quality of Medical Image dataset for Machine Learning |
| US20210398259A1 (en) | 2019-03-11 | 2021-12-23 | Canon Kabushiki Kaisha | Image processing apparatus, image processing method, and storage medium |
| US11887288B2 (en) | 2019-03-11 | 2024-01-30 | Canon Kabushiki Kaisha | Image processing apparatus, image processing method, and storage medium |
| CN113592783A (en) * | 2021-07-08 | 2021-11-02 | 北京大学第三医院（北京大学第三临床医学院） | Method and device for accurately quantifying basic indexes of cells in corneal confocal image |
| CN113592783B (en) * | 2021-07-08 | 2024-01-19 | 北京大学第三医院（北京大学第三临床医学院） | Accurate quantification method and device for cell basic index in cornea confocal image |
Also Published As
| Publication number | Publication date |
|---|---|
| JP6714273B2 (en) | 2020-06-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107256558A (en) | The cervical cell image automatic segmentation method and system of a kind of unsupervised formula | |
| JP6791245B2 (en) | Image processing device, image processing method and image processing program | |
| WO2014021175A1 (en) | Device and method for detecting necrotic cell region and storage medium for storing computer processable program for detecting necrotic cell region | |
| JP6714273B2 (en) | Corneal endothelial cell quality evaluation support system | |
| Ni et al. | Automatic detection and counting of circular shaped overlapped objects using circular hough transform and contour detection | |
| CN105069818A (en) | Image-analysis-based skin pore identification method | |
| US10769432B2 (en) | Automated parameterization image pattern recognition method | |
| US10860835B2 (en) | Image processing device, cell recognition device, cell recognition method, and cell recognition program | |
| Kheradmand et al. | Inner cell mass segmentation in human hmc embryo images using fully convolutional network | |
| JP2022506135A (en) | Segmentation of 3D intercellular structures in microscopic images using iterative deep learning flows that incorporate human contributions | |
| CN111951266A (en) | Artificial intelligence recognition analysis method for chromosome aberration | |
| Abdelsamea | An automatic seeded region growing for 2d biomedical image segmentation | |
| CN115439456A (en) | Method and device for detecting and identifying object in pathological image | |
| Mukherjee et al. | Tree2tree2: Neuron tracing in 3d | |
| CN113470041B (en) | Immunohistochemical cell image cell nucleus segmentation and counting method and system | |
| Riana et al. | Segmentation of overlapping cytoplasm and overlapped areas in Pap smear images | |
| CN115760957B (en) | Method for analyzing substances in cell nucleus by three-dimensional electron microscope | |
| Lim et al. | Cell image processing methods for automatic cell pattern recognition and morphological analysis of mesenchymal stem cells-An algorithm for cell classification and adaptive brightness correction | |
| Su et al. | Learning based automatic detection of myonuclei in isolated single skeletal muscle fibers using multi-focus image fusion | |
| Su et al. | A novel method for dendritic spines detection based on directional morphological filter and shortest path | |
| Liimatainen et al. | Supervised method for cell counting from bright field focus stacks | |
| CN107194319A (en) | The mitotic mapping sorted based on SVMs and knowledge method for distinguishing | |
| CN112053355B (en) | Cell image segmentation method | |
| Li et al. | Automated segmentation and alignment of mitotic nuclei for kymograph visualisation | |
| Guatemala-Sanchez et al. | Nuclei segmentation on histopathology images of breast carcinoma |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190411 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20191211 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20191212 |
|
| 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: 20200520 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200522 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6714273 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |