JP2018061511A - Nerve cell evaluation method, nerve cell evaluation program and nerve cell evaluation method - Google Patents
Nerve cell evaluation method, nerve cell evaluation program and nerve cell evaluation method Download PDFInfo
- Publication number
- JP2018061511A JP2018061511A JP2017214666A JP2017214666A JP2018061511A JP 2018061511 A JP2018061511 A JP 2018061511A JP 2017214666 A JP2017214666 A JP 2017214666A JP 2017214666 A JP2017214666 A JP 2017214666A JP 2018061511 A JP2018061511 A JP 2018061511A
- Authority
- JP
- Japan
- Prior art keywords
- feature amount
- nerve cell
- moving image
- analysis target
- analysis
- 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
Abstract
Description
本技術は、分析対象を経時的に撮像した動画像を分析対象とする分析システム、分析プログラム及び分析方法に関する。 The present technology relates to an analysis system, an analysis program, and an analysis method for analyzing a moving image obtained by imaging an analysis object over time.
ｉＰＳ細胞の作成（特許文献１参照）により、再生医療、組織工学、細胞工学等の分野の進歩は著しく、細胞の状態の評価や、細胞に対する薬物等の効果や影響の評価に対する要望が非常に大きくなっている。特に神経細胞においても、ｉＰＳ細胞等の胚性幹細胞から神経細胞を作製する方法が確立されてきており（特許文献２参照）、神経細胞の有効な分析方法が求められている。 Due to the creation of iPS cells (see Patent Document 1), advances in fields such as regenerative medicine, tissue engineering, and cell engineering are remarkable, and there is a great demand for evaluation of the state of cells and the effects and effects of drugs on cells. It is getting bigger. Particularly for nerve cells, a method for producing nerve cells from embryonic stem cells such as iPS cells has been established (see Patent Document 2), and an effective method for analyzing nerve cells is required.
細胞の分析方法として、分析対象の細胞を経時的に撮像した動画を解析し、そこから得られる情報に基づいて細胞の分析を行う方法が研究されている。例えば特許文献３には、細胞を含む動画において動きベクトルを検出し、動画に含まれる細胞の動きの協同性を評価する画像処理装置が開示されている。 As a cell analysis method, a method of analyzing a moving image obtained by imaging a cell to be analyzed over time and analyzing the cell based on information obtained therefrom has been studied. For example, Patent Document 3 discloses an image processing apparatus that detects a motion vector in a moving image including cells and evaluates cooperativity of the movement of cells included in the moving image.
しかしながら、特許文献３に記載の画像処理装置は、動画からひとつの評価値を算出するものであり、動画における細胞の経時的な動きを評価するものではない。本発明者らは、細胞等の分析対象が経時的に撮像された動画像において、分析対象の経時的な動きを評価することが可能な分析手法を新たに見出した。 However, the image processing apparatus described in Patent Document 3 calculates one evaluation value from a moving image, and does not evaluate the time-dependent movement of cells in the moving image. The present inventors have newly found an analysis method capable of evaluating the temporal movement of an analysis target in a moving image obtained by imaging the analysis target such as a cell over time.
以上のような事情に鑑み、本技術の目的は、分析対象を経時的に撮像した動画像から分析対象の経時的な動きを評価することが可能な分析システム、分析プログラム及び分析方法を提供することにある。 In view of the circumstances as described above, an object of the present technology is to provide an analysis system, an analysis program, and an analysis method capable of evaluating a temporal movement of an analysis object from a moving image obtained by imaging the analysis object over time. There is.
上記目的を達成するため、本技術の一形態に係る分析システムは、特徴量算出部を具備する。
上記特徴量算出部は、分析対象を経時的に撮像した分析対象動画像において、動き量の特徴を示す特徴量を時間範囲毎に算出する。
In order to achieve the above object, an analysis system according to an embodiment of the present technology includes a feature amount calculation unit.
The feature amount calculation unit calculates a feature amount indicating a feature of a motion amount for each time range in an analysis target moving image obtained by imaging the analysis target with time.
分析対象動画像おける動き量（動きベクトル）は、分析対象動画像に含まれる分析対象の動きに応じて変動し、各時間範囲における特徴量は当該時間範囲における動き量の特徴を表す。したがって、特徴量を指標として動き量の時間変化を評価することが可能であり、即ち分析対象の動きを評価することが可能である。 The amount of motion (motion vector) in the analysis target moving image varies according to the motion of the analysis target included in the analysis target moving image, and the feature amount in each time range represents the feature of the motion amount in the time range. Therefore, it is possible to evaluate the temporal change of the motion amount using the feature amount as an index, that is, it is possible to evaluate the motion of the analysis target.
上記分析システムは、上記特徴量の時間変化又は空間変化を可視化する特徴量表示部をさらに具備してもよい。 The analysis system may further include a feature amount display unit that visualizes a temporal change or a spatial change of the feature amount.
この構成によれば、ユーザが可視化された特徴量の時間変動や空間変動を利用して分析対象の動きを評価することが可能となる。 According to this configuration, it is possible to evaluate the movement of the analysis target using the temporal variation and spatial variation of the feature amount visualized by the user.
上記分析システムは、上記特徴量の時間変化を可視化して上記分析対象動画像に重畳させ、特徴量表示動画像を生成する特徴量表示部をさらに具備してもよい。 The analysis system may further include a feature amount display unit that generates a feature amount display moving image by visualizing a temporal change of the feature amount and superimposing the change on the analysis target moving image.
特徴量表示動画像には分析対象動画像と、分析対象動画像に伴なって変動する特徴量が表示されるため、ユーザは特徴量によって表される動き量の特徴を参照しながら分析対象動画像を観察することが可能となる。 Since the feature amount display moving image displays the analysis target moving image and the feature amount that varies with the analysis target moving image, the user can analyze the moving image while referring to the feature of the motion amount represented by the feature amount. An image can be observed.
上記分析システムは、上記分析対象動画像の特定の範囲を算出範囲として指定する範囲指定部をさらに具備し、上記特徴量算出部は、上記算出範囲毎に上記特徴量を算出してもよい。 The analysis system may further include a range specifying unit that specifies a specific range of the analysis target moving image as a calculation range, and the feature amount calculation unit may calculate the feature amount for each of the calculation ranges.
この構成によれば、分析対象動画像の特定の範囲（算出範囲）毎に特徴量が算出されるため、その範囲毎に分析対象の動きを評価することが可能である。算出範囲は、ユーザによって指定された範囲であってもよく、分析対象動画像を複数に分割した範囲であってもよい。 According to this configuration, since the feature amount is calculated for each specific range (calculation range) of the analysis target moving image, it is possible to evaluate the motion of the analysis target for each range. The calculation range may be a range designated by the user or a range obtained by dividing the analysis target moving image into a plurality of parts.
上記特徴量は、動きの量や方向の平均値、最大値、最小値、、標準偏差、分散、変動係数又は周波数特徴量若しくはこれらの組み合わせであってもよい。 The feature amount may be an average value, a maximum value, a minimum value, a standard deviation, a variance, a variation coefficient, a frequency feature amount, or a combination of these in the amount and direction of motion.
上記各種の特徴量は動き量の特徴を表すため、これらの特徴量を指標として分析対象の動きを評価することが可能である。なお、これらの特徴量は、いずれか一つ又は複数が利用されてもよい。特徴量の種類によって表される動き量の特徴が異なるため、評価したい分析対象の動きに応じて適切な特徴量を選択することが可能である。 Since the various feature quantities described above represent the features of the motion amount, it is possible to evaluate the motion of the analysis target using these feature amounts as an index. Any one or a plurality of these feature quantities may be used. Since the feature of the motion amount represented by the type of feature amount is different, it is possible to select an appropriate feature amount according to the motion of the analysis target to be evaluated.
上記周波数特徴量は、周波数解析によって得られる平均強度、ピーク周波数又は平均パワー周波数であってもよい。 The frequency feature amount may be an average intensity, a peak frequency, or an average power frequency obtained by frequency analysis.
上記各種の周波数特徴量は、高速フーリエ変化（ＦＦＴ）、ウェーブレット変換、最大エントロピー法（ＭＥＭ）等の周波数解析によって得られ、動き量の周波数に関する情報を含む。しがって、これらの特徴量を指標として分析対象の動きを動き量の周波数の点から評価することが可能である。なお、これらの特徴量は、いずれか一つ又は複数が利用されてもよい。 The various frequency feature amounts are obtained by frequency analysis such as fast Fourier change (FFT), wavelet transform, maximum entropy method (MEM), and include information related to the frequency of the motion amount. Therefore, it is possible to evaluate the motion of the analysis object from the point of frequency of the motion amount using these feature amounts as an index. Any one or a plurality of these feature quantities may be used.
上記分析対象は神経細胞であってもよい。 The analysis target may be a nerve cell.
神経細胞の動き（振動等）は、神経細胞に印加されている刺激の種類（抑制性や興奮性等）や神経細胞ネットワークの形成状態によって影響を受ける。しかしその動きは心筋細胞の拍動等と比較して微小であり、より精度の高い分析が要求される。本分析システムは、特徴量を指標として細胞の動きを高精度に分析することが可能であるため、神経細胞は本分析システムによる分析対象として好適である。 The movement (vibration, etc.) of a nerve cell is affected by the type of stimulus (inhibition, excitability, etc.) applied to the nerve cell and the formation state of the nerve cell network. However, the movement is very small compared to the pulsation of cardiomyocytes, and more accurate analysis is required. Since this analysis system can analyze the movement of a cell with high accuracy using a feature amount as an index, a nerve cell is suitable as an analysis target by this analysis system.
上記分析システムは、上記分析対象動画像を構成する静止画において、分析対象が存在する領域である分析対象領域を特定する分析対象領域特定部をさらに具備し、
上記特徴量算出部は、上記分析対象動画像において、上記分析対象領域について上記特徴量を算出してもよい。
The analysis system further includes an analysis target area specifying unit that specifies an analysis target area that is an area where the analysis target exists in the still image constituting the analysis target moving image,
The feature amount calculation unit may calculate the feature amount for the analysis target region in the analysis target moving image.
この構成によれば、特徴量算出部は、分析対象動画像において、分析対象（細胞等）が存在する領域のみについて、特徴量を算出することが可能である。分析対象動画像において分析対象が存在しない領域（細胞の間等）については特徴量が算出されないため、
特徴量算出部は高速に特徴量を算出することができ、ノイズの発生を防止することも可能である。
According to this configuration, the feature amount calculation unit can calculate the feature amount only for the region where the analysis target (cell or the like) exists in the analysis target moving image. Since features are not calculated for areas where there is no analysis target (such as between cells) in the analysis target video,
The feature amount calculation unit can calculate the feature amount at high speed, and can also prevent the occurrence of noise.
上記特徴量算出部は、上記分析対象領域において動き速度が閾値以上の領域である動き領域を利用して上記特徴量を算出してもよい。 The feature amount calculation unit may calculate the feature amount by using a motion region that is a region having a motion speed equal to or greater than a threshold in the analysis target region.
動き領域は、分析対象領域のうち動き速度が閾値以上の領域であり、即ち分析対象において動きが大きい部分である。分析対象の中には、特定の部分（例えば神経細胞における神経突起）のみが大きく動くものがあり、特徴量算出部が動き領域を特定することにより、動きが大きい部分の動きを抽出し、解析することが可能となる。 The motion region is a region where the motion speed is greater than or equal to a threshold value in the analysis target region, that is, a portion where the motion is large in the analysis target. Some of the objects to be analyzed move only a specific part (for example, neurites in nerve cells), and the feature amount calculation unit identifies the movement area to extract and analyze the movement of the part with large movement. It becomes possible to do.
上記特徴量算出部は、上記分析対象領域に占める上記動き領域の割合を上記特徴量として算出してもよい。 The feature amount calculation unit may calculate a ratio of the motion region in the analysis target region as the feature amount.
動き領域割合は、分析対象領域のうち、動き領域がどの程度であるかを示し、分析対象における動きの傾向を表す。これにより、例えば動き領域割合が大きい場合、分析対象（細胞等）の全体が振動しており、動き領域割合が小さい場合、分析対象の特定部分が振動している等と判断することが可能となる。 The motion area ratio indicates how much the motion area is in the analysis target area, and indicates the tendency of the motion in the analysis target. Thereby, for example, when the movement area ratio is large, it is possible to determine that the entire analysis target (cells, etc.) vibrates, and when the movement area ratio is small, it is possible to determine that a specific part of the analysis target is vibrating. Become.
上記特徴量算出部は、上記分析対象領域における動き速度の平均値を上記特徴量として算出してもよい。 The feature amount calculation unit may calculate an average value of motion speeds in the analysis target region as the feature amount.
分析対象領域における動き速度の平均値は、分析対象の全体的な動きを表す。平均する動き速度を分析対象領域に限ることによって、分析対象が存在しない領域（細胞の間等）の動き速度が平均されることを防止することが可能である。 The average value of the movement speed in the analysis target area represents the overall movement of the analysis target. By limiting the motion speed to be averaged to the analysis target area, it is possible to prevent the motion speeds of the areas where there is no analysis target (such as between cells) from being averaged.
上記特徴量算出部は、上記動き領域における動き速度の平均値を上記特徴量として算出してもよい。 The feature amount calculation unit may calculate an average value of motion speed in the motion region as the feature amount.
動き領域における動き速度の平均値は、分析対象のうち、動いている部分の動き速度を表す。これにより、例えば、分析対象において特定の部分のみが活発に振動している場合、その部分のみの動き速度を判断することが可能となる。仮に分析対象の全体において動き速度の平均値を求めると、振動していない部分の動き速度も平均されてしまうため、活発に振動している部分の動き速度の解析が困難となるが、上記構成により、このような場合であっても解析が可能となる。 The average value of the motion speed in the motion region represents the motion speed of the moving portion of the analysis target. Thereby, for example, when only a specific part is actively vibrated in the analysis target, it is possible to determine the movement speed of only that part. If the average value of the motion speed is calculated for the entire analysis target, the motion speed of the part that is not vibrated is also averaged, which makes it difficult to analyze the motion speed of the part that vibrates actively. Therefore, even in such a case, analysis becomes possible.
上記特徴量算出部は、動き量の周波数解析によって得られるパワースペクトル密度の所定の周波数帯における面積を周波数特徴量として算出してもよい。 The feature amount calculation unit may calculate an area in a predetermined frequency band of the power spectrum density obtained by frequency analysis of the motion amount as a frequency feature amount.
この構成によれば、所定の周波数帯における振動の情報が特徴量として抽出されるため、
分析対象のうち注目する部分（例えば神経細胞の神経突起）の周波数帯のみに限定して解析を行うことが可能となる。換言すれば、分析対象の振動のうち、注目する周波数帯以外の振動は解析の対象から除外することが可能となり、分析対象が複数の周波数の振動を有している場合であっても、有効に解析を行うことが可能となる。
According to this configuration, since vibration information in a predetermined frequency band is extracted as a feature amount,
It becomes possible to perform the analysis only in the frequency band of the portion of interest (for example, the neurite of the nerve cell) in the analysis target. In other words, vibrations outside the frequency band of interest can be excluded from the analysis target among the vibrations of the analysis target, and effective even when the analysis target has vibrations of multiple frequencies. It is possible to perform analysis.
上記目的を達成するため、本技術の一形態に係る分析プログラムは、特徴量算出部としてコンピュータを機能させる。
上記特徴量算出部は、分析対象を経時的に撮像した分析対象動画像において、動き量の特徴を示す特徴量を時間範囲毎に算出する。
In order to achieve the above object, an analysis program according to an embodiment of the present technology causes a computer to function as a feature amount calculation unit.
The feature amount calculation unit calculates a feature amount indicating a feature of a motion amount for each time range in an analysis target moving image obtained by imaging the analysis target with time.
上記目的を達成するため、本技術の一形態に係る分析方法は、分析対象を経時的に撮像した分析対象動画像において、動き量の特徴を示す特徴量を時間範囲毎に算出する。 In order to achieve the above object, an analysis method according to an embodiment of the present technology calculates a feature amount indicating a feature of a motion amount for each time range in an analysis target moving image obtained by imaging the analysis target over time.
以上のように、本技術によれば、分析対象が経時的に撮像された分析対象動画像から分析対象の経時的な動きを評価することが可能な分析システム、分析プログラム及び分析方法を提供することが可能である。 As described above, according to the present technology, there are provided an analysis system, an analysis program, and an analysis method capable of evaluating a temporal movement of an analysis target from an analysis target moving image obtained by imaging the analysis target over time. It is possible.
（第１の実施形態）
本技術の第１の実施形態に係る分析システムについて説明する。
(First embodiment)
An analysis system according to the first embodiment of the present technology will be described.
図１は、本実施形態に係る分析システム１００の構成を示す模式図であり、図２は分析システム１００の動作を示すフローチャートであるである。図１に示すように分析システム１００は、動画像取得部１０１、動き量検出部１０２、範囲指定部１０３、特徴量算出部１０４及び特徴量表示部１０５を有する。分析システム１００は、情報処理装置によって実現される機能的構成とすることができ、単一の情報処理装置によって実現されてもよく、ネットワークを介して接続された複数の情報処理装置によって実現されてもよい。 FIG. 1 is a schematic diagram illustrating a configuration of an analysis system 100 according to the present embodiment, and FIG. 2 is a flowchart illustrating an operation of the analysis system 100. As illustrated in FIG. 1, the analysis system 100 includes a moving image acquisition unit 101, a motion amount detection unit 102, a range specification unit 103, a feature amount calculation unit 104, and a feature amount display unit 105. The analysis system 100 can have a functional configuration realized by an information processing device, and may be realized by a single information processing device or by a plurality of information processing devices connected via a network. Also good.
動画像取得部１０１は、「分析対象動画像」を取得する。分析対象動画像は、分析対象の細胞や細胞群を経時的に撮像した動画像であり、動画像は連続的に撮像された複数のフレームから構成される動画や、タイムラプス撮影により撮像された静止画を含む。分析対象動画像の撮像速度は分析対象に応じて適宜設定することが可能であり、分析対象が神経細胞の場合は５０ｆｐｓ（ｆｒａｍｅ／ｓｅｃ）以下、例えば１ｆｐｍ（ｆｒａｍｅ／ｍｉｎ）とすることができる。分析対象が心筋細胞の場合は１５０ｆｐｓ以上とすることができる。 The moving image acquisition unit 101 acquires an “analysis target moving image”. An analysis target moving image is a moving image obtained by capturing a cell or a group of cells to be analyzed over time, and a moving image is a moving image composed of a plurality of continuously captured frames or a still image captured by time-lapse shooting. Includes drawings. The imaging speed of the analysis target moving image can be appropriately set according to the analysis target. When the analysis target is a nerve cell, it can be set to 50 fps (frame / sec) or less, for example, 1 fpm (frame / min). . When the analysis target is a cardiomyocyte, it can be set to 150 fps or more.
分析対象動画像は、明視野撮像、暗視野撮像、位相差撮像、蛍光撮像、共焦点撮像、多光子励起蛍光撮像、吸収光撮像、乱光撮像等の各種の光学的な撮像方法を利用して撮像された動画像であるものとすることができる。 The analysis target moving image uses various optical imaging methods such as bright field imaging, dark field imaging, phase difference imaging, fluorescence imaging, confocal imaging, multiphoton excitation fluorescence imaging, absorption light imaging, and irregular light imaging. It can be assumed that the moving image is captured in this manner.
図３は、分析対象動画像の例であり、複数の神経細胞を含む動画像である。動画像取得部１０１は、図示しない撮像装置（顕微鏡撮像装置）から分析対象動画像を取得してもよく、ストレージに格納されている動画像やネットワークから供給された動画像を分析対象動画像として取得するものとすることも可能である。この際、動画像取得部１０１は、予め撮像された動画像から、分析対象の種類に応じて所定の周期でサンプリングし、分析対象動画像を取得してもよい。動画像取得部１０１は、取得した分析対象動画像を動き量検出部１０２に供給する。 FIG. 3 is an example of an analysis target moving image, which is a moving image including a plurality of nerve cells. The moving image acquisition unit 101 may acquire an analysis target moving image from an imaging device (microscope imaging device) (not shown), and a moving image stored in a storage or a moving image supplied from a network is used as an analysis target moving image. It can also be obtained. At this time, the moving image acquisition unit 101 may acquire the analysis target moving image by sampling from a moving image captured in advance at a predetermined cycle according to the type of the analysis target. The moving image acquisition unit 101 supplies the acquired analysis target moving image to the motion amount detection unit 102.
動き量検出部１０２は、分析対象動画像における「動き量」（動きベクトル）を検出する（図２、Ｓｔ１０１）。動き量は、分析対象動画像を構成するフレーム間において、対応する各画素又は画素群の時間に伴なう移動量及び移動方向を含み、ブロックマッチング等の画像処理手法によって検出することが可能である。動き量検出部１０２は、検出した動き量を範囲指定部１０３に供給する。 The motion amount detection unit 102 detects the “motion amount” (motion vector) in the analysis target moving image (FIG. 2, St101). The amount of motion includes the amount and direction of movement of each corresponding pixel or pixel group with time between frames constituting the analysis target moving image, and can be detected by an image processing method such as block matching. is there. The motion amount detection unit 102 supplies the detected motion amount to the range specification unit 103.
範囲指定部１０３は、分析対象動画像において「算出範囲」を指定する。算出範囲は、分析対象動画像において後述する特徴量を算出するための範囲であり、一つ又は複数の範囲とすることができる。図４は分析対象動画像において指定された算出範囲の例を示し、白線で区画された各範囲が算出範囲である。 The range designation unit 103 designates “calculation range” in the analysis target moving image. The calculation range is a range for calculating a feature amount described later in the analysis target moving image, and can be one or a plurality of ranges. FIG. 4 shows an example of the calculation range designated in the analysis target moving image, and each range divided by white lines is the calculation range.
範囲指定部１０３は、ユーザによって指示された範囲を算出範囲として指定してもよく、予め定められた範囲を算出範囲として指定してもよい。予め定められた範囲は、例えば、図４に示すように分析対象動画像を多分割（例えば１０×１０）した範囲とすることができる。また、範囲指定部１０３は、分析対象動画像の全体を一つの算出範囲として指定してもよい。範囲指定部１０３は、算出範囲と算出範囲毎の動き量を特徴量算出部１０４に供給する。 The range designation unit 103 may designate a range designated by the user as the calculation range, or may designate a predetermined range as the calculation range. The predetermined range can be, for example, a range obtained by dividing the analysis target moving image into multiple segments (for example, 10 × 10) as shown in FIG. The range specifying unit 103 may specify the entire analysis target moving image as one calculation range. The range specifying unit 103 supplies the calculation range and the motion amount for each calculation range to the feature amount calculation unit 104.
特徴量算出部１０４は、算出範囲毎に「特徴量」を算出する。（図２、Ｓｔ１０２）。特徴量は、分析対象動画像における時間範囲毎の動き量の特徴を示す量である。この時間範囲は、一定の時間範囲であってもよく、可変の時間範囲であってもよい。具体的には特徴量算出部１０４は、算出範囲毎の動き量から、動き量の時間変動である時間−動き量波形を算出する。図５は時間−動き量波形の例であり、横軸（ｆｒａｍｅ）は分析対象動画像のフレーム、即ち撮像時間を示し、縦軸（ｍｏｔｉｏｎ）は動き量を示す。 The feature amount calculation unit 104 calculates a “feature amount” for each calculation range. (FIG. 2, St102). The feature amount is an amount indicating the feature of the motion amount for each time range in the analysis target moving image. This time range may be a fixed time range or a variable time range. Specifically, the feature amount calculation unit 104 calculates a time-motion amount waveform, which is a temporal variation of the motion amount, from the motion amount for each calculation range. FIG. 5 is an example of a time-motion amount waveform. The horizontal axis (frame) indicates a frame of an analysis target moving image, that is, an imaging time, and the vertical axis (motion) indicates a motion amount.
特徴量算出部１０４は、時間−動き量波形を利用して特徴量を算出する。具体的には特徴量は、拍動エリア（細胞の存在する面積）、動き量の平均値、最大値、最小値、標準偏差、分散又は変動係数等を含む。特徴量算出部１０４は、時間−動き量波形において特徴量を算出する時間範囲を移動させながら、特徴量を連続的に算出する。特徴量を算出する時間範囲は、特徴量の種類や分析対象の動き等に応じて適宜設定することが可能である。 The feature amount calculation unit 104 calculates a feature amount using a time-motion amount waveform. Specifically, the feature amount includes a pulsation area (area where cells are present), an average value of motion amount, a maximum value, a minimum value, a standard deviation, a variance or a coefficient of variation. The feature amount calculation unit 104 continuously calculates the feature amount while moving the time range for calculating the feature amount in the time-motion amount waveform. The time range for calculating the feature amount can be appropriately set according to the type of feature amount, the movement of the analysis target, and the like.
さらに、特徴量は、「周波数特徴量」を含む。特徴量算出部１０４は、時間−動き量波形に対して周波数解析を施すことにより周波数特徴量を算出することが可能である。図６は、特徴量算出部１０４による周波数特徴量の算出方法を示す図である。特徴量算出部１０４は予め、ＤＣ（直流）成分の除去やフィッティング等の前処理を行った上で、図６に示すように、時間−動き量波形に対して時間窓（ｗｉｎｄｏｗ）を設定する。 Further, the feature amount includes “frequency feature amount”. The feature amount calculation unit 104 can calculate a frequency feature amount by performing frequency analysis on the time-motion amount waveform. FIG. 6 is a diagram illustrating a frequency feature amount calculation method by the feature amount calculation unit 104. The feature amount calculation unit 104 performs preprocessing such as DC (direct current) component removal and fitting in advance, and then sets a time window for the time-motion amount waveform as shown in FIG. .
特徴量算出部１０４は、時間窓を移動させながら、時間窓に含まれる波形に対して高速フーリエ変換（ＦＦＴ）解析を行い（図２、Ｓｔ１０３）、得られた結果からパワースペクトル密度（ｐｏｗｅｒ ｓｐｅｃｔｒａｌ ｄｅｎｓｉｔｙ：ＰＳＤ）を算出する。図７に、パワースペクトル密度の例を示す。 The feature amount calculation unit 104 performs fast Fourier transform (FFT) analysis on the waveform included in the time window while moving the time window (FIG. 2, St103), and based on the obtained result, the power spectral density (power spectral) Density (PSD) is calculated. FIG. 7 shows an example of the power spectral density.
特徴量算出部１０４は、周波数解析によって得られる平均強度、ピーク周波数又は平均パワー周波数（ＭＰＦ：ｍｅａｎ ｐｏｗｅｒ ｆｒｅｑｕｅｎｃｙ）等を周波数特徴量として算出することができる（図２、Ｓｔ１０４）。周波数解析には高速フーリエ変換（ＦＦＴ）、ウェーブレット変換、最大エントロピー法（ＭＥＭ）等の各種周波数解析手法が含まれる。なお、ＭＰＦは、パワースペクトル密度において面積比が等しくなる周波数である。図６に、面積Ａと面積Ｂが等しくなるＭＰＦを示す。特徴量算出部１０４は、算出した特徴量を特徴量表示部１０５に供給する。なお、特徴量算出部１０４は同一の時間範囲から複数種の特徴量を算出してもよい。 The feature amount calculation unit 104 can calculate an average intensity, a peak frequency, an average power frequency (MPF) or the like obtained by frequency analysis as a frequency feature amount (FIG. 2, St104). The frequency analysis includes various frequency analysis methods such as fast Fourier transform (FFT), wavelet transform, and maximum entropy method (MEM). MPF is a frequency at which the area ratio becomes equal in power spectral density. FIG. 6 shows an MPF in which area A and area B are equal. The feature amount calculation unit 104 supplies the calculated feature amount to the feature amount display unit 105. Note that the feature amount calculation unit 104 may calculate a plurality of types of feature amounts from the same time range.
特徴量表示部１０５は、特徴量の時間変化又は空間変化を可視化する。具体的には特徴量表示部１０５は、特徴量を可視化して分析対象動画像に重畳させ、特徴量表示動画像を生成する（図２、Ｓｔ１０５）ことができる。図８は、特徴量表示動画像の生成方法を示す模式図である。特徴量表示部１０５は、特徴量の値の大小に応じて色彩を付し、あるいは濃淡を付し、特徴量が算出された算出範囲に対応させて配置することによって特徴量を可視化することができる。特徴量表示部１０５は、上記可視化された特徴量を、分析対象動画像において特徴量が算出された時間範囲に対応するフレームに重畳させ、特徴量表示動画像を生成する。 The feature amount display unit 105 visualizes a temporal change or a spatial change of the feature amount. Specifically, the feature amount display unit 105 can generate a feature amount display moving image by visualizing the feature amount and superimposing it on the analysis target moving image (FIG. 2, St105). FIG. 8 is a schematic diagram illustrating a method of generating a feature amount display moving image. The feature amount display unit 105 can visualize the feature amount by adding colors or shades according to the magnitude of the feature amount value and arranging the feature amount corresponding to the calculation range in which the feature amount is calculated. it can. The feature amount display unit 105 superimposes the visualized feature amount on a frame corresponding to the time range in which the feature amount is calculated in the analysis target moving image to generate a feature amount display moving image.
図８に示す特徴量表示動画像は、分析対象動画像を１００分割した算出範囲（図４参照）からＭＰＦを算出し、分析対象動画像に重畳させた例である。特徴量表示部１０５は生成した特徴量表示動画像をディスプレイに供給し、表示させるものとすることができる。これにより、ユーザは特徴量によって表される動き量の特徴を参照しながら分析対象動画像を観察することが可能となる。 The feature amount display moving image shown in FIG. 8 is an example in which MPF is calculated from a calculation range (see FIG. 4) obtained by dividing the analysis target moving image by 100 and superimposed on the analysis target moving image. The feature amount display unit 105 can supply the generated feature amount display moving image to the display for display. Accordingly, the user can observe the analysis target moving image while referring to the feature of the motion amount represented by the feature amount.
特徴量表示部１０５は、ＭＰＦ以外にも各種の特徴量を分析対象動画像に重畳させ、特徴量表示動画像を生成することができる。図９は、各種の特徴量を分析対象動画像に重畳させた特徴量表示動画像の例である。図９（ａ）は動き量平均、図９（ｂ）は動き量分散値、図９（ｃ）はＭＰＦ（周波数）がそれぞれ重畳された特徴量である。これらの図に示すように、特徴量の種類によって観察できる特徴が異なり、例えば動き量分散値は細胞突起付近で大きく、周波数成分は細胞体で周波数が低い等の特徴を観察することが可能となる。 The feature amount display unit 105 can generate various feature amount display moving images by superimposing various feature amounts other than MPF on the analysis target moving image. FIG. 9 is an example of a feature amount display moving image in which various feature amounts are superimposed on an analysis target moving image. 9A shows the motion amount average, FIG. 9B shows the motion amount variance value, and FIG. 9C shows the feature amount on which MPF (frequency) is superimposed. As shown in these figures, the features that can be observed differ depending on the type of feature, for example, it is possible to observe features such as a large amount of motion variance near the cell projections and a low frequency component in the cell body. Become.
また、特徴量表示部１０５は、上述した時間窓毎の周波数特性を表示させ、特徴量の空間変化を可視化してもよい（図２、Ｓｔ１０６）。図１０は、時間窓毎の周波数特性の例である。１０（ａ）はＧＡＢＡが投与されたｉＰＳ由来の神経細胞の周波数特性であり、図１０（ｂ）はグルタミン酸が投与された同神経細胞の周波数特性である。 Further, the feature quantity display unit 105 may display the frequency characteristics for each time window described above to visualize the spatial change of the feature quantity (FIG. 2, St106). FIG. 10 is an example of frequency characteristics for each time window. 10 (a) shows frequency characteristics of iPS-derived nerve cells administered with GABA, and FIG. 10 (b) shows frequency characteristics of the same nerve cells administered with glutamic acid.
ＧＡＢＡは神経細胞に抑制性の刺激を与える生理活性物質であり、投与された神経細胞は、低周波数の動き（振動）を生じる。グルタミン酸は神経細胞に興奮性の刺激を与える生理活性物質であり、投与された神経細胞は、高周波数の動きを生じる。図１０（ａ）に示す周波数特性では、低周波数の動きが活発化しており、ＧＡＢＡによる神経細胞への影響が検出できることがわかる。 GABA is a physiologically active substance that gives an inhibitory stimulus to nerve cells, and the administered nerve cells cause low-frequency movement (vibration). Glutamic acid is a physiologically active substance that gives excitatory stimuli to nerve cells, and the administered nerve cells cause high-frequency movement. In the frequency characteristics shown in FIG. 10 (a), it can be seen that the movement of low frequency is activated and the influence of GABA on nerve cells can be detected.
さらに特徴量表示部１０５は、特徴量算出部１０４によって算出された特徴量を表やグラフとして表示してもよい（図２、Ｓｔ１０７）。図１１は、特徴量を示す表の例である。同図に示すように、特徴量の表やグラフが表示されることによって、ユーザは特徴量の値や傾向を把握しやすくなる。 Further, the feature amount display unit 105 may display the feature amount calculated by the feature amount calculation unit 104 as a table or a graph (FIG. 2, St107). FIG. 11 is an example of a table showing feature amounts. As shown in the figure, the feature amount table and graph are displayed, so that the user can easily grasp the feature value and the trend.
本実施形態に係る分析システム１００は以上のように構成される。分析システム１００によれば、特徴量を利用して分析対象動画像における分析対象の動きを評価することが可能である。具体的には分析システム１００は、生理活性物質の効果の評価、薬剤の効果、毒性の評価、神経細胞の品質管理、神経細胞の分化状態の評価、異常細胞やネットワーク異常の領域の特定、病態由来の細胞の評価による病態の評価等に利用することが可能である。 The analysis system 100 according to the present embodiment is configured as described above. According to the analysis system 100, it is possible to evaluate the movement of the analysis target in the analysis target moving image using the feature amount. Specifically, the analysis system 100 evaluates the effect of a physiologically active substance, evaluates the effect of a drug, evaluates the toxicity, quality control of the nerve cell, evaluates the differentiation state of the nerve cell, specifies the area of the abnormal cell or network abnormality, pathological condition It can be used for evaluation of pathological conditions by evaluation of cells derived from the cells.
分析システム１００の分析対象は特に限定されない。しかしながら、分析システム１００の分析対象として神経細胞が好適である。神経細胞の動き（振動等）は、神経細胞に印加されている刺激の種類（抑制性や興奮性等）や神経細胞ネットワークの形成状態によって影響を受ける。しかしその動きは心筋細胞の拍動等と比較して微小であり、より精度の高い分析が要求される。分析システム１００は、特徴量を指標として細胞の動きを高精度に分析することが可能であるため、神経細胞は本分析システムによる分析対象として好適である。 The analysis target of the analysis system 100 is not particularly limited. However, a nerve cell is suitable as an analysis target of the analysis system 100. The movement (vibration, etc.) of a nerve cell is affected by the type of stimulus (inhibition, excitability, etc.) applied to the nerve cell and the formation state of the nerve cell network. However, the movement is very small compared to the pulsation of cardiomyocytes, and more accurate analysis is required. Since the analysis system 100 can analyze the movement of the cell with high accuracy using the feature amount as an index, the nerve cell is suitable as an analysis target by the present analysis system.
（第２の実施形態）
本技術の第２の実施形態に係る分析システムについて説明する。
(Second Embodiment)
An analysis system according to the second embodiment of the present technology will be described.
図１２は、本実施形態に係る分析システム２００の構成を示す模式図であり、図１３は分析システム２００の動作を示すフローチャートであるである。図１２に示すように分析システム２００は、動画像取得部２０１、分析対象領域特定部２０２、動き量検出部２０３、特徴量算出部２０４及び特徴量表示部２０５を有する。分析システム２００は、情報処理装置によって実現される機能的構成とすることができ、単一の情報処理装置によって実現されてもよく、ネットワークを介して接続された複数の情報処理装置によって実現されてもよい。 FIG. 12 is a schematic diagram showing the configuration of the analysis system 200 according to the present embodiment, and FIG. 13 is a flowchart showing the operation of the analysis system 200. As illustrated in FIG. 12, the analysis system 200 includes a moving image acquisition unit 201, an analysis target region specifying unit 202, a motion amount detection unit 203, a feature amount calculation unit 204, and a feature amount display unit 205. The analysis system 200 can have a functional configuration realized by an information processing device, and may be realized by a single information processing device, or by a plurality of information processing devices connected via a network. Also good.
動画像取得部２０１は、「分析対象動画像」を取得する。分析対象動画像は、分析対象の細胞や細胞群を経時的に撮像した動画像であり、動画像は連続的に撮像された複数のフレームから構成される動画や、タイムラプス撮影により撮像された静止画を含む。分析対象動画像の撮像速度は分析対象に応じて適宜設定することが可能であり、分析対象が神経細胞の場合は５０ｆｐｓ（ｆｒａｍｅ／ｓｅｃ）以下、例えば１ｆｐｍ（ｆｒａｍｅ／ｍｉｎ）とすることができる。分析対象が心筋細胞の場合は１５０ｆｐｓ以上とすることができる。 The moving image acquisition unit 201 acquires an “analysis target moving image”. An analysis target moving image is a moving image obtained by capturing a cell or a group of cells to be analyzed over time, and a moving image is a moving image composed of a plurality of continuously captured frames or a still image captured by time-lapse shooting. Includes drawings. The imaging speed of the analysis target moving image can be appropriately set according to the analysis target. When the analysis target is a nerve cell, it can be set to 50 fps (frame / sec) or less, for example, 1 fpm (frame / min). . When the analysis target is a cardiomyocyte, it can be set to 150 fps or more.
分析対象動画像は、明視野撮像、暗視野撮像、位相差撮像、蛍光撮像、共焦点撮像、多光子励起蛍光撮像、吸収光撮像、乱光撮像等の各種の光学的な撮像方法を利用して撮像された動画像であるものとすることができる（図３参照）。 The analysis target moving image uses various optical imaging methods such as bright field imaging, dark field imaging, phase difference imaging, fluorescence imaging, confocal imaging, multiphoton excitation fluorescence imaging, absorption light imaging, and irregular light imaging. It can be assumed that the moving image is captured in this way (see FIG. 3).
動画像取得部２０１は、図示しない撮像装置（顕微鏡撮像装置）から分析対象動画像を取得してもよく、ストレージに格納されている動画像やネットワークから供給された動画像を分析対象動画像として取得するものとすることも可能である。この際、動画像取得部２０１は、予め撮像された動画像から、分析対象の種類に応じて所定の周期でサンプリングし、分析対象動画像を取得してもよい。動画像取得部１０１は、取得した分析対象動画像を分析対象領域特定部２０２に供給する。 The moving image acquisition unit 201 may acquire an analysis target moving image from an imaging device (microscope imaging device) (not shown), and uses a moving image stored in a storage or a moving image supplied from a network as an analysis target moving image. It can also be obtained. At this time, the moving image acquisition unit 201 may acquire the analysis target moving image by sampling from a moving image captured in advance at a predetermined cycle according to the type of the analysis target. The moving image acquisition unit 101 supplies the acquired analysis target moving image to the analysis target region specifying unit 202.
分析対象領域特定部２０２は、分析対象動画像を構成する静止画（以下、分析対象静止画）から「分析対象領域」を特定する（図１３、Ｓｔ２０１）。分析対象静止画は、分析対象動画像の最初のフレームであってもよく、任意のフレームであってもよい。また、分析対象静止画は、分析対象動画像から所定の時間毎に抽出されたフレームであってもよい。分析対象領域は、分析対象静止画の視野において分析対象が存在する領域であり、例えば細胞が存在する領域である。 The analysis target area specifying unit 202 specifies an “analysis target area” from still images (hereinafter referred to as analysis target still images) constituting the analysis target moving image (FIG. 13, St201). The analysis target still image may be the first frame of the analysis target moving image or an arbitrary frame. Further, the analysis target still image may be a frame extracted from the analysis target moving image every predetermined time. The analysis target region is a region where the analysis target exists in the field of view of the analysis target still image, for example, a region where cells exist.
分析対象領域特定部２０２は、分析対象静止画に画像処理を施し、分析対象領域を特定する。図１４は分析対象静止画における分析対象領域を模式的に示す図である。同図における区画Ｄは、分析対象領域の特定単位を示し、分析対象静止画の一つ又は複数の画素を含む範囲とすることができる。斜線を付した区画Ｄが、分析対象領域特定部２０２によって分析対象が存在すると特定された区画であり、分析対象区画Ｄ１とする。分析対象区画Ｄ１の集合が分析対象領域である。図１５は、分析対象静止画において特定された分析対象領域の例であり、白色の領域が分析対象領域である。 The analysis target area specifying unit 202 performs image processing on the analysis target still image and specifies the analysis target area. FIG. 14 is a diagram schematically showing an analysis target region in the analysis target still image. A section D in the figure indicates a specific unit of the analysis target area, and can be a range including one or a plurality of pixels of the analysis target still image. The hatched section D is a section identified by the analysis target area specifying unit 202 that the analysis target exists, and is set as the analysis target section D1. A set of analysis target sections D1 is an analysis target area. FIG. 15 is an example of the analysis target area specified in the analysis target still image, and the white area is the analysis target area.
分析対象領域特定部２０２は、分析対象静止画に対し、ダイナミックレンジによる検出やマッチング等の画像処理によって、分析対象領域を特定するものとすることができる。この際、分析対象領域特定部２０２は、閾値によって、分析対象領域として検出する分析対象を選択することが可能であり、例えば神経細胞の細胞体を検出するか、神経突起を検出するか、あるいは両方を検出するか等を選択することが可能である。 The analysis target area specifying unit 202 can specify the analysis target area for the analysis target still image by image processing such as detection and matching using a dynamic range. At this time, the analysis target area specifying unit 202 can select an analysis target to be detected as the analysis target area based on the threshold, and for example, detects a cell body of a nerve cell, a neurite, or It is possible to select whether to detect both.
動き量検出部２０３は、分析対象動画像における「動き量」（動きベクトル）を検出する（図１３、Ｓｔ２０２）。動き量は、分析対象動画像を構成するフレーム間において、対応する各画素又は画素群の時間に伴なう移動量及び移動方向を含み、ブロックマッチング等の画像処理手法によって検出することが可能である。 The motion amount detection unit 203 detects the “motion amount” (motion vector) in the analysis target moving image (FIG. 13, St202). The amount of motion includes the amount and direction of movement of each corresponding pixel or pixel group with time between frames constituting the analysis target moving image, and can be detected by an image processing method such as block matching. is there.
ここで、動き量検出部２０３は、分析対象領域特定部２０２によって特定された分析対象領域（分析対象区画Ｄ１の集合）対して動き量を検出する。具体的には、動き量検出部２０３は、分析対象静止画のフレームから、次の分析対象静止画のフレームの間の分析対象動画像について、分析対象領域を構成する各分析対象区画Ｄ１における動き量を検出する。動き量検出部２０３は、各分析対象区画Ｄ１の動き量を動き速度に変換することができる。 Here, the motion amount detection unit 203 detects the motion amount for the analysis target region (a set of analysis target sections D1) specified by the analysis target region specification unit 202. Specifically, the motion amount detection unit 203 performs the motion in each analysis target section D1 constituting the analysis target region for the analysis target moving image between the analysis target still image frame from the analysis target still image frame. Detect the amount. The motion amount detection unit 203 can convert the motion amount of each analysis target section D1 into a motion speed.
図１６は、分析対象動画像における動き速度を模式的に示す図であり、各分析対象区画Ｄ１において検出された動き速度を数値で示す。分析対象区画Ｄ１において、動き速度が一定値（ここでは１）以上の区画を動き検出区画Ｄ２とする。動き検出区画Ｄ２の集合が動き領域である。図１７は、分析対象動画像における動き領域の例であり、動き領域を白色の領域として示す。 FIG. 16 is a diagram schematically illustrating the motion speed in the analysis target moving image, and numerically represents the motion speed detected in each analysis target section D1. In the analysis target section D1, a section whose movement speed is a certain value (here, 1) or more is set as a motion detection section D2. A set of motion detection sections D2 is a motion region. FIG. 17 is an example of a motion region in the analysis target moving image, and shows the motion region as a white region.
図１６に示すように、分析対象静止画（図１４参照）において分析対象区画Ｄ１とされなかった区画Ｄについては、動き量が検出されない。これにより、分析対象動画像の視野において分析対象が存在しない領域（例えば細胞と細胞の間）については、動き量が検出されず、動き量の検出を高速化すると共に、ノイズの発生を防止することが可能である。動き量検出部２０３は、分析対象領域、動き領域及び動き量を特徴量算出部２０４に供給する。 As shown in FIG. 16, the motion amount is not detected for the section D that is not the analysis target section D1 in the analysis target still image (see FIG. 14). As a result, the amount of motion is not detected in a region where the analysis target does not exist in the field of view of the analysis target moving image (for example, between cells), thereby speeding up the detection of the amount of motion and preventing the generation of noise. It is possible. The motion amount detection unit 203 supplies the analysis target region, the motion region, and the motion amount to the feature amount calculation unit 204.
特徴量算出部２０４は、動き領域において「特徴量」を算出する（図１３、Ｓｔ２０３）。特徴量は、分析対象動画像における時間範囲毎の動き量の特徴を示す量である。この時間範囲は、一定の時間範囲であってもよく、可変の時間範囲であってもよい。 The feature amount calculation unit 204 calculates a “feature amount” in the motion region (FIG. 13, St203). The feature amount is an amount indicating the feature of the motion amount for each time range in the analysis target moving image. This time range may be a fixed time range or a variable time range.
特徴量算出部２０４は、「動き領域割合」を特徴量として算出することができる。動き領域割合は、分析対象領域に占める動き領域の割合であり、具体的には分析対象区画Ｄ１に占める動き区画Ｄ２の割合である。動き領域割合によって、分析対象が存在すると判定された領域（分析対象領域）のうち、動きが生じている領域（動き領域）がどの程度であるかを判断することが可能となる。例えば動き領域割合が大きい場合、分析対象（細胞等）の全体が振動しており、動き領域割合が小さい場合、分析対象の特定部分が振動している等と判断することができる。 The feature amount calculation unit 204 can calculate the “motion area ratio” as a feature amount. The movement area ratio is the ratio of the movement area in the analysis target area, and specifically the ratio of the movement section D2 in the analysis target section D1. Based on the motion area ratio, it is possible to determine how much of the area (the motion area) in which the analysis target is determined to exist (the analysis target area) is moving. For example, when the movement area ratio is large, it can be determined that the entire analysis target (cells or the like) vibrates, and when the movement area ratio is small, a specific part of the analysis target is vibrating.
また、特徴量算出部２０４は、「分析対象領域速度」を特徴量として算出することができる。分析対象領域速度は、分析対象領域における動き速度の平均値であり、各分析対象区画Ｄ１（動き区画Ｄ２を含む）の動き速度を平均することにより算出することができる。分析対象領域速度は、分析対象の全体における動き速度の平均値であり、分析対象の全体的な動き速度を判断することができる。平均する動き速度を分析対象領域に限ることによって、分析対象が存在しない領域（細胞の間等）の動き速度が平均されることを防止することが可能である。 Further, the feature amount calculation unit 204 can calculate “analysis target region speed” as a feature amount. The analysis target area speed is an average value of the motion speed in the analysis target area, and can be calculated by averaging the motion speeds of the analysis target sections D1 (including the motion section D2). The analysis target area speed is an average value of the movement speed of the entire analysis target, and the overall movement speed of the analysis target can be determined. By limiting the motion speed to be averaged to the analysis target area, it is possible to prevent the motion speeds of the areas where there is no analysis target (such as between cells) from being averaged.
また、特徴量算出部２０４は、「動き領域速度」を特徴量として算出することができる。動き領域速度は、動き領域における動き速度の平均値であり、各動き区画Ｄ２の動き速度度を平均することにより算出することができる。動き領域速度は、分析対象のうち、動いている部分の動き速度の平均値であり、例えば、分析対象において特定の部分のみが活発に振動している場合、その部分の動き速度を判断することが可能である。仮に分析対象の全体において動き速度の平均値を求めると、動いていない部分の動き速度も平均されてしまうため、動き領域速度は、分析対象において特定の部分のみが動いている場合に特に有効である。 Also, the feature amount calculation unit 204 can calculate “motion region speed” as a feature amount. The motion area speed is an average value of the motion speed in the motion area, and can be calculated by averaging the motion speed degrees of the motion sections D2. The motion region speed is an average value of the motion speed of the moving part of the analysis target. For example, when only a specific part vibrates actively in the analysis target, the motion speed of that part is determined. Is possible. If the average value of motion speed is calculated for the entire analysis target, the motion speed of the non-moving part is also averaged, so the motion area speed is particularly effective when only a specific part is moving in the analysis target. is there.
さらに、特徴量算出部２０４は、「周波数特徴量」を算出することができる。特徴量算出部２０４は、第１の実施形態と同様に時間−動き量波形（図５参照）を算出し、時間−動き量波形に対して周波数解析を施すことにより周波数特徴量を算出することが可能である。 Further, the feature amount calculation unit 204 can calculate a “frequency feature amount”. The feature amount calculation unit 204 calculates a time-motion amount waveform (see FIG. 5) as in the first embodiment, and calculates a frequency feature amount by performing frequency analysis on the time-motion amount waveform. Is possible.
特徴量算出部２０４は、時間窓を移動させながら、時間窓に含まれる波形に対して高速フーリエ変換（ＦＦＴ）解析を行い（図１３、Ｓｔ２０４）、得られた結果からパワースペクトル密度（ｐｏｗｅｒ ｓｐｅｃｔｒａｌ ｄｅｎｓｉｔｙ：ＰＳＤ）を算出する。図１８に、パワースペクトル密度の例を示す。 The feature amount calculation unit 204 performs fast Fourier transform (FFT) analysis on the waveform included in the time window while moving the time window (FIG. 13, St204), and based on the obtained result, the power spectral density (power spectral) Density (PSD) is calculated. FIG. 18 shows an example of the power spectral density.
同図に示すように、特徴量算出部２０４は、所定の周波数帯におけるパワースペクトル密度の面積（ＰＳＤａｒｅａ）を周波数特徴量として算出することができる。ＰＳＤａｒｅａを算出する周波数帯は、観測したい振動の周波数に応じて任意に設定することができ、例えば０〜０．１Ｈｚ以下とすることができる。 As shown in the figure, the feature amount calculation unit 204 can calculate the power spectral density area (PSD area) in a predetermined frequency band as the frequency feature amount. The frequency band for calculating PSDarea can be arbitrarily set according to the frequency of vibration to be observed, and can be set to 0 to 0.1 Hz or less, for example.
図１９は、ＰＳＤａｒｅａをマッピングした例であり、神経細胞の細胞死の過程を示す。図１９（ａ）は、分析開始時刻、図１９（ｂ）は０．７５時間後、図１９（ｃ）は６時間後の０〜０．１ＨｚにおけるＰＳＤａｒｅａである。図中白色はＰＳＤａｒｅａが大きい領域を示し、黒色はＰＳＤａｒｅａが小さい領域を示す。図１９（ａ）においては、細胞の全体において０〜０．１Ｈｚの振動が大きいが、図１９（ｂ）においては、神経突起において同周波数帯の振動が大きく、細胞体において同周波数帯の振動が小さくなっている。図１９（ｃ）においては神経突起においても同周波数帯の振動が停止している。 FIG. 19 is an example of mapping PSDarea, showing the process of neuronal cell death. 19A shows the analysis start time, FIG. 19B shows the PSD area at 0 to 0.1 Hz after 0.75 hours, and FIG. 19C shows the time after 6 hours. In the figure, white indicates a region where the PSDarea is large, and black indicates a region where the PSDarea is small. In FIG. 19A, the vibration of 0 to 0.1 Hz is large in the whole cell, but in FIG. 19B, the vibration in the same frequency band is large in the neurite, and the vibration in the same frequency band in the cell body. Is getting smaller. In FIG. 19C, the vibration in the same frequency band is also stopped in the neurite.
このように、特徴量算出部２０４が所定の周波数帯におけるＰＳＤａｒｅａを算出することにより、分析対象の振動のうち、注目する周波数帯における振動のみを抽出することが可能であり、周波数が異なる無関係な振動は解析から除外することが可能である。 As described above, the feature amount calculation unit 204 calculates PSDarea in a predetermined frequency band, so that it is possible to extract only the vibration in the frequency band of interest from among the vibrations to be analyzed. Vibrations can be excluded from the analysis.
また、特徴量算出部２０４は、第１の実施形態と同様に、周波数解析によって得られる平均強度、ピーク周波数又は平均パワー周波数（ＭＰＦ：ｍｅａｎ ｐｏｗｅｒ ｆｒｅｑｕｅｎｃｙ）等を周波数特徴量として算出することができる（図１３、Ｓｔ２０５）。周波数解析には高速フーリエ変換（ＦＦＴ）、ウェーブレット変換、最大エントロピー法（ＭＥＭ）等の各種周波数解析手法が含まれる。特徴量算出部２０４は、算出した特徴量を特徴量表示部２０５に供給する。なお、特徴量算出部２０４は同一の時間範囲から複数種の特徴量を算出してもよい。 Also, the feature amount calculation unit 204 can calculate an average intensity, a peak frequency, an average power frequency (MPF) or the like obtained by frequency analysis as a frequency feature amount, as in the first embodiment. (FIG. 13, St205). The frequency analysis includes various frequency analysis methods such as fast Fourier transform (FFT), wavelet transform, and maximum entropy method (MEM). The feature amount calculation unit 204 supplies the calculated feature amount to the feature amount display unit 205. Note that the feature amount calculation unit 204 may calculate a plurality of types of feature amounts from the same time range.
特徴量表示部２０５は、特徴量の時間変化又は空間変化を可視化する。具体的には特徴量表示部２０５は、特徴量を可視化して分析対象動画像に重畳させ、特徴量表示動画像を生成する（図１３、Ｓｔ２０６）ことができる。特徴量表示部２０５は、第１の実施形態と同様に、特徴量の値の大小に応じて色彩を付し、あるいは濃淡を付し、特徴量が算出された算出範囲に対応させて配置することによって特徴量を可視化することができる。特徴量表示部２０５は、上記可視化された特徴量を、分析対象動画像において特徴量が算出された時間範囲に対応するフレームに重畳させ、特徴量表示動画像を生成する。 The feature amount display unit 205 visualizes a temporal change or a spatial change of the feature amount. Specifically, the feature amount display unit 205 can visualize the feature amount and superimpose it on the analysis target moving image to generate a feature amount display moving image (FIG. 13, St206). Similar to the first embodiment, the feature amount display unit 205 adds colors or shades according to the magnitude of the feature amount value, and arranges the feature amount display unit 205 according to the calculation range in which the feature amount is calculated. Thus, the feature amount can be visualized. The feature amount display unit 205 generates a feature amount display moving image by superimposing the visualized feature amount on a frame corresponding to a time range in which the feature amount is calculated in the analysis target moving image.
図２０は、上述した動き領域を分析対象動画像に重畳させた特徴量表示動画像の例である。同図に示すように、特徴量表示部は、動き速度（図１７参照）の大小に応じて色彩や濃淡を付し、特徴量表示動画像とすることができる。また、特徴量表示部２０５は、図１９に示したようなＰＳＤａｒｅａや動き量平均、動き量分散値、ＭＰＦ等の各種特徴量を利用して、特徴量表示動画像を生成してもよい（図９参照）。また、特徴量表示部２０５は、上述した時間窓毎の周波数特性を表示させ、特徴量の空間変化を可視化してもよい（図１３、Ｓｔ２０７）。 FIG. 20 is an example of a feature amount display moving image in which the above-described moving region is superimposed on an analysis target moving image. As shown in the figure, the feature amount display unit can add a color and shading according to the magnitude of the movement speed (see FIG. 17) to obtain a feature amount display moving image. Further, the feature amount display unit 205 may generate a feature amount display moving image using various feature amounts such as PSDarea, motion amount average, motion amount dispersion value, and MPF as shown in FIG. 19 ( (See FIG. 9). Further, the feature amount display unit 205 may display the frequency characteristics for each time window described above to visualize the spatial change of the feature amount (FIG. 13, St207).
さらに特徴量表示部２０５は、特徴量算出部２０４によって算出された特徴量を表やグラフとして表示してもよい（図１３、Ｓｔ２０８）。図２１乃至図２３は、特徴量表示部２０５によって表示される特徴量の表示態様の例である。図２４は、特徴量表示部２０５に表示させる特徴量の選択のためのインターフェースを示す。図２５は、特徴量を表示させる領域（ＲＯＩ：Ｒｅｇｉｏｎ ｏｆ Ｉｎｔｅｒｅｓｔ、図中白枠)の選択のためのインターフェースを示す。特徴量表示部２０５は、図２４や図２５に示すインターフェイスによって指示された分析対象や特徴量を表示するものとすることができる。また、特徴量表示部２０５は、上述した分析対象領域や動き領域、各種特徴量等を利用して、ＲＯＩを自動的に選択してもよい。 Further, the feature amount display unit 205 may display the feature amount calculated by the feature amount calculation unit 204 as a table or a graph (FIG. 13, St208). FIG. 21 to FIG. 23 are examples of feature quantity display modes displayed by the feature quantity display unit 205. FIG. 24 shows an interface for selecting feature quantities to be displayed on the feature quantity display unit 205. FIG. 25 shows an interface for selecting a region (ROI: Region of Interest, white frame in the figure) for displaying a feature amount. The feature amount display unit 205 can display the analysis target and the feature amount specified by the interface shown in FIGS. The feature amount display unit 205 may automatically select an ROI using the analysis target region, the motion region, various feature amounts, and the like described above.
本実施形態に係る分析システム２００は以上のように構成される。分析システム２００によれば、特徴量を利用して分析対象動画像における分析対象の動きを評価することが可能である。具体的には分析システム２００は、生理活性物質の効果の評価、薬剤の効果、毒性の評価、神経細胞の品質管理、神経細胞の分化状態の評価、異常細胞やネットワーク異常の領域の特定、病態由来の細胞の評価による病態の評価等に利用することが可能である。 The analysis system 200 according to the present embodiment is configured as described above. According to the analysis system 200, it is possible to evaluate the movement of the analysis target in the analysis target moving image using the feature amount. Specifically, the analysis system 200 evaluates the effect of the physiologically active substance, the effect of the drug, the evaluation of the toxicity, the quality control of the nerve cell, the evaluation of the differentiation state of the nerve cell, the identification of the area of the abnormal cell or the network abnormality, the pathological condition It can be used for evaluation of pathological conditions by evaluation of cells derived from the cells.
分析システム２００の分析対象は特に限定されない。しかしながら、分析システム２００の分析対象として神経細胞が好適である。神経細胞の動き（振動等）は、神経細胞に印加されている刺激の種類（抑制性や興奮性等）や神経細胞ネットワークの形成状態によって影響を受ける。しかしその動きは心筋細胞の拍動等と比較して微小であり、より精度の高い分析が要求される。分析システム２００は、特徴量を指標として細胞の動きを高精度に分析することが可能であるため、神経細胞は本分析システムによる分析対象として好適である。 The analysis target of the analysis system 200 is not particularly limited. However, a nerve cell is suitable as an analysis target of the analysis system 200. The movement (vibration, etc.) of a nerve cell is affected by the type of stimulus (inhibition, excitability, etc.) applied to the nerve cell and the formation state of the nerve cell network. However, the movement is very small compared to the pulsation of cardiomyocytes, and more accurate analysis is required. Since the analysis system 200 can analyze the movement of the cell with high accuracy using the feature amount as an index, the nerve cell is suitable as an analysis target by the present analysis system.
加えて本実施形態によれば、分析対象動画像において分析対象が存在する領域を分析対象領域として抽出し、分析対象領域について動き量の解析や特徴量の算出を実施する。神経細胞は心筋細胞等の他の細胞と比較してもその振動する部分が局所的であり、本実施形態に係る分析システム２００の分析対象によって効果的に分析することが可能である。さらに、分析システム２００においては特定の周波数帯におけるパワースペクトル密度の面積を分析に利用するため、神経細胞の神経突起や細胞体等の周波数の異なる振動をそれぞれ抽出することが可能であり、この点でも神経細胞の分析に適している。 In addition, according to the present embodiment, a region where the analysis target exists in the analysis target moving image is extracted as the analysis target region, and the analysis of the motion amount and the calculation of the feature amount are performed on the analysis target region. Compared with other cells such as cardiomyocytes, nerve cells have local portions that vibrate and can be effectively analyzed by the analysis target of the analysis system 200 according to the present embodiment. Furthermore, since the analysis system 200 uses the area of the power spectral density in a specific frequency band for analysis, it is possible to extract vibrations having different frequencies such as neurites and cell bodies of nerve cells. But it is suitable for analysis of nerve cells.
本技術は、上記各実施形態にのみ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内において変更することが可能である。 The present technology is not limited only to the above-described embodiments, and can be changed without departing from the gist of the present technology.
なお、本技術は以下のような構成も採ることができる。 In addition, this technique can also take the following structures.
（１）
分析対象を経時的に撮像した分析対象動画像において、動き量の特徴を示す特徴量を時間範囲毎に算出する特徴量算出部
を具備する分析システム。
(1)
An analysis system including a feature amount calculation unit that calculates a feature amount indicating a feature of a motion amount for each time range in an analysis target moving image obtained by imaging an analysis target over time.
（２）
上記（１）に記載の分析システムであって、
上記特徴量の時間変化又は空間変化を可視化する特徴量表示部をさらに具備する
分析システム。
(2)
The analysis system according to (1) above,
An analysis system further comprising a feature amount display unit for visualizing temporal change or spatial change of the feature amount.
（３）
上記（１）又は（２）に記載の分析システムであって、
上記特徴量表示部は、上記特徴量の時間変化を可視化して上記分析対象動画像に重畳させ、特徴量表示動画像を生成する
分析システム。
(3)
The analysis system according to (1) or (2) above,
The feature amount display unit visualizes a temporal change of the feature amount and superimposes it on the analysis target moving image to generate a feature amount display moving image.
（４）
上記（１）から（３）のうちいずれか一つに記載の分析システムであって、
上記分析対象動画像の特定の範囲を算出範囲として指定する範囲指定部をさらに具備し、
上記特徴量算出部は、上記算出範囲毎に上記特徴量を算出する
分析システム。
(4)
The analysis system according to any one of (1) to (3) above,
A range designating unit for designating a specific range of the analysis target moving image as a calculation range;
The feature quantity calculation unit calculates the feature quantity for each calculation range.
（５）
上記（１）から（４）のうちいずれか一つに記載の分析システムであって、
上記特徴量は、動きの量や方向の平均値、最大値、最小値、標準偏差、分散、変動係数又は周波数特徴量若しくはこれらの組み合わせである
分析システム。
(5)
The analysis system according to any one of (1) to (4) above,
The feature amount is an average value, a maximum value, a minimum value, a standard deviation, a variance, a variation coefficient, a frequency feature amount, or a combination thereof of the amount and direction of motion.
（６）
上記（１）から（５）のうちいずれか一つに記載の分析システムであって、
上記周波数特徴量は、周波数解析によって得られる平均強度、ピーク周波数又は平均パワー周波数である
分析システム。
(6)
The analysis system according to any one of (1) to (5) above,
The frequency characteristic amount is an average intensity, a peak frequency, or an average power frequency obtained by frequency analysis.
（７）
上記（１）から（６）のうちいずれか一つに記載の分析システムであって、
上記分析対象は神経細胞である
分析システム。
(7)
The analysis system according to any one of (1) to (6) above,
The analysis target is a nerve cell.
（８）
上記（１）から（７）のうちいずれか一つに記載の分析システムであって、
上記分析対象動画像を構成する静止画において、分析対象が存在する領域である分析対象領域を特定する分析対象領域特定部をさらに具備し、
上記特徴量算出部は、上記分析対象動画像において、上記分析対象領域について上記特徴量を算出する
分析システム。
(8)
The analysis system according to any one of (1) to (7) above,
The still image constituting the analysis target moving image further includes an analysis target region specifying unit for specifying the analysis target region which is a region where the analysis target exists,
The feature quantity calculation unit calculates the feature quantity for the analysis target region in the analysis target moving image.
（９）
上記（１）から（８）のうちいずれか一つに記載の分析システムであって、
上記特徴量算出部は、上記分析対象領域において動き速度が閾値以上の領域である動き領域を利用して上記特徴量を算出する
分析システム。
(9)
The analysis system according to any one of (1) to (8) above,
The feature quantity calculation unit calculates the feature quantity by using a motion region that is a region having a motion speed equal to or greater than a threshold in the analysis target region.
（１０）
上記（１）から（９）のうちいずれか一つに記載の分析システムであって、
上記特徴量算出部は、上記分析対象領域に占める上記動き領域の割合を上記特徴量として算出する
分析システム。
(10)
The analysis system according to any one of (1) to (9) above,
The feature quantity calculation unit calculates a ratio of the motion area in the analysis target area as the feature quantity.
（１１）
上記（１）から（１０）のうちいずれか一つに記載の分析システムであって、
上記特徴量算出部は、上記分析対象領域における動き速度の平均値を上記特徴量として算出する
分析システム。
(11)
The analysis system according to any one of (1) to (10) above,
The feature quantity calculation unit calculates an average value of motion speed in the analysis target area as the feature quantity.
（１２）
上記（１）から（１１）のうちいずれか一つに記載の分析システムであって、
上記特徴量算出部は、上記動き領域における動き速度の平均値を上記特徴量として算出する
分析システム。
(12)
The analysis system according to any one of (1) to (11) above,
The feature amount calculation unit calculates an average value of motion speed in the motion region as the feature amount.
（１３）
上記（１）から（１２のうちいずれか一つに記載の分析システムであって、
上記特徴量算出部は、動き量の周波数解析によって得られるパワースペクトル密度の所定の周波数帯における面積を周波数特徴量として算出する
分析システム。
(13)
The analysis system according to any one of (1) to (12 above,
The feature amount calculation unit calculates an area in a predetermined frequency band of a power spectrum density obtained by frequency analysis of a motion amount as a frequency feature amount.
（１４）
分析対象を経時的に撮像した分析対象動画像において、動き量の特徴を示す特徴量を時間範囲毎に算出する特徴量算出部
としてコンピュータを機能させる分析プログラム。
(14)
An analysis program that causes a computer to function as a feature amount calculating unit that calculates a feature amount indicating a feature of a motion amount for each time range in an analysis target moving image obtained by imaging an analysis target over time.
（１５）
分析対象を経時的に撮像した分析対象動画像において、動き量の特徴を示す特徴量を時間範囲毎に算出する
分析方法。
(15)
An analysis method for calculating a feature amount indicating a feature of a motion amount for each time range in an analysis target moving image obtained by imaging an analysis target over time.
１００、２００…分析システム
１０１、２０１…動画像取得部
１０２…動き量検出部
２０２…分析対象領域特定部
１０３…範囲指定部
１０４、２０４…特徴量算出部
１０５、２０５…特徴量表示部
DESCRIPTION OF SYMBOLS 100, 200 ... Analysis system 101, 201 ... Moving image acquisition part 102 ... Motion amount detection part 202 ... Analysis object area | region identification part 103 ... Range designation | designated part 104, 204 ... Feature-value calculation part 105, 205 ... Feature-value display part
Claims (14)
前記算出された前記神経細胞の評価対象範囲の周波数特徴量の薬剤投与前後での変化を可視化して表示するよう制御する特徴量表示部と
を有する神経細胞評価装置。 In a moving image obtained by imaging a nerve cell over time, a feature amount calculation unit that calculates a frequency feature amount of a movement amount of the evaluation target range of the nerve cell;
A neuron evaluation apparatus comprising: a feature amount display unit configured to visualize and display a change in the frequency feature amount of the calculated evaluation range of the nerve cell before and after drug administration.
前記周波数特徴量は、周波数解析によって得られる平均強度、ピーク周波数又は平均パワー周波数である
神経細胞評価装置。 The nerve cell evaluation apparatus according to claim 1,
The frequency characteristic amount is an average intensity, a peak frequency, or an average power frequency obtained by frequency analysis.
前記特徴量算出部は、前記神経細胞の評価対象範囲の動き量の周波数解析によって得られるパワースペクトル密度の所定の周波数帯における面積を周波数特徴量として算出する
神経細胞評価装置。 The nerve cell evaluation apparatus according to claim 1,
The neuron evaluation apparatus, wherein the feature amount calculation unit calculates an area in a predetermined frequency band of a power spectrum density obtained by frequency analysis of a motion amount of the evaluation range of the nerve cell as a frequency feature amount.
前記評価対象範囲は、前記動画像を構成する画像に対する所定の閾値処理によって特定される
神経細胞評価装置。 The nerve cell evaluation apparatus according to claim 1,
The evaluation target range is specified by a predetermined threshold process for an image constituting the moving image.
前記評価対象範囲は、前記動画像を構成する画像のダイナミックレンジに基づき検出される
神経細胞評価装置。 The nerve cell evaluation apparatus according to claim 1,
The evaluation target range is detected based on a dynamic range of images constituting the moving image.
前記評価対象範囲は細胞体である
神経細胞評価装置。 The nerve cell evaluation apparatus according to claim 1,
The evaluation object range is a cell body.
前記評価対象範囲は神経突起である
神経細胞評価装置。 The nerve cell evaluation apparatus according to claim 1,
The evaluation target range is a neurite.
前記特徴量表示部は、前記神経細胞の評価対象範囲の薬剤効果の結果を表示するよう制御する
神経細胞評価装置。 The nerve cell evaluation apparatus according to claim 1,
The feature amount display unit controls to display a result of a drug effect in the evaluation target range of the nerve cell.
前記特徴量表示部は、ＲＯＩ（Region of Interest)を示すインターフェースによって指定された領域の周波数特徴量を可視化して表示する
神経細胞評価装置。 The nerve cell evaluation apparatus according to claim 1,
The feature amount display unit visualizes and displays a frequency feature amount in a region specified by an interface indicating ROI (Region of Interest).
前記特徴量表示部は、生成した特徴量表示動画像をディスプレイに供給し、表示させる制御をおこなう
神経細胞評価装置。 The nerve cell evaluation apparatus according to claim 1,
The feature amount display unit supplies a generated feature amount display moving image to a display and performs control to display the same.
前記動画像は顕微鏡撮像装置によって撮像される
神経細胞評価装置。 The nerve cell evaluation apparatus according to claim 1, wherein the moving image is picked up by a microscope image pickup apparatus.
前記神経細胞はｉＰＳ細胞由来の神経細胞である
神経細胞評価装置。 The nerve cell evaluation apparatus according to claim 1, wherein the nerve cell is an iPS cell-derived nerve cell.
前記算出された前記神経細胞の評価対象範囲の周波数特徴量の薬剤投与前後での変化を可視化して表示するよう制御する特徴量表示部と
として情報処理装置を機能させる神経細胞評価プログラム。 In a moving image obtained by imaging a nerve cell over time, a feature amount calculation unit that calculates a frequency feature amount of a movement amount of the evaluation target range of the nerve cell;
A neuron evaluation program for causing an information processing apparatus to function as a feature amount display unit that controls to visualize and display changes in the frequency feature amount of the calculated evaluation range of the nerve cell before and after drug administration.
前記算出された前記神経細胞の評価対象範囲の周波数特徴量の薬剤投与前後での変化を可視化して表示する
神経細胞評価方法。 In a moving image obtained by imaging a nerve cell over time, a frequency feature amount of a movement amount of the evaluation range of the nerve cell is calculated,
A nerve cell evaluation method for visualizing and displaying a change in the frequency characteristic amount of the calculated evaluation range of the nerve cell before and after drug administration.
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2013027045 | 2013-02-14 | ||
| JP2013027045 | 2013-02-14 |
Related Parent Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2013184034A Division JP6494903B2 (en) | 2013-02-14 | 2013-09-05 | Analysis system, analysis program, and analysis method |
Related Child Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2019136135A Division JP6860043B2 (en) | 2013-02-14 | 2019-07-24 | Nerve cell evaluation method, nerve cell evaluation program and nerve cell evaluation method |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2018061511A true JP2018061511A (en) | 2018-04-19 |
| JP6562059B2 JP6562059B2 (en) | 2019-08-21 |
Family
ID=61967019
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2017214666A Active JP6562059B2 (en) | 2013-02-14 | 2017-11-07 | NEURAL CELL EVALUATION DEVICE, NEURAL CELL EVALUATION PROGRAM, AND NEURAL CELL EVALUATION METHOD |
| JP2019136135A Active JP6860043B2 (en) | 2013-02-14 | 2019-07-24 | Nerve cell evaluation method, nerve cell evaluation program and nerve cell evaluation method |
Family Applications After (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2019136135A Active JP6860043B2 (en) | 2013-02-14 | 2019-07-24 | Nerve cell evaluation method, nerve cell evaluation program and nerve cell evaluation method |
Country Status (1)
| Country | Link |
|---|---|
| JP (2) | JP6562059B2 (en) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007020449A (en) * | 2005-07-14 | 2007-02-01 | Olympus Corp | Screening method and screening apparatus |
| JP2011060227A (en) * | 2009-09-14 | 2011-03-24 | Univ Of Tokyo | Method and device for generating region segmentation image, and computer program |
| JP2011147400A (en) * | 2010-01-22 | 2011-08-04 | Hamamatsu Univ School Of Medicine | Cell discrimination method, reference data formation method for cell discrimination, and cell distinguishing device |
| WO2011122200A1 (en) * | 2010-03-29 | 2011-10-06 | ソニー株式会社 | Data processing device, data processing method, image processing device, image processing method, and program |
-
2017
- 2017-11-07 JP JP2017214666A patent/JP6562059B2/en active Active
-
2019
- 2019-07-24 JP JP2019136135A patent/JP6860043B2/en active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007020449A (en) * | 2005-07-14 | 2007-02-01 | Olympus Corp | Screening method and screening apparatus |
| JP2011060227A (en) * | 2009-09-14 | 2011-03-24 | Univ Of Tokyo | Method and device for generating region segmentation image, and computer program |
| JP2011147400A (en) * | 2010-01-22 | 2011-08-04 | Hamamatsu Univ School Of Medicine | Cell discrimination method, reference data formation method for cell discrimination, and cell distinguishing device |
| WO2011122200A1 (en) * | 2010-03-29 | 2011-10-06 | ソニー株式会社 | Data processing device, data processing method, image processing device, image processing method, and program |
Non-Patent Citations (1)
| Title |
|---|
| 第５回情報科学技術フォーラム（ＦＩＴ２００６）講演論文集, vol. 第2分冊, H_016, JPN6018040905, 2006, JP, pages 425 - 426, ISSN: 0003919921 * |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2019195337A (en) | 2019-11-14 |
| JP6860043B2 (en) | 2021-04-14 |
| JP6562059B2 (en) | 2019-08-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6494903B2 (en) | Analysis system, analysis program, and analysis method | |
| JP2015046698A5 (en) | ||
| CN104700430A (en) | Method for detecting movement of airborne displays | |
| ATE515755T1 (en) | IMAGE REGISTRATION PROCESS | |
| JP2014029287A5 (en) | ||
| JP6467813B2 (en) | Image processing apparatus, image processing program, and image processing method | |
| Maclaren et al. | Contact‐free physiological monitoring using a markerless optical system | |
| WO2018203515A1 (en) | Method and device for evaluating lacrimal fluid layer dynamics | |
| US11600303B1 (en) | Enhanced visualization techniques using reconstructed time waveforms | |
| JP6562059B2 (en) | NEURAL CELL EVALUATION DEVICE, NEURAL CELL EVALUATION PROGRAM, AND NEURAL CELL EVALUATION METHOD | |
| JP6578950B2 (en) | Analysis system, analysis program, and analysis method | |
| WO2017169397A1 (en) | Image processing device, image processing method, and image processing system | |
| Lu et al. | Observation of tower vibration based on subtle motion magnification | |
| JP6034529B1 (en) | Surface condition diagnostic equipment | |
| JP2016189521A (en) | Image signal processing apparatus, image signal processing method, and program | |
| Flotho et al. | Lagrangian motion magnification revisited: Continuous, magnitude driven motion scaling for psychophysiological experiments | |
| Rai et al. | Effect of content features on short-term video quality in the visual periphery | |
| JP2019063146A5 (en) | ||
| JP2013097463A (en) | Image evaluation device, image evaluation method and program | |
| CN105043302A (en) | Single carrier interference fringe imaging quality real-time monitoring and adjusting method | |
| TWI595372B (en) | Microscopic image inspection system and method for inspecting actin filaments | |
| US11282213B1 (en) | Enhanced analysis techniques using composite frequency spectrum data | |
| Bhat et al. | Cardiac tissue and erythrocyte separation in bright-field microscopy images of the embryonic zebrafish heart for motion estimation | |
| JP6658926B2 (en) | Image processing apparatus, image processing program, and image processing method | |
| JP2010278701A5 (en) |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20181120 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190116 |
|
| 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: 20190625 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20190708 |
|
| R151 | Written notification of patent or utility model registration |
Ref document number: 6562059 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |