JP2019503012A - ３次元顕微鏡画像の区分化のためのシステムおよび方法 - Google Patents

Abstract

ハイコンテント撮像システムの画像捕捉デバイスから捕捉された画像を区分化するシステムは、画像捕捉デバイスによって捕捉された画像を受信する画像取得モジュールを含む。粗オブジェクト検出モジュールは、粗区分化画像を展開し、粗区分化画像の各ピクセルは、オブジェクトおよび背景ピクセルのうちの１つとして識別される。マーカ識別モジュールは、マーカピクセルを粗区分化画像のピクセルから選択し、各マーカピクセルは、群の近隣ピクセルに対して背景ピクセルから最も遠い、粗区分化画像内の隣接したオブジェクトピクセルの群のうちの１つである。オブジェクト分割モジュールは、粗区分化画像の各オブジェクトピクセルをマーカピクセルに関連付け、オブジェクトピクセルとマーカピクセルとの間の距離ベースのメトリックは、オブジェクトピクセルと粗区分化画像内の任意の他のマーカピクセルとの間の距離ベースのメトリックより小さい。

Description

（関連出願）
本願は、米国出願第１５／００３，３０２号（２０１６年１月２１日出願）に対する優先権を主張し、上記出願の内容は、その全体が参照により本明細書に組み込まれる。

（開示の分野）
本主題は、ハイコンテント画像システムに関し、より具体的には、そのようなシステムを使用して得られる画像を自動的に分析および区分化するためのシステムおよび方法に関する。

ハイコンテント撮像システム（ＨＣＩＳ）は、生物学的サンプルの顕微鏡検査画像を得るために使用され得る。そのような画像は、背景場に対していくつかの細胞を含み得る。さらに、ＨＣＩＳは、生物学的サンプルの一連の顕微鏡検査画像を得るために使用され得、例えば、各画像は、異なる焦点を使用して得られる。そのような一連の顕微鏡検査画像は、組み合わせられ、生物学的サンプルの３次元ビューを展開し得る。そのような一連の顕微鏡検査画像は、特定の細胞に関連付けられた各そのような画像の一部を区分化および識別するためにも分析され得る。そのような部分は、次いで、組み合わせられ、特定の細胞の３次元ビューを形成し、それは、３次元細胞体内の細胞小器官をさらに識別し、および／または、３次元細胞体および／またはその中の細胞小器官の３次元統計を展開するために分析され得る。

研究者は、顕微鏡検査画像または一連の顕微鏡検査画像内に存在する細胞の統計を得ることを欲し得る。そのような統計は、画像内に存在し得る特定の細胞タイプの細胞の総数、そのような細胞のサイズ（例えば、寸法、体積、および表面積）の範囲、そのような細胞のサイズの平均、中央値、および最頻値、細胞が特定の形状に一致する程度（例えば、真球度）等を含み得る。さらに、画像は、そのような画像内で識別された細胞中の細胞小器官を識別するために分析され得、そのような細胞小器官の統計も、展開され得る。任意のそのような統計が計算されることができる前、顕微鏡検査画像内の細胞は、背景からから分けられなければならず、顕微鏡検査画像内に存在する任意の残骸からも分けられなければならない。加えて、画像は、スフェロイド（細胞の集合）の統計を計算するために分析され得、そのようなスフェロイド内の細胞の統計を計算するためにも分析され得る。

画像内の全ての細胞の中心および境界を手動で識別することは、時間がかかり、それは、研究者の一部における疲労および誤認につながり得る。疲労および誤認のリスクは、研究者が、一連の画像を分析し、特定の細胞に関連付けられた各そのような画像の一部を手動で識別する必要がある場合、さらに悪化される。

閾値化、流域、変形可能モデル、およびグラフベースの公式は、顕微鏡画像のための最も一般に使用されている区分化技法の基礎である。自動閾値法等の単純アプローチは、比較的に低信号対雑音比および高密度に詰まったオブジェクトに起因して、不良な区分化結果をもたらし得る。流域、レベル集合、またはグラフベースのグラフカット等のより高度なアルゴリズムは、合理的結果を生成し得るが、そのようなアルゴリズムの複雑性および算出リソースの高要求により、３次元分析のために実行可能なスループットを有し得ない。

一側面によると、画像を区分化するシステムは、ハイコンテント撮像システムと、画像取得モジュールと、粗オブジェクト検出モジュールと、マーカ識別モジュールと、オブジェクト分割モジュールとを含む。画像取得モジュールは、ハイコンテント撮像システムの画像捕捉デバイスによって捕捉された画像を受信する。粗オブジェクト検出モジュールは、粗区分化画像を展開し、粗区分化画像の各ピクセルは、捕捉された画像内の対応するピクセルに関連付けられ、オブジェクトピクセルおよび背景ピクセルのうちの１つとして識別される。マーカ識別モジュールは、粗区分化画像内の各オブジェクトのうちの少なくとも１つのマーカピクセルを選択し、各マーカピクセルは、群の近隣ピクセルに対して背景ピクセルから最も遠い、粗区分化画像内の隣接したオブジェクトピクセルの群のうちの１つである。オブジェクト分割モジュールは、並行して動作する複数のプロセッサを備え、オブジェクトピクセルに対応する区分化された画像のピクセルをマーカピクセルに関連付け、オブジェクトピクセルとマーカピクセルとの間の距離ベースのメトリックは、オブジェクトピクセルと粗区分化画像内の任意の他のマーカピクセルとの間の距離ベースのメトリックより小さい。

別の側面によると、画像を区分化する方法は、顕微鏡およびハイコンテント撮像システムのうちの１つの画像捕捉デバイスを用いて画像を捕捉するステップと、粗区分化画像を展開するステップとを含む。粗区分化画像の各ピクセルは、捕捉された画像内の対応するピクセルに関連付けられ、オブジェクトピクセルおよび背景ピクセルのうちの１つとして識別される。方法は、少なくとも１つのマーカピクセルを粗区分化画像内の各オブジェクトのピクセルから選択する追加のステップを含み、各マーカピクセルは、群の近隣ピクセルに対して背景ピクセルから最も遠い、粗区分化画像内の隣接したオブジェクトピクセルの群のうちの１つである。加えて、方法は、複数のプロセッサを並行して動作させ、各オブジェクトピクセルに対応する区分化された画像のピクセルをマーカピクセルに関連付けるステップを含み、オブジェクトピクセルとマーカピクセルとの間の距離ベースのメトリックは、オブジェクトピクセルと粗区分化画像内の任意の他のマーカピクセルとの間の距離ベースのメトリックより小さい。

他の側面および利点は、同様の数字が明細書全体を通して同様の構造を指定する、以下の発明を実施するための形態および添付の図面を考慮して明白となるであろう。

図１は、本開示による、ハイコンテントスクリーニングシステムのブロック図である。 図２は、図１のハイコンテントスクリーニングシステムを使用して取得された画像を区分化する画像区分化システムのブロック図である。 図３は、図２のシステムの粗オブジェクト検出モジュールによって行われるステップのフローチャートである。 図４は、図２のシステムのマーカ識別モジュールによって行われるステップのフローチャートである。 図５は、図２のシステムのオブジェクト分割モジュールによって行われるステップのフローチャートである。 図６は、図１のハイコンテント画像システムを使用して読み出される画像をマスクするために図２のシステムのユーザインターフェースモジュールによって行われるステップのフローチャートである。 図７は、図２のマーカ識別モジュールの並列プロセッサ実装のブロック図である。 図８は、図２のシステムのオブジェクト分割モジュールの並列プロセッサ実装のブロック図である。 図９Ａは、図１のハイコンテント撮像システムを使用して捕捉された画像の実施例を示す。 図９Ｂは、図２のシステムの粗オブジェクト検出モジュールによって作成された閾値化画像を示す。 図９Ｃは、図２のマーカ識別モジュールによって作成された距離マップ画像を図示する。 図９Ｄは、図９Ｃの距離マップ画像から識別された、分類されたマーカピクセルを図示する。

図１を参照すると、当業者に明白であろうように、ＨＣＩＳ１００は、Ｘ−Ｙステージ１０２と、１つ以上の対物レンズ１０４と、１つ以上の照明源１０６と、１つ以上のフィルタ１０８と、画像捕捉デバイス１１０と、コントローラ１１２とを含み得る。ＨＣＩＳ１００は、照明源１０６からの光を、Ｘ−Ｙステージ１０２上に配置され得るサンプルトレイ１１６に向かわせ、かつ、光をそのようなサンプルトレイ１１６から画像捕捉デバイス１１０に向かわせる１つ以上のミラー１１４を含み得る。典型的には、サンプルトレイ１１６は、複数のウェル１１８を含み、ＨＣＩＳ１００によって撮像されるべきサンプル（例えば、生物学的細胞）は、各そのようなウェル１１８内に配置され得る。

図１は、サンプルトレイ１１６から反射された照明源１０６からの光が画像捕捉デバイス１１０に到達することを示すが、追加のミラー（図示せず）が、照明源１０６からの光がサンプルトレイ１１６を通して伝送され、画像捕捉デバイス１１０に向かわせられるように使用され得ることが明白であろう。さらに、ある場合、照明源１０６からの照明が、サンプルトレイ１１６内のサンプルを撮像するために必要ない場合もあることが明白であろう（例えば、サンプルが光を放出する場合、またはサンプルが放射性成分を含む場合）。いくつかの実施形態では、照明源からの光は、サンプルトレイ１１６内のサンプルを通して伝送され、サンプルが、光を屈折および／または吸収し、撮像される光を生成し得る。

動作中、サンプルトレイ１１６は、手動またはロボットのいずれで、Ｘ−Ｙステージ１０２上に設置され得る。加えて、コントローラ１１２は、特定の対物レンズ１０４、照明源１０６によって生成される照明、および／またはフィルタ１０８の組み合わせを使用するようにＨＣＩＳ１００を構成し得る。例えば、コントローラ１１２は、選択された対物レンズ１０４、随意に、選択されたフィルタ１０８をサンプルトレイ１１６と画像捕捉デバイス１１０との間の光経路内に設置するように位置付けデバイス（図示せず）を動作させ得る。コントローラ１１２は、サンプルトレイ１１６を光の特定の波長で照明するように照明源１０６を向け得る。サンプルトレイ１１６内のサンプルは、（自然生成分子または処置に起因してサンプル内で産生もしくは存在する分子のいずれか）蛍光を発する分子（自然生成分子または処置に起因してサンプル内で産生もしくは存在する分子のいずれか）を含み得る。サンプルを照明する波長は、そのような蛍光分子に関連付けられた励起波長であり得、撮像捕捉デバイスは、そのような蛍光材料の放出スペクトルのみを捕捉するであろう。１つ以上の波長は、連続して、もしくは同時に使用され、同一サンプルを照明し、画像を生成し得る。

異なる焦点位置における一連の画像を得るために、コントローラ１１２は、各そのような焦点位置において画像捕捉デバイス１１０がサンプルトレイ１１６内に配置されるサンプルの焦点の合った画像を得られ得るように、焦点機構１２０を動作させる。

その後、コントローラ１１２は、ウェル１１８またはその一部が画像捕捉デバイス１１０の視野内にあるようにＸ−Ｙステージ１０２を動作させ、画像捕捉デバイス１１０を作動させ、ウェル１１８またはその一部の画像を捕捉し得る。コントローラ１１２は、着目されるサンプルトレイ１１６のウェル１１８の全ての画像が捕捉されるまで、Ｘ−Ｙステージ１０２および画像捕捉デバイス１１０をこのように繰り返し動作させ得る。さらに、コントローラ１１２は、同一ウェル１１８またはその一部のいくつかの画像を捕捉し得、各そのような画像は、対物レンズ１０４のうちの１つ、フィルタ１０８のうちの１つ以上のもの、および照明源１０６によって生成される照明の異なる組み合わせを使用して捕捉される。

図２を参照すると、画像区分化システム２００は、画像捕捉デバイス１１２と通信する、画像取得モジュール２０２を含む。画像取得モジュール２０２は、コントローラ１１２に、生物学的サンプルの複数の画像を種々の焦点位置において捕捉するように指示する。一実施形態では、画像取得モジュール２０２は、サンプルの一連の１０〜１５０枚の連続画像を捕捉するために、焦点機構１２０および画像捕捉デバイス１１２を動作させるようにコントローラ１１２に指示し得る。サンプルの低分解能３次元表現を得るために、画像取得モジュール２０２は、連続画像間で焦点位置を約５０ミクロンずつ調節するようにコントローラ１１２に指示し得る。サンプルの高分解能３次元表現を得るために、画像取得モジュール２０２は、連続画像間で焦点位置を約３ミクロン〜５ミクロンずつ調節するようにコントローラ１１２に指示し得る。サンプルのさらにより高い分解能３次元表現のために、画像取得モジュール２０２は、連続画像間で焦点位置を０．５ミクロン〜１ミクロンずつ調節するようにコントローラ１１２に指示し得る。

画像取得モジュール２０２は、一連の連続画像を画像捕捉デバイス１１２から受信し、そのような画像を未加工画像データ記憶２０４内に記憶する。

少なくとも１つの画像が、未加工画像データ記憶２０４内に記憶されると、粗オブジェクト検出モジュール２０６は、画像を読み出し、そのような画像を分析し、オブジェクトに関連付けられたそのような画像のピクセルを識別する。

図３は、粗オブジェクト検出モジュール２０６の一実施形態によって行われる処理のフローチャートを示す。ステップ３０２では、粗オブジェクト検出モジュール２０６は、平滑化された画像を読み出された画像から生成する。特に、粗オブジェクト検出モジュールは、平均またはガウスフィルタ等の統計的演算子を用いて読み出された画像の畳み込みを行う。演算子カーネルサイズは、所定の予期されるオブジェクト最小および最大サイズに基づき得る。いくつかの実施形態では、オブジェクト最小および最大サイズは、ユーザによって供給され得る。

ステップ３０４では、粗オブジェクト検出モジュール２０４は、平滑化された画像を読み出された画像から減算する（すなわち、平滑化された画像内の各ピクセルの強度値が、読み出された画像内の対応するピクセルの強度値から減算される）。ステップ３０６では、粗オブジェクト検出モジュール２０４は、閾値をステップ３０４における減算演算から生じた画像に適用し、粗区分化画像を展開する。特に、減算後の画像の各ピクセルの強度は、所定の閾値と比較され、そのような強度が閾値を上回る場合、粗区分化画像内の対応するピクセルの強度は、「オン」ピクセルを表す強度値に設定される（例えば、ピクセルの全てのビットは、１に設定される）。そうでなければ、対応するピクセルの強度は、「オフ」ピクセルを表す強度値（例えば、ゼロ）に設定される。「オン」ピクセルに関連付けられた強度値を有する粗区分化画像のそれらのピクセルは、読み出された画像内のオブジェクトに対応するピクセルである。「オフ」ピクセルに関連付けられた強度値を有する粗区分化画像のそれらのピクセルは、読み出された画像の非オブジェクトまたは背景部分に関連付けられたピクセルである。理想的には、そのような境界ピクセルは、連続閉鎖形状を形成する。しかしながら、いくつかの実施形態では、粗オブジェクト検出モジュール２０６は、ステップ３０８において、そのような連続閉鎖形状内の任意の穴（「オフ」ピクセルによって表される）に対して粗区分化画像を分析し、そのような間隙に関連付けられたピクセルの強度を「オン」ピクセルに関連付けられた値に設定し得る。いくつかの実施形態では、粗オブジェクトモジュール２０６は、例えば、そのような間隙を充填するための穴埋め演算子等の形態演算子を使用し得る。

再び図２を参照すると、読み出された画像およびそこから生成された粗区分化画像は、マーカ識別モジュール２０８に提供される。マーカ識別モジュール２１８は、読み出された画像内の各オブジェクトに関連付けられたマーカ（またはシード）ピクセルを識別する。

図４は、マーカ識別モジュール２１８によって行われるステップのフローチャート３２０を示す。ステップ３２２では、マーカ識別モジュール２０８は、読み出された画像と同じ寸法を有する距離マップ画像を作成する。マーカ識別モジュール２０８はまた、新しい距離マップ画像の各ピクセルの値をゼロに初期化もする。ステップ３２４では、マーカ識別モジュール２０８は、距離マップ画像の各ピクセルと粗区分化画像内の最近傍「オフ」ピクセルとの座標間のユークリッド距離（すなわち、背景ピクセルまでの最短距離）を計算する。この計算された距離は、そのような座標における距離マップ画像内のピクセルの値として記憶される。すなわち、距離マップ画像内の各ピクセルの値は、そのようなピクセルと境界ピクセルを表す粗区分化画像内の別のピクセルとの座標間の最短ユークリッド距離に設定される。いくつかの実施形態では、マーカ識別モジュール２０８は、境界ピクセルの座標のリストを粗区分化画像から作成し、距離マップ画像の各ピクセルとそのようなリスト内の各座標との間の距離を計算し得る。いくつかの実施形態では、マーカ識別モジュール２０８は、ボロノイマップを粗区分化画像から生成する。一実施形態では、そのような距離マップ画像は、Ｆｅｌｚｅｎｗａｌｂ、他、「Ｄｉｓｔａｎｃｅ Ｔｒａｎｓｆｏｒｍｓ ｏｆ Ｓａｍｐｌｅｄ Ｆｕｎｃｔｉｏｎｓ」，Ｔｈｅｏｒｙ ｏｆ Ｃｏｍｐｕｔｉｎｇ，（Ｖｏｌｕｍｅ ８，２０１２）に説明される方法に従って計算される。そのような論文の全内容は、参照することによって本明細書に組み込まれる。さらに、そのような論文によって説明されるアルゴリズムは、その性能を改良するために好適に修正され得る。

距離マップ画像が作成された後、ステップ３２６では、距離マップ画像のピクセルの値が、分析され、距離マップ画像内のピークまたは極大値（すなわち、周囲ピクセルより大きい強度値を有するピクセル）を識別する。そのようなピークは、境界ピクセルによって包囲されそれらのピクセルであり、かつ、境界ピクセルから最も遠い。いくつかの実施形態では、ステップ３２６において、マーカ識別モジュール２０８は、追加のフィルタを局所ピークに適用し、ピークの全てがマーカピクセルとして使用される場合に生じ得る過区分化を回避し得る。

ステップ３２８では、距離マップ内のあるピークピクセルは、マーカ（またはシード）ピクセルとして分類される。いくつかの実施形態では、マーカ識別モジュールは、ステップ３２８において、識別されたピークピクセルをフィルタ処理し、余分なピークピクセルを除去し、過区分化を回避する。例えば、所定の閾値未満の強度値を有する、ピークピクセルは、候補マーカピクセルと見なされないこともある。すなわち、最も近い境界から所定の距離未満の距離にあるピークピクセルは、候補マーカピクセルとしての検討から排除され得る。別のピークピクセルに隣接しないか、または互いにピークピクセルから所定のユークリッド距離内にない各ピークピクセルは、マーカピクセルとして分類される。隣接するピクセルが、ピークピクセルとして識別される場合、１つのみのそのようなピークピクセルが、マーカピクセルとして分類され得る。いくつかの実施形態では、複数のピークピクセルが、互いから所定のユークリッド距離内にあると識別される場合（例えば、３つのピクセル）、これらのピークピクセルのうちの１つのみが、マーカピクセルとして分類される。２つ以上の局所ピークピクセルが、境界ピクセルによって包囲される読み出された画像の一部内に見出され、そのような局所ピークピクセルが、所定のユークリッド距離より互いから遠い場合、全てのそのような局所ピークピクセルは、マーカピクセルとして分類される。各マーカピクセルに関連付けられた距離値は、そのようなマーカピクセルに関連付けられたオブジェクト（または細胞）のほぼ正確な半径を表すことが明白であろう。

ステップ３３０では、マーカ識別モジュール２０８は、距離マップ画像内のマーカピクセルの座標のリストを生成する。そのような座標が、読み出された画像および粗区分化画像内の対応するマーカピクセルの位置を特定することも明白であろう。

再び図２を参照すると、オブジェクト分割モジュール２１２は、粗区分化画像の各１つのオブジェクトピクセルをマーカピクセルのうちの１つに関連付ける。

図５は、オブジェクト分割モジュール２１２によって行われるステップのフローチャート３４０を示す。ステップ３４２では、オブジェクト分割モジュール２１２は、読み出された画像とサイズが同じである、区画画像を作成する。加えて、ステップ３４２では、オブジェクト分割モジュール２１２は、特有の色値を各マーカピクセルに関連付ける。

ステップ３４３では、オブジェクト分割モジュール２１２は、粗区分化画像内のオブジェクト（すなわち、ピクセルの連続集合）を選択する。ステップ３４４では、オブジェクト分割モジュール２１２は、選択されたオブジェクトの座標（ｉ，ｊ）におけるピクセルを選択する。ステップ３４６では、オブジェクト分割モジュール２１２は、変数ＭＩＮの値を最大整数値に設定する。ステップ３４８では、オブジェクト分割モジュール２１２は、検討のために、選択されたオブジェクトに関連付けられた粗区分化モジュールの座標（ｘ１、ｘ２）を有するマーカピクセルを選択する。ステップ３５０では、オブジェクト分割モジュール２１２は、以下のようなメトリックに従って、選択されたマーカピクセルに従って、選択されたピクセルに対する距離ベースのメトリックを表すスコアを計算する。

座標（ｘ１，ｘ２）を有するマーカに対する座標（ｉ，ｊ）を有するピクセルのベクトルｄ_ｉｊが、以下のように計算される。

値γ_ｉｊは、座標（ｉ，ｊ）を有する各ピクセルにおける対応する正規化された勾配ベクトルとの各法線ｎ_ｉｊのドット積である。法線は、以下のように、ベクトルｄ_ｉｊから計算される。

値γ_ｉｊは、以下のように計算される。

座標（ｉ，ｊ）におけるピクセルに関連付けられた勾配ｇ（ｉ，ｊ）の値は、局所中心に向かう進行方向を示す。いくつかの実施形態では、そのような勾配は、読み出された画像の座標（ｉ，ｊ）において計算され得る。他の実施形態では、そのような勾配は、距離マップ画像の座標（ｉ，ｊ）において計算され得る。特定の座標（ｉ，ｊ）から座標（ｘ１，ｘ２）におけるマーカピクセルまでのベクトルの勾配と法線とのドット積は、進行方向がマーカピクセルを指し示すことにどれくらい近いかを示す。値αは、調整係数であり、ゼロ以上である。調整係数の値が、ゼロである場合、距離のみが、スコアγ_ｉｊの値に寄与し、調整係数の値が増加するにつれて、勾配の寄与は、増加する。一実施形態では、調整係数の値は、ゼロに設定される。他の実施形態では、そのような値は、捕捉されている生物学的サンプルの特性または読み出された画像の特性に従って、他の所定の値に設定され得る。

ステップ３５２では、オブジェクト分割モジュール２１２は、ステップ３５０において計算されたスコア_ｉ，ｊの値と変数ＭＩＮの値を比較する。スコア_ｉ，ｊの値が、変数ＭＩＮの値以下である場合、オブジェクト分割モジュール２１２は、ステップ３５４において、変数ＭＩＮの値をスコアスコア_ｉ，ｊの値に設定する。

加えて、ステップ３５４では、オブジェクト分割モジュール２１２は、区分化された画像の選択されたピクセルの色値を選択されたマーカピクセルに関連付けられた色値に設定することによって、区分化された画像の選択されたピクセルを選択されたマーカピクセルに関連付ける。

いくつかの実施形態では、変数スコア_ｉ，ｊの値が、変数ＭＩＮの値と等しい場合、それは、２つのマーカピクセルが粗区分化画像の選択されたピクセルから同一距離にある場合に生じ得、そのような選択されたピクセルは、以前に選択されたマーカピクセルに関連付けられている。そのような場合、オブジェクト分割モジュール２１２は、選択されたマーカピクセルの境界からの距離が、以前に選択されたマーカピクセルの境界からの距離を上回る場合のみ、区分化された画像の選択されたピクセルを選択されたマーカピクセルに関連付ける。したがって、複数のマーカピクセルが、区分化された画像の選択されたピクセルから同一距離にある場合、読み出された画像の選択されたピクセルは、最大のオブジェクトに関連付けられたマーカピクセルに関連付けられる。前述のように、境界ピクセルからのマーカピクセルの距離は、マーカピクセルおよび境界ピクセルを用いて規定されたオブジェクトのサイズと相関する。ステップ３５４後、オブジェクト分割モジュール２１２は、ステップ３５６に進む。

ステップ３５２において、オブジェクト分割モジュール２１２が、変数スコア_ｉ，ｊの値が変数ＭＩＮの値以下ではないことを決定する場合、ステップ３５６において、オブジェクト分割モジュール２１２は、粗区分化画像によって規定された選択されたオブジェクトの選択されたピクセルが、そのようなオブジェクトに関連付けられたマーカピクセルの全てに対してチェックされているかどうかチェックする。該当する場合、オブジェクト分割モジュール２１２は、ステップ３５８に進む。そうでなければ、オブジェクト分割モジュール２１２は、ステップ３４８に戻り、別のマーカピクセルを選択する。

ステップ３５８では、オブジェクト分割モジュール２１２は、粗区分化画像の選択されたオブジェクトに関連付けられたピクセルの全てがマーカピクセルに関連付けられているかどうかを決定する。関連付けられるために残っているピクセルが存在する場合、オブジェクト分割モジュール２１２は、ステップ３４４に進み、区分化された画像の別のピクセルを選択し、割り当てる。そうでなければ、オブジェクト分割モジュール２１２は、ステップ３５９に進む。ステップ３５９では、オブジェクト分割モジュール２１２は、粗区分化画像のオブジェクトの全てがチェックされているかどうかを決定し、該当する場合、オブジェクト分割モジュールは、ステップ３６０において、区分化された画像を区分化画像データ記憶２１４（図２）に記憶する。そうでなければ、オブジェクト分割モジュールは、ステップ３４３に進み、別のオブジェクトを選択する。

再び図２を参照すると、区分化された画像がデータ記憶２１４内に記憶された後、ユーザインターフェースモジュール２１６は、そのような画像を読み出し、画像をユーザコンピュータ２１８上に表示し得る。例えば、ユーザインターフェースモジュール２１６は、利用可能な画像のリストをユーザコンピュータ２１８を動作させるユーザに表示し得、ユーザは、表示のために、画像をそのようなリストから選択し得る。加えて、ユーザは、上で説明される測定または統計が１つ以上の区分化された画像から計算されることを要求し得る。それに応答して、測定モジュール２２０は、そのような区分化された画像を読み出し、ユーザによって要求される統計を計算し、ユーザコンピュータ２１８上での表示のために、そのような統計をユーザインターフェースモジュール２１６に提供する。ユーザは、ユーザインターフェースモジュール２１６を介して、１つ以上の区分化された画像に関する統計が計算され、ユーザコンピュータ２１８上に記憶され、および／またはさらなる分析のために別のシステム（図示せず）に伝送されることも要求し得る。

いくつかの実施形態では、ユーザインターフェースモジュール２１６は、区分化された画像をマスクとして使用し、同じサイズの細胞に関連付けられた読み出された画像の特定の部分を分離し得る。図６は、特定の細胞サイズの細胞の画像を作成するためにユーザインターフェースモジュール２１６によって行われるステップのフローチャート３８０を示し、細胞サイズは、マーカピクセルに関連付けられた色に関連付けられる。ステップ３８２では、ユーザインターフェースモジュール２１６は、読み出された画像のそれらと同じ寸法を有するマスクされた画像を作成し、マスクされた画像の各ピクセルの値を所定の背景色に初期化する。ステップ３８４では、ユーザインターフェースモジュール２１６は、マスクされた画像のピクセルを選択する。ステップ３８６では、ユーザインターフェースモジュール２１６は、マスクされた画像の選択されたピクセルのそれらと同じ座標を有する区分化された画像のピクセルを選択する。ステップ３８８では、ユーザインターフェースモジュールは、マスクされた画像の選択されたピクセルの色値が、特定の細胞サイズに関連付けられた色値と同じであるかどうかを決定する。そのような色が同じである場合、ユーザインターフェースモジュールは、ステップ３９０に進む。そうでなければ、ユーザインターフェースモジュール２１６は、ステップ３９２に進む。

ステップ３９０では、ユーザインターフェースモジュール２１６は、マスクされた画像の選択されたピクセルの色値を、マスクされた画像の選択されたピクセルに対応する（すなわち、同一座標を有する）読み出された画像のピクセルの色値に設定する。その後、ユーザインターフェースモジュール２１６は、ステップ３９２に進む。

ステップ３９２では、ユーザインターフェースモジュール２１６は、マスクされた画像のピクセルの全てが検討されたかどうかを決定する。任意のピクセルが残っている場合、ユーザインターフェースモジュール２１６は、ステップ３８４に進み、マスクされた画像の別のピクセルを選択する。そうでなければ、ユーザインターフェースモジュール２１８は、ステップ３９４において、ユーザコンピュータ上に、マスクされた画像を記憶および／または表示する。

２次元画像内の細胞を区分化するための上で説明される処理は、生物学的サンプルの３次元表現を備えている一連の画像内の細胞を区分化するために使用されることができる。特に、粗オブジェクト検出モジュール２０６は、上で説明されるように、一連の読み出された画像の各画像に対して動作し、一連の粗区分化画像を作成する。

その後、マーカ識別モジュール２０８は、一連の粗区分化画像を読み出し、マーカピクセルのリストを作成し、そのようなリストの各要素は、そのようなマーカピクセルの３次元座標である。再び図４を参照すると、ステップ３２２では、マーカピクセル識別モジュールは、一連の粗区分化画像内の各画像に対して、距離マップ画像を初期化する。ステップ３２４では、マーカピクセル識別モジュール２０８は、一連の距離マップ画像内の各画像の各ピクセルと一連のエッジ検出された画像内の境界（または「オン」）ピクセルとの間のユークリッド距離を決定する。特に、ユークリッド距離は、２次元の代わりに、３次元において計算される。距離マップのために計算されるユークリッド距離は、Ｘ−、Ｙ−、およびＺ−方向における分解能の任意の差異を考慮し、３次元におけるピクセル間の差異を適切にスケーリングする。

同様に、ステップ３２６では、マーカ識別モジュール２０８は、３次元における一連の距離マップ画像の近隣ピクセルを識別および比較し、ピークまたはマーカピクセルを識別する。ステップ３２８におけるマーカピクセルの分類およびステップ３３０におけるマーカピクセル座標の生成は、２次元の代わりに、３次元においてであることを除き、上で説明されるように行われる。

３次元マーカピクセル座標のリストが展開された後、オブジェクト分割モジュール２１２は、そのような座標を使用して、一連の区分化された画像を作成する。図５を参照すると、オブジェクト分割モジュール２１２は、ステップ３４２において、一連の読み出された画像内の各画像に対して、一連の区分化された画像を作成する。ステップ３４３では、オブジェクト分割モジュール２１２は、一連の粗区分化画像内で識別された３次元オブジェクト（すなわち、オン値を有し、３次元において連続的である、ピクセル群）を選択する。ステップ３４４では、オブジェクト分割モジュール２１２は、例えば、一連の画像の各画像を一度に１つ検討することによって、選択されたオブジェクトの座標（ｉ，ｊ，ｋ）を有するピクセルを選択する。ステップ３４６および３４８は、上で説明されるように行われる。ステップ３５０では、選択されたピクセルと選択されたマーカピクセルとの間のスコアが、２次元ではなく、３次元において計算される。特に、座標（ｉ，ｊ，ｋ）を有するピクセルのスコアが、座標（ｘ１，ｘ２，ｘ３）を有する各マーカピクセルに対して計算される。特に、スコアは、以下のように計算され得る。

式中、ベクトルｄ_ｉｊｋは、以下である。

法線ｎ_ｉｊｋは、以下のように計算される。

値γ_ｉｊｋは、各ピクセルの各法線と対応する正規化された勾配ベクトルとのドット積の結果である。

前述のように、座標（ｉ，ｊ，ｋ）におけるピクセルに関連付けられた勾配ｇ（ｉ，ｊ，ｋ）の値は、局所中心に向かう進行方向を示す。いくつかの実施形態では、そのような勾配は、読み出された画像の座標（ｉ，ｊ，ｋ）において計算され得る。他の実施形態では、そのような勾配は、距離マップ画像の座標（ｉ，ｊ，ｋ）において計算され得る。特定の座標（ｉ，ｊ，ｋ）から座標（ｘ１，ｘ２，ｘ３）におけるマーカまでのベクトルの勾配と法線とのドット積は、進行方向がマーカピクセルに向かって指し示していることにどれくらい近いかを示す。値αは、調整係数であり、ゼロ以上である。調整係数の値が、ゼロである場合、距離のみが、スコアγ_ｉｊｋの値に寄与し、調整係数の値が増加するにつれて、勾配の寄与は、増加する。一実施形態では、調整係数の値は、ゼロに設定される。他の実施形態では、そのような値は、捕捉されている生物学的サンプルの特性または読み出された画像の特性に従って、他の所定の値に設定され得る。

ステップ３５０におけるスコアを展開することにおいて行われる距離計算は、Ｘ−、Ｙ−、およびＺ−次元における一連の画像の分解能を考慮し得る。例えば、いくつかの実施形態では、Ｚ−次元における分解能（すなわち、一連の画像の平面間の分解能）は、Ｘ−およびＹ−次元において異なり得る。ステップ３５２−３５９は、上で説明されるように行われ、ステップ３６０では、オブジェクト分割モジュール２１２は、一連の区分化された画像を区分化画像データ記憶２１４に記憶する。

測定モジュール２２０は、統計（体積および同等物等）を３次元体を表す一連の区分化された画像から計算するようにも適合される。一連の区分化された画像のうちの各１つは、上記の図６に関連して説明されるように、上で説明されるように、一連の読み出された画像のうちの対応する１つのためのマスクとして使用され、特定のサイズの細胞を分離し得る。

図７を参照すると、マーカ識別モジュール２０８の実施形態は、並行して動作する複数の並列プロセッサおよび／またはプロセッサの複数のコアを使用する。マスタプロセッサ４０２は、粗区分化画像、一連の粗区分化画像、または境界ピクセルのリストを粗オブジェクト検出モジュール２０６から受信する。マスタプロセッサ４０２は、粗区分化画像を供給し、距離マップ画像の一部（または一連の距離マップ画像）を複数のプロセッサ４０４−１、４０４−２、・・・、４０４−Ｎのうちの各１つに割り当てる。いくつかの実施形態では、各プロセッサ４０４に割り当てられる距離マップ画像の部分は、そのサブ画像であり、そのようなサブ画像の開始および終了座標によって表され得る。他の実施形態では、一連の距離画像が作成される場合、マスタプロセッサ４０２は、各プロセッサ４０４に、一連の距離画像のうちの１つ、またはそのような距離画像のサブ画像を割り当て得る。各プロセッサ４０４は、それに割り当てられた距離画像の部分に基づいて、フローチャート３２０（図４）のステップ３２２から３３０を行い、それによって生成されたマーカピクセル座標のリストを出力組み合わせプロセッサ４０６に伝送する。出力組み合わせプロセッサ４０６は、マーカピクセル座標を受信し、そのような座標をマーカピクセル座標のマスタリストに組み合わせる。マーカピクセル座標が、距離マップ画像全体または一連の距離マップ画像を分析することによって作成された後、マーカピクセル座標のマスタリストは、オブジェクト分割モジュール２１２に提供される。いくつかの実施形態では、プロセッサ４０２は、距離マップの一部をプロセッサ４０４に割り当て、プロセッサ４０２からそれによって展開されたマーカピクセル座標を受信し、そのようなマーカピクセル座標をマーカピクセル座標のマスタリストに組み合わせ得る。そのような実施形態では、出力組み合わせプロセッサ４０６は、必要とされないこともある。

図８を参照すると、マーカ識別モジュール２１２の実施形態は、並行して動作する複数の並列プロセッサおよび／またはプロセッサの複数のコアを使用する。配布プロセッサ４２２は、マーカピクセル座標のリスト（またはマーカピクセル座標のマスタリスト）を複数のプロセッサ４２４−１、４２４−２、・・・、４２４−Ｎのうちの１つに供給する。配布プロセッサ４２２は、区分化された画像の一部（または一連の区分化された画像）を各プロセッサに割り当て、展開する。各プロセッサは、フローチャート３４０（図５）のステップ３４２から３６０の処理を行い、区画画像（または一連の区分化された画像）のそのような部分を展開する。しかしながら、それによって展開された区分化された画像（または一連の区分化された画像）の部分を記憶する代わりに、ステップ３６０では、各プロセッサは、そのような展開された部分を出力組み合わせプロセッサ４２６に提供する。出力組み合わせプロセッサ４２６は、そのような展開された部分を区分化された画像（または一連の区分化された画像）に組み合わせ、区分化された画像（または一連の区分化された画像）を区分化画像記憶２１４に記憶する。

図９Ａは、読み出された画像の実施例を図示する。図９Ｂは、ステップ３０６において粗オブジェクト検出モジュール２０６によって作成された閾値化画像を示す。そのような閾値化画像は、粗オブジェクト検出モジュール２０６によってさらに処理され、オンピクセルとオフピクセルとの間の境界上にあるそれらのピクセルを識別し得る。図９Ｃは、ステップ３２４においてマーカ識別モジュール２０８によって作成された距離マップ画像を図示し、より明るいピクセルは、境界ピクセルからのより大きい距離に関連付けられる。図９Ｄは、図９Ｃの距離マップ画像から識別された、分類されたマーカピクセルを図示する。

上で説明される画像区分化システム２００は、細胞、特に、３Ｄ媒体内で成長させられた癌性細胞の群を含む、生物学的サンプルの画像内のスフェロイドを区分化および識別するために使用され得る。画像区分化システム２０は、特定の組織タイプの小細胞群等の「オルガノイド」を区分化および識別するためにも使用され得る。そのようなオルガノイドは、この技法を使用して、個々の細胞を識別せずに識別され得る。システム２００は、連続して使用され得、例えば、最初に、スフェロイドを識別し、次いで、各スフェロイドに属する細胞を識別し、各スフェロイド測定値を備えている細胞の集団の測定値を得る。スフェロイドを備えている各細胞に関連付けられた測定値も、このように展開され得る。

ハードウェアおよび／またはソフトウェアの任意の組み合わせが、本明細書に説明される画像区分化システムを実装するために使用され得ることが、当業者に明白であろう。図１−８に関して説明されるプロセス、サブプロセス、およびプロセスステップのうちの１つ以上のものは、１つ以上の電子またはデジタル制御式デバイス上でハードウェア、ソフトウェア、またはハードウェアおよびソフトウェアの組み合わせによって行われ得ることを理解および認識されたい。ソフトウェアは、例えば、図１−８に図式的に描写される機能システム、コントローラ、デバイス、構成要素、モジュール、またはサブモジュールのうちの１つ以上のもの等、好適な電子処理構成要素またはシステム内のソフトウェアメモリ（図示せず）内に常駐し得る。ソフトウェアメモリは、論理機能（すなわち、デジタル回路もしくはソースコード等のデジタル形態において、またはアナログ電気、音、もしくはビデオ信号等のアナログ源等のアナログ形態において実装され得る、「論理」）を実装するための実行可能命令の順序付けられたリストを含み得る。命令は、例えば、１つ以上のマイクロプロセッサ、汎用プロセッサ、プロセッサの組み合わせ、デジタル信号プロセッサ（ＤＳＰ）、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、または特定用途向け集積回路（ＡＳＩＣ）を含む処理モジュールまたはコントローラ（例えば、図３の画像取得モジュール２０２、粗オブジェクト検出モジュール２０６、マーカ識別モジュール２０８、オブジェクト分割モジュール２１２、測定モジュール２２０、およびユーザインターフェースモジュール２１６）内で実行され得る。さらに、概略図は、機能のアーキテクチャまたは物理的レイアウトによって限定されない物理的（ハードウェアおよび／またはソフトウェア）実装を有する機能の論理分割を説明する。本願に説明される例示的システムは、種々の構成で実装され、単一ハードウェア／ソフトウェアユニット内において、または別個のハードウェア／ソフトウェアユニット内において、ハードウェア／ソフトウェア構成要素として動作し得る。

実行可能命令は、電子システムの処理モジュールによって実行されると、電子システムに、命令を実施するように指示するその中に記憶される命令を有するコンピュータプログラム製品として実装され得る。コンピュータプログラム製品は、電子コンピュータベースのシステム、プロセッサを含むシステム、または命令を命令実行システム、装置、もしくはデバイスから選択的にフェッチし、命令を実行し得る他のシステム等の命令実行システム、装置、もしくはデバイスによって、またはそれと関連して使用するための任意の非一過性コンピュータ読み取り可能な記憶媒体内に選択的に具現化され得る。本書の文脈では、コンピュータ読み取り可能な記憶媒体は、命令実行システム、装置、もしくはデバイスによって、またはそれと関連して使用するためのプログラムを記憶し得る、任意の非一過性手段である。非一過性コンピュータ読み取り可能な記憶媒体は、選択的に、例えば、電子、磁気、光学、電磁、赤外線、または半導体システム、装置、もしくはデバイスであり得る。非一過性コンピュータ読み取り可能な媒体のより具体的例の非包括的リストとして、１つ以上のワイヤ（電子）を有する電気接続、ポータブルコンピュータディスケット（磁気）、ランダムアクセス、すなわち、揮発性、メモリ（電子）、読み取り専用メモリ（電子）、例えば、フラッシュメモリ（電子）等の消去可能プログラマブル読み取り専用メモリ、例えば、ＣＤ−ＲＯＭ、ＣＤ−Ｒ、ＣＤ−ＲＷ（光学）等のコンパクトディスクメモリ、およびデジタル多用途ディスクメモリ、すなわち、ＤＶＤ（光学）が挙げられる。

本書で使用される信号またはデータの受信および伝送は、２つ以上のシステム、デバイス、構成要素、モジュール、またはサブモジュールが、あるタイプの信号経路を経由して進行する信号を介して、互いに通信可能であることを意味することも理解されたい。信号は、情報、電力、またはエネルギーを第１のシステム、デバイス、構成要素、モジュール、またはサブモジュールから、第１および第２のシステム、デバイス、構成要素、モジュール、またはサブモジュール間の信号経路に沿って、第２のシステム、デバイス、構成要素、モジュール、またはサブモジュールに通信し得る、通信、電力、データ、またはエネルギー信号であり得る。信号経路は、物理、電気、磁気、電磁、電気化学、光学、有線、または無線接続を含み得る。信号経路はまた、第１および第２のシステム、デバイス、構成要素、モジュール、またはサブモジュール間の追加のシステム、デバイス、構成要素、モジュール、またはサブモジュールを含み得る。

（産業上の適用性）
本明細書に引用される刊行物、特許出願、および特許を含む、全ての参考文献は、各参考文献が、個々に、かつ具体的に、参照することによって組み込まれるように示され、全体として本明細書に記載される場合と同程度に、参照することによって本明細書に組み込まれる。

本発明を説明する文脈における（特に、以下の請求項の文脈における）、用語「ａ」、「ａｎ」、「ｔｈｅ」、および類似指示対象の使用は、本明細書に別様に示されない限り、または文脈によって明示的に矛盾しない限り、単数形および複数形の両方を網羅すると解釈されたい。本明細書の値の範囲の列挙は、単に、本明細書に別様に示されない限り、範囲内にある各別個の値を個々に言及する簡潔な方法としての役割を果たすために意図され、各別個の値は、本明細書に個々に列挙された場合と同様に、本明細書に組み込まれる。本明細書に説明される全ての方法は、本明細書に別様に示されない限り、または別様に文脈によって明示的に矛盾しない限り、任意の好適な順序で行なわれることができる。本明細書に提供される、任意および全ての実施例または例示的用語（例えば、「ｓｕｃｈ ａｓ（等）」）の使用は、単に、本開示をより明瞭にすることを意図し、別様に請求されない限り、本発明の範囲に限定を課すものではない。明細書中のいずれの用語も、本開示の実践に不可欠ないずれの未請求要素も示すものと解釈されるべきではない。

本開示に対する多数の修正は、前述の説明に照らして当業者に明白となるであろう。図示される実施形態は、例示にすぎず、本開示の範囲を限定するものと捉えられるべきではないことを理解されたい。

Claims (20)

1. 画像を区分化するシステムであって、前記システムは、
   ハイコンテント撮像システムであって、前記ハイコンテント撮像システムは、画像捕捉デバイスを含む、ハイコンテント撮像システムと、
   前記画像捕捉デバイスによって捕捉された画像を受信する画像取得モジュールと、
   粗区分化画像を展開する粗オブジェクト検出モジュールであって、前記粗区分化画像の各ピクセルは、前記捕捉された画像内の対応するピクセルに関連付けられ、オブジェクトピクセルおよび背景ピクセルのうちの１つとして識別される、粗オブジェクト検出モジュールと、
   少なくとも１つのマーカピクセルを前記粗区分化画像のピクセルから選択するマーカ識別モジュールであって、各マーカピクセルは、前記粗区分化画像内の隣接したオブジェクトピクセルの群のうちの１つのピクセルであり、前記１つのピクセルは、前記群の近隣ピクセルに対して背景ピクセルから最も遠い、マーカ識別モジュールと、
   並行して動作する複数のプロセッサを備えているオブジェクト分割モジュールと
   を備え、
   前記オブジェクト分割モジュールは、オブジェクトピクセルに対応する区分化された画像のピクセルをマーカピクセルに関連付け、前記オブジェクトピクセルと前記マーカピクセルとの間の距離ベースのメトリックは、前記オブジェクトピクセルと前記粗区分化画像内の任意の他のマーカピクセルとの間の距離ベースのメトリックより小さい、システム。
2. マスクされた画像を前記捕捉された画像から生成するヒューマンインターフェースモジュールをさらに備え、前記マスクされた画像のピクセルの色値は、前記区分化された画像内の対応するピクセルが前記マーカピクセルに関連付けられている場合、前記捕捉された画像の対応するピクセルの色値と同じである、請求項１に記載のシステム。
3. 前記マーカピクセルに関連付けられている前記区分化された画像内のピクセルに従って統計を計算する測定モジュールをさらに備えている、請求項１に記載のシステム。
4. 前記マーカ識別モジュールは、距離マップ画像を算出する並行して動作する複数のプロセッサを備え、前記距離マップ画像の各ピクセルに関連付けられた値は、そのようなピクセルと背景ピクセルとの間の距離を表す、請求項１に記載のシステム。
5. 前記捕捉された画像は、一連の捕捉された画像のうちの１つであり、前記ハイコンテント撮像システムにおける焦点距離は、前記一連の捕捉された画像うちの連続画像間で変化させられる、請求項４に記載のシステム。
6. 前記距離マップの各ピクセルの前記値は、前記一連の捕捉された画像によって表される３次元のうちのいずれかに沿ったそのようなピクセルと背景ピクセルとの間の距離を表す、請求項５に記載のシステム。
7. 前記一連の捕捉された画像間のピクセル分解能は、各捕捉された画像のピクセル分解能と異なり、前記距離は、そのような分解能の差異に従って計算される、請求項６に記載のシステム。
8. 前記マーカ識別モジュールは、展開すべき前記距離マップの一部を前記複数のプロセッサの各々に割り当てる、請求項４に記載のシステム。
9. 前記オブジェクト分割モジュールは、プロセッサを備え、前記プロセッサは、展開すべき前記区分化された画像の一部を各プロセッサに割り当てる、請求項１に記載のシステム。
10. 前記マーカ識別モジュールは、隣接したオブジェクトピクセルの群に関連付けられた複数の候補マーカピクセルを選択し、前記候補マーカピクセルのうちの１つをマーカピクセルとして選択する、請求項１に記載のシステム。
11. 画像を区分化する方法であって、前記方法は、
    ハイコンテント撮像システムの画像捕捉デバイスを用いて前記画像を捕捉することと、
    粗区分化画像を展開することであって、前記粗区分化画像の各ピクセルは、前記捕捉された画像内の対応するピクセルに関連付けられ、オブジェクトピクセルおよび背景ピクセルのうちの１つとして識別される、ことと、
    少なくとも１つのマーカピクセルを前記粗区分化画像のピクセルから選択することであって、各マーカピクセルは、前記粗区分化画像内の隣接したオブジェクトピクセルの群のうちの１つのピクセルであり、前記１つのピクセルは、前記群の近隣ピクセルに対して背景ピクセルから最も遠い、ことと、
    複数のプロセッサを並行して動作させ、オブジェクトピクセルに対応する区分化された画像の各オブジェクトピクセルをマーカピクセルに関連付けることと
    を含み、
    前記オブジェクトピクセルと前記マーカピクセルとの間の距離ベースのメトリックは、前記オブジェクトピクセルと前記粗区分化画像内の任意の他のマーカピクセルとの間の距離ベースのメトリックより小さい、方法。
12. マスクされた画像を前記捕捉された画像から生成するさらなるステップを含み、前記マスクされた画像のピクセルの色値は、前記区分化された画像内の対応するピクセルが前記マーカピクセルに関連付けられている場合、前記捕捉された画像の対応するピクセルの色値と同じである、請求項１１に記載の方法。
13. 前記マーカピクセルに関連付けられる前記粗区分化画像内のピクセルに従って統計を計算するさらなることを含む、請求項１１に記載の方法。
14. 前記距離マップ画像を算出することは、第２の複数のプロセッサを並行して動作させ、前記距離マップ画像を算出することを含む、請求項１１に記載の方法。
15. 前記捕捉された画像は、一連の捕捉された画像のうちの１つであり、前記ハイコンテント撮像システムにおける焦点距離は、前記一連の捕捉された画像うちの連続画像間で変化させられる、請求項１４に記載の方法。
16. 前記距離マップ画像の各ピクセルの値は、前記一連の捕捉された画像によって表される３次元のうちのいずれかに沿ったそのようなピクセルとオブジェクト境界との間の距離を表す、請求項１５に記載の方法。
17. 前記第２の複数のプロセッサを動作させることは、前記距離マップ画像の一部を前記第２の複数のプロセッサの各々に割り当て、算出することをさらに含む、請求項１４に記載の方法。
18. 前記一連の捕捉された画像間のピクセル分解能は、各捕捉された画像のピクセル分解能と異なり、前記距離は、そのような分解能の差異に従って計算される、請求項１７に記載の方法。
19. 前記第１の複数のプロセッサを動作させることは、展開すべき前記粗区分化画像の一部を各プロセッサに割り当てることを含む、請求項１１に記載の方法。
20. 少なくとも１つのマーカピクセルを選択することは、複数の候補ピクセルを選択することを含み、前記少なくとも１つのマーカピクセルは、前記複数の候補ピクセルから選択される、請求項１１に記載の方法。