JP2017521779A - 画像解析を用いた核のエッジの検出 - Google Patents
画像解析を用いた核のエッジの検出 Download PDFInfo
- Publication number
- JP2017521779A JP2017521779A JP2016575788A JP2016575788A JP2017521779A JP 2017521779 A JP2017521779 A JP 2017521779A JP 2016575788 A JP2016575788 A JP 2016575788A JP 2016575788 A JP2016575788 A JP 2016575788A JP 2017521779 A JP2017521779 A JP 2017521779A
- Authority
- JP
- Japan
- Prior art keywords
- pixel
- image
- pixels
- voting
- tensor
- 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
- 238000010191 image analysis Methods 0.000 title claims description 10
- 238000001514 detection method Methods 0.000 title abstract description 16
- 238000000034 method Methods 0.000 claims abstract description 101
- 230000003044 adaptive effect Effects 0.000 claims abstract description 20
- 210000004940 nucleus Anatomy 0.000 claims description 104
- 238000003708 edge detection Methods 0.000 claims description 37
- 210000003855 cell nucleus Anatomy 0.000 claims description 25
- 238000004364 calculation method Methods 0.000 claims description 22
- 210000001519 tissue Anatomy 0.000 claims description 20
- 238000012545 processing Methods 0.000 claims description 19
- 238000005070 sampling Methods 0.000 claims description 16
- 230000006870 function Effects 0.000 claims description 14
- 238000003384 imaging method Methods 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 12
- 230000009471 action Effects 0.000 claims description 11
- 230000007170 pathology Effects 0.000 claims description 11
- 230000036961 partial effect Effects 0.000 claims description 10
- 230000004044 response Effects 0.000 claims description 10
- 238000000926 separation method Methods 0.000 claims description 9
- 230000001629 suppression Effects 0.000 claims description 9
- 230000007423 decrease Effects 0.000 claims description 6
- 230000000670 limiting effect Effects 0.000 claims description 5
- 230000001575 pathological effect Effects 0.000 claims description 5
- 238000011156 evaluation Methods 0.000 claims description 4
- 230000015572 biosynthetic process Effects 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 230000002708 enhancing effect Effects 0.000 claims description 2
- 238000007619 statistical method Methods 0.000 claims description 2
- 230000000873 masking effect Effects 0.000 claims 1
- 238000007670 refining Methods 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 18
- 238000010586 diagram Methods 0.000 description 17
- 230000000875 corresponding effect Effects 0.000 description 13
- 239000013598 vector Substances 0.000 description 13
- 239000011159 matrix material Substances 0.000 description 9
- 230000011218 segmentation Effects 0.000 description 9
- 238000004422 calculation algorithm Methods 0.000 description 8
- 238000010186 staining Methods 0.000 description 7
- 238000013459 approach Methods 0.000 description 6
- 230000009466 transformation Effects 0.000 description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 6
- 210000004027 cell Anatomy 0.000 description 5
- WZUVPPKBWHMQCE-UHFFFAOYSA-N Haematoxylin Chemical compound C12=CC(O)=C(O)C=C2CC2(O)C1C1=CC=C(O)C(O)=C1OC2 WZUVPPKBWHMQCE-UHFFFAOYSA-N 0.000 description 4
- 238000003556 assay Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000001000 micrograph Methods 0.000 description 3
- 108090000623 proteins and genes Proteins 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 206010028980 Neoplasm Diseases 0.000 description 2
- SXEHKFHPFVVDIR-UHFFFAOYSA-N [4-(4-hydrazinylphenyl)phenyl]hydrazine Chemical compound C1=CC(NN)=CC=C1C1=CC=C(NN)C=C1 SXEHKFHPFVVDIR-UHFFFAOYSA-N 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 238000010420 art technique Methods 0.000 description 2
- 239000000090 biomarker Substances 0.000 description 2
- 201000011510 cancer Diseases 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000003711 image thresholding Methods 0.000 description 2
- 210000004962 mammalian cell Anatomy 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 102000004169 proteins and genes Human genes 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- 206010006187 Breast cancer Diseases 0.000 description 1
- 208000026310 Breast neoplasm Diseases 0.000 description 1
- 206010058467 Lung neoplasm malignant Diseases 0.000 description 1
- 206010060862 Prostate cancer Diseases 0.000 description 1
- 208000000236 Prostatic Neoplasms Diseases 0.000 description 1
- 241000700605 Viruses Species 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000004931 aggregating effect Effects 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001574 biopsy Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000000701 chemical imaging Methods 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000013016 damping Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 238000010348 incorporation Methods 0.000 description 1
- 230000003834 intracellular effect Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 201000005202 lung cancer Diseases 0.000 description 1
- 208000020816 lung neoplasm Diseases 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000007620 mathematical function Methods 0.000 description 1
- 108020004999 messenger RNA Proteins 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 210000002307 prostate Anatomy 0.000 description 1
- 238000002331 protein detection Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000035807 sensation Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000017105 transposition Effects 0.000 description 1
- 239000003643 water by type Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- 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
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- 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
- G06T2207/10024—Color 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
- G06T2207/10—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
- G06T2207/20—Special algorithmic details
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20036—Morphological image processing
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20076—Probabilistic image processing
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20164—Salient point detection; Corner detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30024—Cell structures in vitro; Tissue sections in vitro
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
Description
・[1]:M.Sezgin及びB.Sankur:「Survey over image thresholding techniques and quantitiative performance evaluation(画像閾値処理技法及び定量的性能評価に関する調査)」、Journal Electronic Imaging、Vol.13(1) 、146〜165頁、2004年
・[2]:Luc Vincent及びPierre Soille:「Watersheds in Digital Spaces:An Efficient Algorithm Based on Immersion Simulations(デジタル空間における分水嶺:浸水シミュレーションに基づく効率的なアルゴリズム)」、IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE、VOL.13、NO 6、1991年6月
・[3]:Laurent Najman及びMichel Schmitt:「Geodesic Saliency of Watershed Contours and Hierarchical Segmentation(分水嶺輪郭の測地線顕著性及び階層的セグメント化)」、IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE;VOL.18、NO 12、1996年12月
・[4]:Jean Cousty、Gilles Bertrand、Laurent Najman及びMichel Couprie:「Watershed cuts: minimum spanning forests and the drop of water principle(分水嶺カット:最小全域森及び水滴原理)」、SUBMITTED TO IEEE PAMI、2007年、REVISED 2008年
・[5]:H.Kobatake及びS.Hashimoto、「Convergence index filter for vector fields(ベクトル場用の集中度フィルタ)」、IEEE Transactions on Medical Imaging、Vol.8(8) 、1029〜1038頁、1999年
・[6]:G.Loy及びA.Zelinsky、「Fast radial symmetry for detecting points of interest(注目点検出のための高速放射対称性)」、IEEE Transactions on Pattern Analysis and Machine Intelligence、Vol 25(8)、959〜973頁、2003年
・[7]:Richardt O.Duda及びPeter E.Hart:「Use of the Hough Transformation To Detect Lines and Curves in Pictures(ハフ変換を用いた画像内の直線及び曲線の検出)」、Grahics and Image Processing、Editor:W. Newman、1972年、11〜15頁
・[8]:A.RosenFeld及びJ.Pfaltz、「Distance functions in digital pictures(デジタル画像における距離関数)」、Pattern Recognition、Vol.1、33〜61頁、1968年
[007]本発明の他の実施形態は、精製されたエッジ画像をエッジマスクとして、顕著性エッジ画像を重み画像として用いて、エッジ画素を囲む小領域(「ブロック」)内の重み付けられた原画像画素のヒストグラムを形成し、それによって前景ヒストグラム及び背景ヒストグラムを生成することで、この方法を拡張することができる。原画像のその領域内のエッジにおいて使用するための、「最適な閾値」とも呼ばれる「最適な閾値レベル」は、前景及び背景画素サンプルの分類誤差を最小化するヒストグラムの最頻値の間の強度レベル(「強度閾値」)を選択することで得られる。これは、顕著性エッジ画像は一度計算されるが、局所閾値の精度を向上するために二度使用できるという利点を有し得る。したがって、比較的限られた計算量で、精度を大きく向上することができる。
[0025]「テンソル値」とは、本明細書では「集約テンソル値」又は「テンソル総和」とも呼ばれるが、特定の被投票画素に行われる複数の投票の要素別総和の結果である。各投票はテンソルである。テンソル値は、2×2行列の形を有することができる。
− プロセッサにより、デジタル画像内の1つ又は複数の初期エッジを識別し、識別された初期エッジ内の画素を初期投票画素として使用することと、
− プロセッサにより、テンソル投票場を用いて、初期投票画素のそれぞれの近傍にある画素に対してテンソル投票動作を行うことと、
− プロセッサにより、近傍画素のそれぞれに対する複数の投票を累積して、前記近傍画素に対するテンソル値を決定することであって、投票の量が、前記近傍画素が初期投票画素と同じ核のエッジ画素である可能性が高いかを示し、テンソル値が、近傍に前記近傍画素が存在する全ての初期投票画素により行われた全ての投票の総和である、決定することと、
− プロセッサにより、決定されたテンソル値のそれぞれを分解して、分解されたテンソル値の固有値及び固有ベクトルを決定することと、
− プロセッサにより、決定された固有値及び固有ベクトルを評価して精製されたエッジ画素を識別することであって、精製されたエッジ画素が細胞核の境界を表す、識別することと、
− プロセッサにより、細胞核の境界を表す識別された精製されたエッジ画素を選択的に含む顕著性エッジ強度画像を生成することと
を備える。
− プロセッサにより、初期投票画素におけるデジタル画像の強度勾配の方向を特定することと、
− 投票動作に、第1の近傍画素に対して第2の近傍画素よりも高い投票を行わせることであって、第1及び第2の近傍画素が投票画素から等しく離れて存在し、第1の近傍画素が、強度勾配の特定された方向によれば、核の内側の方向に存在し、第2の近傍画素が、強度勾配の特定された方向によれば、核の外側の方向に存在する、行わせることと
を備えるように、符号化が行われる。
− 1つの初期投票画素及び1つの近傍画素について投票角度θを特定することであって、投票角度θが、線と、1つの初期投票画素における強度勾配に垂直な方向との間の角度であり、線が初期投票画素及び1つの近傍画素を接続し、強度勾配がデジタル画像の強度値の勾配を表し、強度勾配が、判定すべき核種の内部に典型的な強度値の方向を指し示す、特定することと、
− 投票角度が以下の角度範囲:
を備える。上記で与えられた角度範囲は、単位円の中心として用いられる投票画素の強度勾配に沿って対称でない角度範囲の多数の可能な例のうちの1つにすぎない。
[0042]
[0043]実施形態によれば、テンソル投票場の実装は、テンソル投票場を用いて、初期投票画素の1つの、その近傍画素の1つへの各投票を計算するプログラム論理を実装することを備える。
− 1つの初期投票画素における強度勾配を識別することであって、強度勾配がデジタル画像の強度値の勾配を表し、強度勾配が、判定すべき核種の内部に典型的な強度値の方向を指し示す、識別することと、
− 1つの初期投票画素及び近傍画素の1つを接続する円の弧を計算することであって、弧が幾何学的中心を有し、幾何学的中心が、方向が強度勾配の方向と同一である線上に存在し、強度勾配の方向が指し示す前記線の半分に存在する、計算することと、
− 1つの近傍画素に行われる投票の量を、前記1つの近傍画素から初期投票画素までの距離に比例して減少させることと、及び/又は、
− 弧の曲率が、事前定義されたずれ閾値を超えて、識別すべき核種の典型的なエッジ曲率からずれている場合に、1つの近傍画素に行われる投票の量を減少させることと
を備える。
[0048]実施形態によれば、初期投票画素の1つによりその近傍画素の1つへ行われる個々の投票(S)が
− lが、1つの初期投票画素及び1つの近傍画素の間のユークリッド距離であり、
− θが、線と、1つの初期投票画素(O、316)における強度勾配(318)に垂直な方向との間の投票角度であり、線が初期投票画素及び1つの近傍画素を接続し、強度勾配がデジタル画像(702)の強度値の勾配を表し、強度勾配が、判定すべき核種の内部に典型的な強度値の方向を指し示し、
− sが
− Kが
− σが、前記1つの初期投票画素により行われる投票の量の減衰速度を決定する拡大係数であり、投票の量が、1つの近傍画素から1つの近傍画素までの距離に比例して低下する。
− 精製されたエッジ画素を用いて前景画素及び背景画素をサンプリングすることであって、前景画素が核内画素の候補であり、背景画素が核外画素の候補であり、前景及び背景画素が、識別された精製されたエッジ画素の近傍にあるデジタル画像の画素を選択することでサンプリングされ、前景画素及び背景画素がエッジの異なる側から選択される、サンプリングすることと、
− サンプリングされた前景画素の強度値についての前景ヒストグラムを生成することと、
− サンプリングされた背景画素の強度値についての背景ヒストグラムを生成することと、
− 前景及び背景ヒストグラムを評価して最適な強度閾値を特定することであって、最適な強度閾値が、強度値が強度閾値を下回る又は上回ることに応じて、サンプリングされた画素を2つの別々の画素セットへ、前記2つの別々の画素セットが前景及び背景画素サンプルからのずれが最小となるように分離することが可能な強度閾値である、特定することと
をさらに備える。
− 前記精製されたエッジ画素における強度勾配を特定することであって、強度勾配が、判定すべき核種の内部に典型的な強度値の方向を指し示す、特定することと、
− 特定された強度勾配の方向の前記精製されたエッジ画素から事前定義された距離に存在する第1の画素を、サンプリングされた前景画素の1つとして選択することと、
− 特定された強度勾配の反対方向の前記精製されたエッジ画素から事前定義された距離に存在する第2の画素を、サンプリングされた背景画素の1つとして選択することと
を備える。
− 1つの初期投票画素について、IVP勾配角度を特定することであって、IVP勾配角度が、画像のx軸と、1つの初期投票画素における強度勾配の方向との間の角度である、特定することと、
− 特定されたIVP勾配角度と同一であるか、又は特定されたIVP勾配角度に最も類似した角度について計算された複数の計算されたテンソル投票場の1つを特定することと、
− 特定されたテンソル投票場をデジタル画像のグリッドと位置合わせすることであって、テンソル場の中心が投票画素に位置し、及び/又はテンソル投票場が計算された角度が、特定されたIVP勾配角度と位置合わせされるように実行され得る、位置合わせすることと、
− 特定されたテンソル投票場に組み込まれた1つの初期投票画素及び1つの近傍画素の相対位置を用いて、投票を計算するために分解されるテンソル値を特定することと
を備える。
− 前記1つの初期投票画素について、1つの初期投票画素の強度勾配の大きさ(又は一般的には単調関数)によって、識別されたテンソル投票場を重み付けすることであって、たとえば識別されたテンソル投票場に強度勾配の大きさを乗じることで実施可能な、重み付けすることと、
− 識別された重み付けられたテンソル投票場を用いて、特定の初期投票画素の特定の近傍画素への投票を計算することと
を備える。テンソル投票場を用いて投票を計算することは、たとえば当技術分野で知られているようなものに従って実施することができる(G.Guy及びG.Medioni並びにG.Bebis、M.Nicolescu、A.Skurikhinの論文を引用した、本出願の[0077]で与えられた参考文献を参照されたい)。これにより、実施形態によれば、検出すべき核種の1つ又は複数の特徴に関する情報を組み込んだ非対称なテンソル投票場が使用される。勾配方向情報を選択的に組み込むが勾配大きさ情報を組み込まないテンソル投票場の事前計算によって、投票処理を加速することができる。これは、複数の組織スライドから得られるデジタル画像のリアルタイム画像分析の文脈において特に重要である。
[0064]実施形態によれば、動作は、帯域制限操作可能フィルタの実装を用いてテンソル投票を計算することで、テンソル投票場を計算することをさらに備え、ここで帯域制限操作可能フィルタを用いることで、テンソル投票の畳み込みを高速フーリエ変換と共に行うことが可能になる。
− 各初期投票画素における初期画像内での強度勾配を計算することと、
− 初期投票画素における画像勾配を分析して、各初期投票画素のテンソル値のスティックテンソル成分を生成することであって、画素における強度勾配の方向が、その画素におけるスティックテンソル成分の方向として使用され、前記画素における強度勾配の勾配値が、その画素におけるスティックテンソル成分の強度に使用される、生成することと
をさらに備える。
[0067]実施形態によれば、初期画像は複数のカラーチャネルを含む。
[0068]実施形態によれば、動作は、色分解、分離又は逆混合からなるグループから選択される方法を用いて、複数のカラーチャネルから1つのカラーチャネルを抽出することをさらに備える。
− プロセッサにより、デジタル画像内の1つ又は複数の初期エッジを識別し、識別された初期エッジ内の画素を初期投票画素として使用するステップと、
− プロセッサにより、初期投票画素のそれぞれの近傍にある画素に対してテンソル投票動作を行うステップと、
− プロセッサにより、近傍画素のそれぞれに対する複数の投票を累積して、前記近傍画素に対するテンソル値を決定するステップであって、投票の量が、前記近傍画素が初期投票画素と同じ核のエッジ画素である可能性が高いかを示し、テンソル値が、近傍に前記近傍画素が存在する全ての初期投票画素により行われた全ての投票の総和である、決定するステップと、
− プロセッサにより、決定されたテンソル値のそれぞれを分解して、分解されたテンソル値の固有値及び固有ベクトルを決定するステップと、
− プロセッサにより、決定された固有値及び固有ベクトルを評価して精製されたエッジ画素を識別するステップであって、精製されたエッジ画素が細胞核の境界を表す、識別するステップと、
− プロセッサにより、細胞核の境界を表す識別された精製されたエッジ画素を選択的に含む顕著性エッジ強度画像(806)を生成するステップと
を備える。
[0071]さらなる態様では、本発明は、処理システムにより実行するためのコンピュータ実行可能命令を有する有形非一時的コンピュータ可読媒体に関する。システムは、複数の異なる実施形態に関して本明細書で説明されるデジタル病理画像分析システムとすることができる。コンピュータ実行可能命令は、生物学的組織サンプルの画像化分析のために物体境界の画定を行うためのものであって、実行された場合に、処理システムに上述の方法を実施させる。
[0074]一般的に、本発明によるシステムの一例示的実施形態では、原/初期画像702又は画像データのセットがシステムに入力される。システムが原画像又は画像データ(図7A図示)を受信した後、勾配ベースエッジ検出モジュールを用いて、画像内の構造、たとえば、原/初期画像内の全ての構造又は実質的に全ての構造のエッジを検出する(S660)。勾配ベースエッジ検出方法は、当技術分野でよく知られている。
[0077]初期エッジ検出画像704が生成された後、テンソル投票を初期エッジ画像704に対して、たとえば初期エッジ画像内の全て又は実質的に全ての画素に対して行って、より高感度かつ詳細な精製されたエッジ画像804を生成する(S661)。テンソル投票方法は、概して、(初期エッジ画像704の)各初期エッジ画素に近接する又はその周辺の領域内の画素について、近接画素(「近傍画素」とも呼ばれる)のそれぞれが同じ核のエッジ画素である可能性が高いかを判定する(すなわち、投票する)ことを含む。テンソル投票の概念は当技術分野で知られているが、本発明のテンソル投票の方法は、たとえば、同じ核のエッジ上の画素が互いに投票するように設計される。本発明におけるテンソル投票処理は、テンソル投票場を用いて実装される。テンソル投票場は、核の大きさ及び形状、並びに核周辺の画像強度分布に関する事前情報を組み込むように設計され、これらは代表的な画像を探索することで得られる。これによってテンソル投票場が非対称となり、当技術分野における通常の応用から逸脱する。テンソル投票方式の例が、たとえば、G.Guy及びG.Medioni、「Inferring global perceptual contours from local features(局所的特徴からの大局的知覚輪郭の推定)」、International Journal of Computer Vision、1996年、vol.20、113〜133頁、並びに、L.A.Loss、G.Bebis、M.Nicolescu、A.Skurikhin、「An iterative multi−scale tensor voting scheme for perceptual grouping of natural shapes in cluttered backgrounds(雑然とした背景における自然形状の知覚的なグループ化のための反復的マルチスケールテンソル投票方式)」、Computer Vision and Image Understanding、2009年、vol.113、126〜149頁に与えられている。
[0080]テンソル画像が生成された後、テンソル分析を行って、図8Aに示された顕著性エッジ画像と、主要固有ベクトル画像(図示せず)とを生成する。
[0087]顕著性エッジ強度画像806が生成された後、どの画素が核画素であるか、及びどれがそうでないか(核画素とは、決定された核エッジ画素だけでなく、核の任意の画素を指す)を確定するために利用される局所閾値を確定するために、局所ヒストグラム410、412が生成される。
[0092]ヒストグラムが決定された後、閾値決定モジュールは、2つのヒストグラム(すなわち、前景ヒストグラム及び背景ヒストグラム)に基づいて、前景及び背景のサンプルについての分類誤差を最小化する、ブロックに対する最適な閾値を決定する(S665)。閾値は、初期画像画素の強度値であり、顕著性値ではない。エッジ画素を有さない画像ブロックについて、ブロック内の最大強度が計算され、閾値として使用される。ブロックごとに計算される閾値が、前記ブロックの中心における閾値として使用される(S666)。
[0095]次に、結果決定モジュールは、顕微鏡画像取得システムから直接的に得られる、又は明視野顕微鏡画像取得システム(たとえばVentana iScan CoreoもしくはiScan HT)から得られるカラー画像から色分解によって間接的に得られるモノクロ画像とすることができる、原入力グレースケール画像702に対して決定された閾値を適用して、前景画像を生成する(S668)。さらに、検出された前景を用いて、分水嶺アルゴリズムの変形[2、3、4]に基づいて個々の核をセグメント化する。
[00117]スティックテンソルは:
[00120]この結果は、すなわち計算されたスティック及びボールテンソル成分は、各画素が、核クラスタ内の接合部、核のエッジ、又は外れ値にある確率を示す。この判定は、各画素におけるスティック及びボールテンソル成分を比較することで行われる。たとえば、λ1−λ2>λ2の場合、これが示すのは、画素における累積されたテンソルのスティック成分がボール成分より大きく、画素が核のエッジ上にある可能性が高いことである。λ1≒λ2>0の場合、スティック成分はボール成分より小さく、近傍画素は接合部又は領域にある可能性が高い。λ1≒λ2≒0の場合、画素は顕著性が低く、すなわち、エッジ又は境界画素である可能性が低く、外れ値として破棄される。さらに、あらゆる投票は、2×2行列によって表すことができる。各画素に対する投票が累積され、累積された投票のメトリック(テンソル総和のメトリック)を分解して、顕著性エッジ画像802(λ1−λ2)及び顕著性エッジ法線方向(特定の画素における前記累積されたテンソル総和Tの2つの固有値λ1、λ2の大きい方に対応する固有ベクトル)を得ることができる。顕著性エッジ法線方向は、特定の画素におけるエッジの法線方向を示す。
[00144]
[00146]ここでFは、現在のテンソル投票場が事前計算された事前定義された角度にのみ依存する定数である。Fは、以下に従って計算することができる:
[00147]
生物学的領域知識に基づいたテンソル投票
[00149]以下では、非常に高精度なエッジ検出及び核セグメント化方法を提供するための、エッジを判定すべき核の特徴によるテンソル投票場の修正を示すための例が説明される。
角度範囲
[00161](図3Bで与えられた)投票を計算するための式は、以下のように変形することができる(変形式MF2):
[00164]特定の被投票画素へ行われた全ての投票を集計して、前記画素についてのテンソル総和(「テンソル値」)を計算する。各画素のそのテンソル総和は、前記画素の「スティック性(sticklike−ness)」を推定するために、分解され分析される。顕著性の低い画素は、外れ値であると想定される。
[00166]グレースケール画像に関して説明されているが、開示の実施形態は、カラー画像及び他のタイプの画像、たとえば多重画像にも適用される。カラー画像について、勾配を色空間において計算することができ、本明細書に記載の例示的な方法をその色空間で実施して高精度な前景を決定することができる。グレースケール勾配画像を、カラーチャネルごとに生成することができ、動作がそれに従って行われる。多重画像は、本明細書に記載のテンソル投票及び局所閾値生成動作を実行する前に、成分ベクトルに分離することができる。さらに、開示の方法は、説明された核に加えて、既知又は均一な曲率を有する任意の構造に適用することができる。
Claims (48)
- プロセッサ(105)と前記プロセッサに結合されたメモリとを備えるデジタル病理用の画像処理システム(100)であって、前記メモリが、生物学的組織サンプルのデジタル画像(702)を記憶し、前記プロセッサにより実行された場合に、前記デジタル画像内の細胞核の境界を識別するための動作を前記プロセッサに行わせるコンピュータ実行可能命令を記憶し、前記動作が、
前記プロセッサにより、前記デジタル画像(702)内の1つ又は複数の初期エッジを識別し、前記識別された初期エッジ内の画素を初期投票画素(O、316)として使用することと、
前記プロセッサにより、テンソル投票場を用いて、前記初期投票画素(O、316)のそれぞれの近傍にある画素(P、322、324、328)に対してテンソル投票動作を行うことと、
前記プロセッサにより、前記近傍画素(P、322、324、328)のそれぞれに対する複数の投票を累積して、前記近傍画素(P、322、324、328)に対するテンソル値を決定することであって、前記投票の量が、前記近傍画素が前記初期投票画素と同じ核のエッジ画素である可能性が高いかを示し、前記テンソル値が、近傍に前記近傍画素(P、322、324)が存在する全ての初期投票画素により行われた全ての投票の総和である、決定することと、
前記プロセッサにより、前記決定されたテンソル値のそれぞれを分解して、前記分解されたテンソル値の固有値(λ1、λ2)及び固有ベクトル(e1、e2)を決定することと、
前記プロセッサにより、前記決定された固有値及び固有ベクトルを評価して精製されたエッジ画素を識別することであって、前記精製されたエッジ画素が前記細胞核の境界を表す、識別することと、
前記プロセッサにより、前記細胞核の境界を表す前記識別された精製されたエッジ画素を選択的に含む顕著性エッジ強度画像(806)を生成することと
を備える、画像処理システム(100)。 - 前記テンソル投票場が前記核の1つ又は複数の特徴を符号化し、
前記核の前記1つ又は複数の特徴が、判定すべき核種の核内画素の典型的な強度値が核外画素の典型的な強度値より高いか低いかに関する情報を含み、
前記テンソル投票場が非対称なテンソル投票場であり、
前記テンソル投票場が、投票が計算される前記初期投票画素の強度勾配(318)に沿って非対称であり、
前記テンソル投票場による初期投票画素(316)の投票の計算が、
前記プロセッサにより、前記初期投票画素(O、316)における前記デジタル画像(702)の強度勾配(318)の方向を特定することと、
前記投票動作に、第1の近傍画素(324)に対して第2の近傍画素(328)よりも高い投票を行わせることであって、前記第1及び第2の近傍画素が前記投票画素(316)から等しく離れて存在し、前記第1の近傍画素が、前記強度勾配(318)の前記特定された方向によれば、前記核の内側の方向に存在し、前記第2の近傍画素(328)が、前記強度勾配(318)の前記特定された方向によれば、前記核の外側の方向に存在する、行わせることと
を備えるように、前記符号化が行われる、
請求項1に記載のシステム。 - 前記投票を行うことが、
前記1つの初期投票画素及び前記1つの近傍画素について投票角度(θ)を特定することであって、前記投票角度(θ)が、線と、前記1つの初期投票画素(O、316)における前記強度勾配(318)に垂直な方向との間の角度であり、前記線が前記初期投票画素及び前記1つの近傍画素を接続し、前記強度勾配が前記デジタル画像(702)の強度値の勾配を表し、前記強度勾配が、前記判定すべき核種の内部に典型的な強度値の方向を指し示す、特定することと、
前記投票角度が以下の角度範囲:
を備える、請求項1又は2に記載のシステム。 - 前記決定された固有値及び固有ベクトルの前記評価が、前記評価される固有値及び固有ベクトルが決定された前記画素がエッジ画素、接合画素、又は外れ値のいずれであるかを判定することを備え、前記方法が、
この情報を用いて、前記顕著性エッジ強度画像(806)における前記エッジ画素を選択的に強調すること
をさらに備える、請求項1から3のいずれか一項に記載のシステム。 - 各画素の前記決定された固有ベクトルが第1の固有ベクトル(e1)及び第2の固有ベクトル(e2)を含み、
前記画素の前記決定された固有値が第1の固有値(λ1)及び第2の固有値(λ2)を含み、
前記第1の固有値(λ1)が前記第1の固有ベクトル(e1)の固有値であり、前記第2の固有値(λ2)が前記第2の固有ベクトル(e2)の固有値であり、
前記第1の固有値(λ1)及び前記第2の固有値(λ2)の差が前記画素の前記テンソル値へのテンソルスティック成分の寄与に相関し、
前記第2の固有値(λ2)の大きさが、前記画素の前記テンソル値へのテンソルボール成分の寄与に相関し、
前記初期投票画素がエッジ画素、接合画素、又は外れ値のいずれであるかの前記判定が、前記画素の前記第1及び前記第2の固有値を比較することであって、
前記第1の固有値(λ1)が前記第2の固有値(λ2)より大きく、前記第2の固有値がほぼ零である場合に、前記画素がエッジ画素と識別され、
前記第1の固有値(λ1)が前記第2の固有値とほぼ同じ大きさであり、両方の固有値の大きさが最小の大きさを上回る場合に、前記画素が接合画素と識別され、
前記第1及び前記第2の固有値が両方ともほぼ零である場合に、前記画素が外れ値と識別される、
比較することを備える、
請求項4に記載のシステム。 - 画素ごとに決定された前記テンソル値が前記画素についての顕著性値を表し、前記顕著性値が、前記画素が核のエッジのメンバーである確率に比例する、請求項1から5のいずれか一項に記載のシステム。
- 前記テンソル投票場が前記核の特徴により変調され、
前記核の前記特徴が、境界が検出されるべき前記核種の半径である、
請求項1から6のいずれか一項に記載のシステム。 - 前記初期投票画素の1つ(O、316)の、その近傍画素の1つ(P、322、324)への各投票(S)を計算することが、
前記1つの初期投票画素(O、316)における強度勾配(318)を識別することであって、前記強度勾配が前記デジタル画像(702)の強度値の勾配を表し、前記強度勾配が、前記判定すべき核種の内部に典型的な強度値の方向を指し示す、識別することと、
前記1つの初期投票画素(O、316)及び前記近傍画素(P、324)の前記1つを接続する円の弧(317)を計算することであって、前記弧が幾何学的中心(C)を有し、前記幾何学的中心(C)が、方向が前記強度勾配(318)の方向と同一である線上に存在し、前記強度勾配の方向が指し示す前記線の半分に存在する、計算することと、
前記1つの近傍画素に行われる投票の量を、前記1つの近傍画素から前記初期投票画素(O、316)までの距離(l)に比例して減少させることと、及び/又は、
前記弧(317)の曲率(K)が、事前定義されたずれ閾値を超えて、前記識別すべき核種の典型的なエッジ曲率からずれている場合に、前記1つの近傍画素に行われる前記投票の量を減少させることと
を備える、請求項7に記載のシステム。 - 前記弧(317)の曲率(K)が下側曲率閾値(Kmin)未満であるか又は上側曲率閾値(Kmax)を超える場合に、前記1つの近傍画素へ行われる前記投票が零であり、
請求項8に記載のシステム。 - 前記初期投票画素の1つ(O、316)の、その近傍画素の1つ(P、322、324)への個々の投票(S)が
lが、前記1つの初期投票画素及び前記1つの近傍画素の間のユークリッド距離であり、
θが、線と、前記1つの初期投票画素(O、316)における前記強度勾配(318)に垂直な方向との間の投票角度であり、前記線が前記初期投票画素及び前記1つの近傍画素を接続し、前記強度勾配が前記デジタル画像(702)の強度値の勾配を表し、前記強度勾配が、前記判定すべき核種の内部に典型的な強度値の方向を指し示し、
sが
Kが
σが、前記1つの初期投票画素により行われる投票の量の減衰速度を決定する拡大係数であり、前記投票の量が、前記1つの近傍画素から前記1つの近傍画素までの距離に比例して低下する、
請求項1から9のいずれか一項に記載のシステム。 - 前記動作が、
前記精製されたエッジ画素を用いて前景画素(404)及び背景画素(406)をサンプリングすることであって、前記前景画素が核内画素の候補であり、前記背景画素が核外画素の候補であり、前記前景及び背景画素が、識別された精製されたエッジ画素(408)の近傍にある前記デジタル画像(702)の画素を選択することでサンプリングされ、前景画素及び背景画素が前記エッジ(402)の異なる側から選択される、サンプリングすることと、
前記サンプリングされた前景画素(404)の強度値についての前景ヒストグラム(410)を生成することと、
前記サンプリングされた背景画素(406)の強度値についての背景ヒストグラム(412)を生成することと、
前記前景及び背景ヒストグラムを評価して最適な強度閾値を特定することであって、前記最適な強度閾値が、強度値が強度閾値を下回る又は上回ることに応じて、前記サンプリングされた画素を2つの別々の画素セットへ、前記2つの別々の画素セットが前記前景及び背景画素サンプルからのずれが最小となるように分離することが可能な強度閾値である、特定することと
をさらに備える、請求項1から10のいずれか一項に記載のシステム。 - 前記動作が、
前記前景画像の画素のそれぞれと、前記背景画像の画素のそれぞれとに重みを割り当てることであって、前記重みが、
前記識別された精製されたエッジ画素(408)の前記顕著性値であって、前記識別された精製されたエッジ画素が、前記サンプリングされた前景(404)及び背景(406)画素の間に存在し、前記前景画素及び背景画素が両側からサンプリングされた前記精製されたエッジ画素の1つである、顕著性値と、
前記識別された精製されたエッジ画素(408)の強度勾配の大きさであって、前記識別された精製されたエッジ画素が、前記サンプリングされた前景(404)及び背景(406)画素の間に存在し、前記前景画素及び背景画素が両側からサンプリングされた前記精製されたエッジ画素の1つである、大きさと
に比例する、割り当てること
をさらに備え、
前記最適な強度閾値が、強度値が強度閾値を下回る又は上回ることに応じて、及び前記サンプリングされた画素の前記重みに応じて、前記サンプリングされた画素を2つの別々の画素セットへ、前記2つの別々の画素セットが前記前景及び背景画素サンプルからのずれが最小となるように分離することが可能なように特定される、請求項11に記載のシステム。 - 前記精製されたエッジ画素を用いて前景画素(404)及び背景画素(406)をサンプリングすることが、前記精製されたエッジ画素のそれぞれに対して、
前記精製されたエッジ画素(408)における強度勾配を特定することであって、前記強度勾配が、前記判定すべき核種の内部に典型的な強度値の方向を指し示す、特定することと、
前記特定された強度勾配の方向の前記精製されたエッジ画素(408)から事前定義された距離に存在する第1の画素(404)を前記サンプリングされた前景画素の1つとして選択することと、
前記特定された強度勾配の反対方向の前記精製されたエッジ画素(408)から事前定義された距離に存在する第2の画素(406)を前記サンプリングされた背景画素の1つとして選択することと
を備える、請求項11又は12に記載のシステム。 - 前記動作が、
前記デジタル画像(702)を複数の部分領域に分割することと、
前記前景及び背景画素のサンプリングと、前記最適な強度閾値の決定とを、前記複数の部分領域のそれぞれについて別々に行うことと
をさらに備える、請求項11から13のいずれか一項に記載のシステム。 - 前記動作が、
前記初期画像の各画素において前記複数の部分領域の前記最適な強度閾値を補間することと、
前記画素のそれぞれに、その補間された最適な強度閾値を割り当てることと
をさらに備える、請求項14に記載のシステム。 - 前記動作が、
前記デジタル画像(702)の画素の強度値を、それぞれ割り当てられた補間された最適な強度閾値と比較して、前景画像マスクを自動的に生成することであって、前記前景画像マスクが、識別すべき核の中に存在しないと予測される全画素を選択的にマスクし隠蔽し、前記予測が、画素の強度値が、前記画素に割り当てられた前記補間された強度閾値を下回るか又は上回るかのいずれであると判明したかに依存する、生成することと、
前記前景画像マスクを前記デジタル画像(702)に適用して、核の中に存在しないと予測される前記デジタル画像(702)の全画素を除去又は隠蔽することと
をさらに備える、請求項15に記載のシステム。 - 前記動作が、
複数の事前定義された角度のそれぞれについて、単一の計算ステップにおいて、それぞれのテンソル投票場(902、904、906)を計算することであって、前記計算されたテンソル投票場それぞれの各テンソルが、前記画像(702)の各画素(316)における強度勾配の方向に関する情報を組み込み、前記画素(316)に対する複数の近傍画素それぞれの相対位置を組み込み、各計算されたテンソル投票場が、前記画素の強度勾配の大きさに関する情報を有さない、計算すること
をさらに備え、
前記テンソル投票動作が、前記複数のテンソル投票場の計算の後に行われ、前記初期投票画素の1つによりその近傍画素の1つへ投票を行うことが、
前記1つの初期投票画素(316、O)について、IVP勾配角度を特定することであって、前記IVP勾配角度が、前記画像のx軸と、前記1つの初期投票画素における前記強度勾配の方向との間の角度である、特定することと、
前記特定されたIVP勾配角度と同一であるか、又は前記特定されたIVP勾配角度に最も類似した角度について計算された前記複数のテンソル投票場の1つ(904)を特定することと、
前記特定されたテンソル投票場を前記デジタル画像(702)のグリッドと位置合わせすることと、
前記特定されたテンソル投票場に組み込まれた前記1つの初期投票画素及び前記1つの近傍画素の相対位置を用いて、前記投票を計算するために分解されるテンソル値を特定することと
を備える、請求項1から16のいずれか一項に記載のシステム。 - 前記動作が、
多重応答抑制を前記顕著性エッジ画像(802)に実施し、次いで前記抑制された顕著性エッジ画像のヒステリシス閾値処理を実施して、前記デジタル画像(702)に対する精製されたエッジマスク(804)を生成すること
をさらに備える、請求項1から17のいずれか一項に記載のシステム。 - 前記初期エッジが、Cannyエッジ検出フィルタを前記初期画像に適用することで識別される、請求項1から18のいずれか一項に記載のシステム。
- 前記動作が、帯域制限操作可能フィルタの実装を用いてテンソル投票を計算することで前記テンソル投票場を計算することをさらに備え、ここで前記帯域制限操作可能フィルタを用いることで、テンソル投票の畳み込みを高速フーリエ変換と共に行うことが可能になる、請求項1から19のいずれか一項に記載のシステム。
- 前記動作が、
各初期投票画素における前記初期画像(702)内での強度勾配を計算することと、
前記初期投票画素における強度勾配を分析して、各初期投票画素のテンソル値のスティックテンソル成分を生成することであって、画素における強度勾配の方向が、その画素におけるスティックテンソル成分の方向として使用され、前記画素における強度勾配の勾配値が、その画素における前記スティックテンソル成分の強度に使用される、生成することと
をさらに備える、請求項1から20のいずれか一項に記載のシステム。 - 前記初期画像(702)がグレースケール画像である、請求項1から21のいずれか一項に記載のシステム。
- 前記初期画像(702)が複数のカラーチャネルを含む、請求項1から22のいずれか一項に記載のシステム。
- 前記動作が、色分解、分離又は逆混合からなるグループから選択される方法を用いて、前記複数のカラーチャネルから1つのカラーチャネルを抽出することをさらに備える、請求項24に記載のシステム。
- 生物学的組織サンプルのデジタル画像(702)内の細胞核の境界を自動的に識別するための方法であって、デジタル病理画像分析システムのプロセッサにより実行され、
前記プロセッサにより、前記デジタル画像(702)内の1つ又は複数の初期エッジを識別し、前記識別された初期エッジ内の画素を初期投票画素(O、316)として使用するステップと、
前記プロセッサにより、テンソル投票場を用いて、前記初期投票画素(O、316)のそれぞれの近傍にある画素に対してテンソル投票動作を行うステップと、
前記プロセッサにより、前記近傍画素(P、322、324)のそれぞれに対する複数の投票を累積して、前記近傍画素(P、322、324)に対するテンソル値を決定するステップであって、前記投票の量が、前記近傍画素が前記初期投票画素と同じ核のエッジ画素である可能性が高いかを示し、前記テンソル値が、近傍に前記近傍画素(P、322、324)が存在する全ての初期投票画素により行われた全ての投票の総和である、決定するステップと、
前記プロセッサにより、前記決定されたテンソル値のそれぞれを分解して、前記分解されたテンソル値の固有値(λ1、λ2)及び固有ベクトル(e1、e2)を決定するステップと、
前記プロセッサにより、前記決定された固有値及び固有ベクトルを評価して精製されたエッジ画素を識別するステップであって、前記精製されたエッジ画素が前記細胞核の境界を表す、識別するステップと、
前記プロセッサにより、前記細胞核の境界を表す前記識別された精製されたエッジ画素を選択的に含む顕著性エッジ強度画像(806)を生成するステップと
を備える、方法。 - 処理システムにより実行するためのコンピュータ実行可能命令を有する有形非一時的コンピュータ可読媒体であって、前記コンピュータ実行可能命令が、生物学的組織サンプルの画像化分析のために物体境界の画定を行うためのものであり、前記コンピュータ実行可能命令が、実行された場合に、前記処理システムに請求項25に記載の方法を実施させる、有形非一時的コンピュータ可読媒体。
- 生物学的組織サンプル内の細胞核の境界を識別するための動作を行うためにプロセッサにより実行されるコンピュータ実行可能命令を記憶するための有形非一時的コンピュータ可読媒体であって、前記動作が、
(a)初期投票画素の近傍の画素に対してテンソル投票動作を行うことと、
(b)前記近傍画素のそれぞれについての複数の投票を累積してテンソル値を決定することと、
(c)前記画素のテンソルの固有値及び固有ベクトルに基づいてエッジ画素を強調した顕著性エッジ強度画像を生成することと
を備え、前記テンソル投票動作が、検出すべき構造に関する、前記核の大きさに限定されない領域知識と、前記エッジ上の勾配がほぼ同じ位置を指し示すという事実とを組み込む非対称テンソル投票場を使用する、有形非一時的コンピュータ可読媒体。 - 前記初期投票画素がエッジ画素、接合画素、又は外れ値のいずれであるかを判定することをさらに備える、請求項27に記載のコンピュータ可読媒体。
- 前記動作が、前記画像を複数の画像ブロックに分割することをさらに備える、請求項27に記載のコンピュータ可読媒体。
- 前記動作が、各画像ブロック内の前景画素及び背景画素をサンプリングすることと、画像ブロックごとに、対応する顕著性で変調された/重み付けられた前景及び背景ヒストグラムを生成することとをさらに備える、請求項29に記載のコンピュータ可読媒体。
- 前記動作が、前記複数の画像ブロックのそれぞれに対して閾値範囲を決定することをさらに備える、請求項29に記載のコンピュータ可読媒体。
- 前記動作が、前記画像内の各エッジ画素における前記閾値を補間することをさらに備える、請求項31に記載のコンピュータ可読媒体。
- 処理システムにより実行するためのコンピュータ実行可能命令を有する有形非一時的コンピュータ可読媒体であって、前記コンピュータ実行可能命令が、生物学的組織サンプルの画像化分析のために物体境界の画定を行うためのものであり、前記コンピュータ実行可能命令が、実行された場合に、前記処理システムに、
(a)初期画像(702)を読み出すことと、
(b)前記初期画像をエッジ選択フィルタでフィルタリングして初期エッジ画像(704)を生成することと、
(c)初期投票画素(IVP、316)となる前記初期エッジ画像内の複数の画素を選択することと、
(d)前記IVPをトークン化してIVPごとのテンソル要素トークンを生成することと、
(e)各IVPについての前記テンソル要素トークンにより示唆される前記IVPテンソルと位置合わせされた前記IVPについての重み付けられたテンソル投票場(WTVF)を形成することと、
(f)前記IVPからの複数のWTVFを各近傍画素におけるテンソル総和へ累積して、近傍画素にテンソル投票動作を行うことと、
(g)各画素における前記累積されたテンソル総和の固有値及び固有ベクトルを決定することと、
(h)前記画素における前記固有値及び前記固有ベクトルに基づいて前記初期画像の前記エッジ画素を強調した顕著性エッジ強度画像(806)を生成することと、
(i)多重応答抑制を前記顕著性エッジ画像に実施し、次いで前記抑制された顕著性エッジ画像のヒステリシス閾値処理を実施して、精製されたエッジマスク(804)を生成することと
を備える動作を実施させ、これらのステップの実行が、前記画像の一部の領域で不明瞭である又は断片化している前記顕著な境界を検出することで、物体の境界の画定を生成するのに有効である、有形非一時的コンピュータ可読媒体。 - (a)前記精製されたエッジマスクの各画素の近傍にわたって前記顕著性値により重み付けられた前景及び背景画素強度値の局所ヒストグラムを前記初期画像から生成することと、
(b)前記局所ヒストグラムの統計分析からヒステリシスエッジ検出閾値を決定することと、
(c)前記精製されたエッジマスクの下で前記初期画像に前記ヒステリシスエッジ検出閾値を適用して物体境界を決定することと
をさらに備え、これらのステップの実行が、前記画像境界に沿った画像特徴を利用して前記顕著な境界を精製するのに有効である、請求項33に記載の媒体。 - 前記IVPをトークン化することが、前記検出すべき構造に関する領域固有の知識を用いてIVP及びそれらに関連付けられたWTVFの形成を制約することをさらに備える、請求項33に記載の媒体。
- IVP及びそれらに関連付けられたWTVFの形成を制約することが、
(a)各IVPの場所における前記初期画像内の局所画像勾配を計算することと、
(b)前記IVPを前記画像勾配でトークン化してIVPごとのスティックテンソル要素トークンを生成することと
をさらに備え、画素における初期画像局所勾配の方向が、その画素におけるスティックテンソルトークンの方向及び強度属性に使用される、請求項35に記載の媒体。 - 前記領域固有の知識が、生物学的細胞核境界を識別する必要性に由来し、細胞核が断面においてほぼ円形であり、境界勾配が全て、前記細胞核の中心付近のほぼ同じ場所を指し示す、請求項36に記載の媒体。
- 前記初期画像をフィルタリングすることが、前記初期画像に対する前記エッジ選択フィルタ用にCannyフィルタを用いることをさらに備える、請求項33に記載の媒体。
- 前記WTVFを形成することが、帯域制限操作可能フィルタの実装を用いてテンソル投票を計算することをさらに備え、ここで前記帯域制限操作可能フィルタを用いることで、テンソル投票の畳み込みをFFTと共に行って、前記計算を大幅に加速することを可能にする、請求項33に記載の媒体。
- テンソル投票動作を行うことが、
(a)前記画像を部分領域にタイル化することと、
(b)各タイルにおいて重み付けられた強度値のヒストグラムを形成することと、
(c)隣接するタイルにおける前記閾値の補間から原画像の境界閾値処理のための最適な閾値レベルを計算することと
をさらに備える、請求項33に記載の媒体。 - (a)プロセッサと、
(b)前記プロセッサに結合されたメモリであって、前記プロセッサにより実行された場合に、
i.画像により構成される複数の画像ブロックに対する閾値範囲を決定することと、
ii.前記複数の画像ブロックのそれぞれに対する複数の閾値範囲に基づいて適応的閾値画像を生成することと、
iii.前記適応的閾値画像に基づいて前記画像から前記前景を抽出することと
を備える動作を前記プロセッサに行わせるコンピュータ実行可能命令を記憶するための、メモリと
を備え、各画像ブロックが、テンソル投票動作により決定される複数のエッジ画素を備える、デジタル病理用のシステム。 - 前記テンソル投票動作が、前記初期エッジ画素における法線方向に沿って非対称である投票場を生成することをさらに備える、請求項41に記載のシステム。
- 前記動作が、前記近傍画素のそれぞれについての複数の投票を累積して、エッジ画素、接合画素、又は外れ値の1つである画素を判定することをさらに備える、請求項41に記載のシステム。
- 前記動作が、前記累積された投票に基づいて真のエッジ画素である画素を強調した顕著性エッジ画像を生成することをさらに備える、請求項43に記載のシステム。
- (a)非対称投票場及び減衰関数を生成して画像の領域内の真の核境界を決定するステップと、
(b)勾配方向又は顕著性エッジ方向に基づいて、前記真の核境界上の画素ごとに前景画素及び背景画素をサンプリングするステップと、
(c)前記画像の前記領域に対して、顕著性又は勾配の大きさで変調された/重み付けられた背景ヒストグラム及び前景ヒストグラムを生成するステップと、
(d)前記前景ヒストグラム及び前記背景ヒストグラムを用いて、前記画像の前記領域に対する閾値範囲を計算するステップと、
(e)前記画像の複数の領域に対応する複数の閾値範囲の補間に基づいて閾値画像を生成するステップと
を備える、方法。 - 前記画像がグレースケール画像である、請求項45の方法。
- 前記画像が複数のカラーチャネルを含む、請求項45の方法。
- 色分解、分離又は逆混合からなるグループから選択される方法を用いて、前記複数のカラーチャネルから1つのカラーチャネルを抽出するステップをさらに備える、請求項47の方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201462018848P | 2014-06-30 | 2014-06-30 | |
US62/018,848 | 2014-06-30 | ||
PCT/EP2015/064845 WO2016001223A1 (en) | 2014-06-30 | 2015-06-30 | Detecting edges of a nucleus using image analysis |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2017521779A true JP2017521779A (ja) | 2017-08-03 |
JP6660313B2 JP6660313B2 (ja) | 2020-03-11 |
Family
ID=53496716
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016575788A Active JP6660313B2 (ja) | 2014-06-30 | 2015-06-30 | 画像解析を用いた核のエッジの検出 |
Country Status (8)
Country | Link |
---|---|
US (1) | US10127675B2 (ja) |
EP (2) | EP3161787B1 (ja) |
JP (1) | JP6660313B2 (ja) |
AU (1) | AU2015283079A1 (ja) |
CA (1) | CA2948226C (ja) |
DK (1) | DK3161787T3 (ja) |
ES (1) | ES2680678T3 (ja) |
WO (1) | WO2016001223A1 (ja) |
Families Citing this family (40)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2948226C (en) | 2014-06-30 | 2023-09-05 | Ventana Medical Systems, Inc. | Detecting edges of a nucleus using image analysis |
US9996933B2 (en) * | 2015-12-22 | 2018-06-12 | Qualcomm Incorporated | Methods and apparatus for outlier detection and correction of structured light depth maps |
US9898817B2 (en) * | 2016-02-25 | 2018-02-20 | Niramai Health Analytix Pvt Ltd | Software tool for breast cancer screening |
US10360434B2 (en) * | 2016-07-25 | 2019-07-23 | Case Western Reserve University | Multi-pass adaptive voting for nuclei detection in histopathological images |
US9934578B2 (en) * | 2016-08-15 | 2018-04-03 | Macau University Of Science And Technology | Method for edge detection |
US11193927B2 (en) | 2016-09-08 | 2021-12-07 | Abbott Laboratories | Automated body fluid analysis |
EP3324406A1 (en) * | 2016-11-17 | 2018-05-23 | Fraunhofer Gesellschaft zur Förderung der Angewand | Apparatus and method for decomposing an audio signal using a variable threshold |
EP3324407A1 (en) | 2016-11-17 | 2018-05-23 | Fraunhofer Gesellschaft zur Förderung der Angewand | Apparatus and method for decomposing an audio signal using a ratio as a separation characteristic |
US10977797B2 (en) | 2016-12-14 | 2021-04-13 | Eyes Ltd. | System and methods for fully automated data analysis, reporting and quantification for medical and general diagnosis, and for edge detection in digitized images |
US10783627B2 (en) | 2017-03-03 | 2020-09-22 | Case Western Reserve University | Predicting cancer recurrence using local co-occurrence of cell morphology (LoCoM) |
US10121093B2 (en) * | 2017-04-11 | 2018-11-06 | Sony Corporation | System and method for background subtraction in video content |
EP3438928A1 (en) * | 2017-08-02 | 2019-02-06 | Koninklijke Philips N.V. | Detection of regions with low information content in digital x-ray images |
CN107644398B (zh) * | 2017-09-25 | 2021-01-26 | 上海兆芯集成电路有限公司 | 图像插补方法及其相关图像插补装置 |
JP6996200B2 (ja) * | 2017-09-29 | 2022-01-17 | 富士通株式会社 | 画像処理方法、画像処理装置、および画像処理プログラム |
CN107909555B (zh) * | 2017-11-27 | 2020-06-02 | 北京大恒图像视觉有限公司 | 一种保持锐度的网格噪声消除方法 |
CN111417958A (zh) | 2017-12-07 | 2020-07-14 | 文塔纳医疗系统公司 | 用于生物图像中的联合细胞和区域分类的深度学习系统和方法 |
WO2019121564A2 (en) | 2017-12-24 | 2019-06-27 | Ventana Medical Systems, Inc. | Computational pathology approach for retrospective analysis of tissue-based companion diagnostic driven clinical trial studies |
CN109960978A (zh) * | 2017-12-25 | 2019-07-02 | 大连楼兰科技股份有限公司 | 基于图像分层技术的车辆检测系统及装置 |
CN108492260B (zh) * | 2018-02-07 | 2019-01-08 | 长安大学 | 基于张量投票耦合霍夫变换的地质线性体提取方法 |
CN109657717A (zh) * | 2018-12-17 | 2019-04-19 | 罗世彬 | 一种基于多尺度密集结构特征提取的异源图像匹配方法 |
CN109584253B (zh) * | 2018-12-20 | 2022-08-30 | 重庆切克威科技有限公司 | 油液磨粒图像分割方法 |
CN111414904B (zh) * | 2019-01-08 | 2023-12-01 | 北京地平线机器人技术研发有限公司 | 处理感兴趣区域数据的方法和装置 |
CN110210437B (zh) * | 2019-06-10 | 2021-08-17 | 上海联影医疗科技股份有限公司 | 一种图像中人体区域的确定方法及系统 |
WO2021067665A2 (en) * | 2019-10-03 | 2021-04-08 | Photon-X, Inc. | Enhancing artificial intelligence routines using 3d data |
CN110827220B (zh) * | 2019-11-01 | 2023-05-30 | 杭州当虹科技股份有限公司 | 一种基于图像边缘分析的抗锯齿方法 |
CN110969638B (zh) * | 2019-11-12 | 2023-09-29 | 桂林电子科技大学 | 一种基于张量的背景减除方法及系统 |
CN111681256B (zh) * | 2020-05-07 | 2023-08-18 | 浙江大华技术股份有限公司 | 图像边缘检测方法、装置、计算机设备和可读存储介质 |
CN111640123B (zh) * | 2020-05-22 | 2023-08-11 | 北京百度网讯科技有限公司 | 无背景图像的生成方法、装置、设备及介质 |
BR112022025584A2 (pt) * | 2020-06-19 | 2023-03-07 | Paige Ai Inc | Sistemas e métodos para processar imagens eletrônicas para produzir a visualização de um mapa de tecido |
CN112348750B (zh) * | 2020-10-27 | 2023-08-18 | 西安电子科技大学 | 基于阈值融合和邻域投票的sar图像变化检测方法 |
CN113112496B (zh) * | 2021-04-30 | 2022-06-14 | 哈尔滨工业大学 | 一种基于自适应阈值的亚像素轴类零件尺寸测量方法 |
CN113190737B (zh) * | 2021-05-06 | 2024-04-16 | 上海慧洲信息技术有限公司 | 一种基于云平台的网站信息采集系统 |
CN114567794B (zh) * | 2022-03-11 | 2023-06-30 | 浙江理工大学 | 一种直播视频背景替换方法 |
US20240022676A1 (en) * | 2022-07-15 | 2024-01-18 | Zhejiang University Of Technology | Method for acquiring color density characteristic curve in printing |
CN115457004B (zh) * | 2022-09-22 | 2023-05-26 | 山东华太新能源电池有限公司 | 基于计算机视觉的锌膏的智能检测方法 |
CN115358497B (zh) * | 2022-10-24 | 2023-03-10 | 湖南长理尚洋科技有限公司 | 基于gis技术的智慧全景巡河方法及系统 |
CN116630790B (zh) * | 2023-03-17 | 2024-05-24 | 安徽理工大学 | 一种基于边缘精度评价的分类结果优化方法 |
CN116485785B (zh) * | 2023-06-15 | 2023-08-18 | 无锡斯达新能源科技股份有限公司 | 一种太阳能电池片的表面缺陷检测方法 |
CN117934455B (zh) * | 2024-03-19 | 2024-06-11 | 江苏盖亚环境科技股份有限公司 | 一种基于河道水流净化效果的检测方法及系统 |
CN117974528B (zh) * | 2024-04-02 | 2024-06-18 | 北京易优联科技有限公司 | 一种肾活检切片影像优化增强方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005530138A (ja) * | 2002-06-18 | 2005-10-06 | ライフスパン バイオサイエンス,インク. | 組織標本の中の重要な構造のコンピュータを利用した画像捕捉 |
JP2012231709A (ja) * | 2011-04-28 | 2012-11-29 | Hamamatsu Photonics Kk | 細胞解析方法、細胞解析装置、および細胞解析プログラム |
JP2013186655A (ja) * | 2012-03-07 | 2013-09-19 | Toyota Central R&D Labs Inc | 道路標示検出装置及びプログラム |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8126229B2 (en) * | 2007-08-03 | 2012-02-28 | Siemens Medical Solutions Usa, Inc. | Reduction of lymph tissue false positives in pulmonary embolism detection |
JP6334735B2 (ja) * | 2014-05-06 | 2018-05-30 | ナント・ホールデイングス・アイ・ピー・エル・エル・シー | エッジベクトルを利用した画像特徴検出 |
CA2948226C (en) | 2014-06-30 | 2023-09-05 | Ventana Medical Systems, Inc. | Detecting edges of a nucleus using image analysis |
-
2015
- 2015-06-30 CA CA2948226A patent/CA2948226C/en active Active
- 2015-06-30 DK DK15732707.3T patent/DK3161787T3/en active
- 2015-06-30 WO PCT/EP2015/064845 patent/WO2016001223A1/en active Application Filing
- 2015-06-30 EP EP15732707.3A patent/EP3161787B1/en active Active
- 2015-06-30 EP EP18170775.3A patent/EP3389011B1/en active Active
- 2015-06-30 JP JP2016575788A patent/JP6660313B2/ja active Active
- 2015-06-30 ES ES15732707.3T patent/ES2680678T3/es active Active
- 2015-06-30 AU AU2015283079A patent/AU2015283079A1/en not_active Abandoned
-
2016
- 2016-12-21 US US15/387,638 patent/US10127675B2/en active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005530138A (ja) * | 2002-06-18 | 2005-10-06 | ライフスパン バイオサイエンス,インク. | 組織標本の中の重要な構造のコンピュータを利用した画像捕捉 |
JP2012231709A (ja) * | 2011-04-28 | 2012-11-29 | Hamamatsu Photonics Kk | 細胞解析方法、細胞解析装置、および細胞解析プログラム |
JP2013186655A (ja) * | 2012-03-07 | 2013-09-19 | Toyota Central R&D Labs Inc | 道路標示検出装置及びプログラム |
Non-Patent Citations (1)
Title |
---|
郭 樹強 外4名: "テンソルボーティングによる超音波画像強調", 生体医工学 47(5), vol. 47(5), JPN6019020576, 2009, JP, pages 423 - 427, ISSN: 0004049096 * |
Also Published As
Publication number | Publication date |
---|---|
EP3389011A1 (en) | 2018-10-17 |
US10127675B2 (en) | 2018-11-13 |
EP3389011B1 (en) | 2019-06-12 |
JP6660313B2 (ja) | 2020-03-11 |
ES2680678T3 (es) | 2018-09-10 |
CA2948226C (en) | 2023-09-05 |
CA2948226A1 (en) | 2016-01-07 |
DK3161787T3 (en) | 2018-08-13 |
EP3161787B1 (en) | 2018-06-13 |
US20170098310A1 (en) | 2017-04-06 |
AU2015283079A1 (en) | 2016-11-24 |
EP3161787A1 (en) | 2017-05-03 |
WO2016001223A1 (en) | 2016-01-07 |
WO2016001223A9 (en) | 2016-02-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6660313B2 (ja) | 画像解析を用いた核のエッジの検出 | |
JP6496709B2 (ja) | 連続的に染色した組織における、1つの細胞の分割を使用する多重化バイオマーカー定量用の方法及びコンピュータ可読媒体 | |
Sommer et al. | Learning-based mitotic cell detection in histopathological images | |
CN109447998B (zh) | 基于PCANet深度学习模型下的自动分割方法 | |
Bhattacharjee et al. | Review on histopathological slide analysis using digital microscopy | |
US11538261B2 (en) | Systems and methods for automated cell segmentation and labeling in immunofluorescence microscopy | |
WO2015092904A1 (ja) | 画像処理装置、画像処理方法、及び画像処理プログラム | |
Kulikova et al. | Nuclei extraction from histopathological images using a marked point process approach | |
CN110648312A (zh) | 一种基于鳞片形态特征分析的羊毛与羊绒纤维识别方法 | |
CN112330701A (zh) | 基于极坐标表示的组织病理图像细胞核分割方法及系统 | |
WO2019181072A1 (ja) | 画像処理方法、コンピュータプログラムおよび記録媒体 | |
WO2014016234A1 (en) | Biological unit segmentation with ranking based on similarity applying a shape and scale descriptor | |
US10115195B2 (en) | Method and apparatus for processing block to be processed of urine sediment image | |
Jabar et al. | Image segmentation using an adaptive clustering technique for the detection of acute leukemia blood cells images | |
Chang et al. | Coupled segmentation of nuclear and membrane-bound macromolecules through voting and multiphase level set | |
Windisch et al. | Improvement of texture based image segmentation algorithm for HE stained tissue samples | |
WO2014053520A1 (en) | Targeting cell nuclei for the automation of raman spectroscopy in cytology | |
GB2478133A (en) | A method of Image classification based on duct and nuclei parameters | |
Qian et al. | Coarse-to-fine particle segmentation in microscopic urinary images | |
Hou et al. | FPNC Net: A hydrogenation catalyst image recognition algorithm based on deep learning | |
Ibañez et al. | Integrating multiscale topology in digital pathology with pyramidal graph convolutional networks | |
Morales et al. | Cell Microscopy Imaging: A Review on Digital Image Processing Applications | |
CN110717882A (zh) | 图像处理方法、计算机程序以及记录介质 | |
Qichang et al. | Center-focus global contrast saliency detection | |
Farhan | Automated clump splitting for biological cell segmentation in microscopy using image analysis |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20180518 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20190411 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190605 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190821 |
|
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: 20200109 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200207 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6660313 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |