JP2019531553A - Ihc画像解析用の自動化された核の面積/数の推定 - Google Patents
Ihc画像解析用の自動化された核の面積/数の推定 Download PDFInfo
- Publication number
- JP2019531553A JP2019531553A JP2019518236A JP2019518236A JP2019531553A JP 2019531553 A JP2019531553 A JP 2019531553A JP 2019518236 A JP2019518236 A JP 2019518236A JP 2019518236 A JP2019518236 A JP 2019518236A JP 2019531553 A JP2019531553 A JP 2019531553A
- Authority
- JP
- Japan
- Prior art keywords
- voting
- area
- estimating
- nuclei
- staining
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000010191 image analysis Methods 0.000 title description 3
- 238000000034 method Methods 0.000 claims description 70
- 238000010186 staining Methods 0.000 claims description 68
- 238000000926 separation method Methods 0.000 claims description 59
- 238000012549 training Methods 0.000 claims description 44
- 210000004027 cell Anatomy 0.000 claims description 19
- 230000002159 abnormal effect Effects 0.000 claims description 17
- 230000003044 adaptive effect Effects 0.000 claims description 16
- 238000004458 analytical method Methods 0.000 claims description 14
- 239000000203 mixture Substances 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 14
- 238000001914 filtration Methods 0.000 claims description 12
- 238000007493 shaping process Methods 0.000 claims description 2
- 238000002059 diagnostic imaging Methods 0.000 abstract description 2
- 210000004940 nucleus Anatomy 0.000 description 78
- 238000003364 immunohistochemistry Methods 0.000 description 10
- 206010028980 Neoplasm Diseases 0.000 description 3
- WZUVPPKBWHMQCE-UHFFFAOYSA-N Haematoxylin Chemical compound C12=CC(O)=C(O)C=C2CC2(O)C1C1=CC=C(O)C(O)=C1OC2 WZUVPPKBWHMQCE-UHFFFAOYSA-N 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 210000004881 tumor cell Anatomy 0.000 description 2
- 241000699670 Mus sp. Species 0.000 description 1
- SXEHKFHPFVVDIR-UHFFFAOYSA-N [4-(4-hydrazinylphenyl)phenyl]hydrazine Chemical compound C1=CC(NN)=CC=C1C1=CC=C(NN)C=C1 SXEHKFHPFVVDIR-UHFFFAOYSA-N 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000011532 immunohistochemical staining Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000007170 pathology Effects 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/02—Investigating particle size or size distribution
- G01N15/0205—Investigating particle size or size distribution by optical means
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
- G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
- G01N33/53—Immunoassay; Biospecific binding assay; Materials therefor
- G01N33/574—Immunoassay; Biospecific binding assay; Materials therefor for cancer
- G01N33/57484—Immunoassay; Biospecific binding assay; Materials therefor for cancer involving compounds serving as markers for tumor, cancer, neoplasia, e.g. cellular determinants, receptors, heat shock/stress proteins, A-protein, oligosaccharides, metabolites
- G01N33/57496—Immunoassay; Biospecific binding assay; Materials therefor for cancer involving compounds serving as markers for tumor, cancer, neoplasia, e.g. cellular determinants, receptors, heat shock/stress proteins, A-protein, oligosaccharides, metabolites involving intracellular compounds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
- G06V20/695—Preprocessing, e.g. image segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
- G06V20/698—Matching; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10056—Microscopic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20104—Interactive definition of region of interest [ROI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30024—Cell structures in vitro; Tissue sections in vitro
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Immunology (AREA)
- Chemical & Material Sciences (AREA)
- Multimedia (AREA)
- Cell Biology (AREA)
- Urology & Nephrology (AREA)
- Hematology (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Pathology (AREA)
- Quality & Reliability (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Medical Informatics (AREA)
- Biotechnology (AREA)
- Oncology (AREA)
- Hospice & Palliative Care (AREA)
- Microbiology (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Dispersion Chemistry (AREA)
- Image Analysis (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
Description
・凸比
・長径長さ/短径長さ
IHC画像解析用の自動化された核の面積/数の推定のいくつかの実施形態
a.核面積の推定を行う工程と、
b.異常細胞を検出するために核数の推定を行なう工程と、を備えることを特徴とする方法。
2.核面積の推定を行う工程は、カラー画像を受け取る工程を備える、節1に記載の方法。
3.核面積の推定を行う工程は、2つの優勢な色成分を分離するために染色分離を利用し、第1の色が陽性染色に対応し、第2の色が陰性染色に対応する工程を備える、節2に記載の方法。
4.核面積の推定を行う工程は、各色チャネルに基づいて適応的な閾値処理する工程を備える、節3に記載の方法。
5.核面積の推定を行う工程は、モデルのトレーニングについて小さい関心面積が選択される工程を備える、節4に記載の方法。
6.核面積の推定を行う工程は、ユーザーが選択した関心面積をトレーニングデータとして利用して、モデルのトレーニングおよび選択を介して染色分離の画質を強化する工程を備える、節5に記載の方法。
7.核面積の推定を行う工程は、ガウス混合モデル(GMM)を適用してユーザーが選択したデータ分布をパラメータ化し、残りの面積についてクラスタリングを行う工程を備える、節6に記載の方法。
8.核面積の推定を行う工程は、平均染色分離値が最高であるクラスを選択する工程を備える、節7に記載の方法。
9.核面積の推定を行う工程は、核面積を決定するために、適応的に強化された染色分離画像に変更できない閾値を適用することを備える、節8に記載の方法。
10.閾値はユーザーが指定した値である、節9に記載の方法。
11.閾値は検索された最適値である、節9に記載の方法。
12.核数の推定を行う工程は、切片に分けたパッチを受け取った後、局在的な中心投票のための規則を定義する各局在的なパッチの形状を解析するために、連結成分解析を適用する工程を備える、節1記載の方法。
13.核数の推定を行う工程は、各核面積の中心に、投票スコアが高いほど真の核中心になりやすいように投票する工程を備える、節12に記載の方法。
14.核数の推定を行う工程は、人為構造によって引き起こされたピークを局在的な形状決定規則を用いてフィルタにかける工程を備える、節13に記載の方法。
15.核数の推定を行う工程は、投票ピークの数に基づいて核数を決定し、投票ピークの数は核の数と同じである工程を備える、節14に記載の方法。
16.装置は、個人コンピュータ、膝のせ型コンピュータ、コンピュータワークステーション、サーバ、大型コンピュータ、手持ち型コンピュータ、携帯情報端末、携帯電話/移動電話、スマート電気器具、ゲーム機、デジタルカメラ、デジタルカムコーダー、カメラ付き携帯電話、スマートフォン、携帯音楽プレーヤ、タブレットコンピュータ、携帯機器、ビデオプレーヤ、ビデオディスク書込み装置/画像再生装置、高精細度ディスク書込み装置/画像再生装置、超高精細度ディスク書込み装置/画像再生装置、テレビジョン、家庭用娯楽機器システムまたはスマート時計を備える、節1に記載の方法。
17.装置の非一時的メモリにプログラムされた方法であって、
a.核面積の推定を行う工程であって、
i.カラー画像を受け取る工程と、
ii.染色分離を利用してカラー画像の2つの優勢な色成分を分離し、第1の色が陽性染色に対応し、第2の色が陰性染色に対応する工程と、
iii.各色チャネルに基づいて適応的な閾値処理を行う工程と、
iv.モデルのトレーニング用の小さな関心面積を選択する工程と、
v.ユーザーが選択した関心面積をトレーニングデータとして利用して、モデルのトレーニングおよび選択を介して染色分離の画質を強化する工程と、
vi.ガウス混合モデル(GMM)を適用してユーザーが選択したデータ分布をパラメータ化し、残りの面積についてクラスタリングを行う工程と、
vii.平均染色分離値が最高のクラスを選択する工程と、
viii.核面積を決定するために、適応的に強化された染色分離画像に変更できない閾値を適用する工程と、を含む工程と、
b.異常細胞を検出するために核数の推定を行う工程であって、
i.切片に分けたパッチを受け取った後、局在的な中心投票の規則を定義する各局在的なパッチの形状を解析するために、連結成分解析を適用する工程と、
ii.各核面積の中心に、投票スコアが高いほど真の核中心となりやすいように投票する工程と、
iii.人為構造によって引き起こされたピークを局在的な形状決定規則を用いてフィルタにかける工程と、
iv.投票ピークの数に基づいて核の数を決定し、投票ピークの数は核の数と同じである工程とを含む工程と、を備えることを特徴とする方法。
18.変更できない閾値は、ユーザーが指定した値である、節17に記載の方法。
19 変更できない閾値は、検索された最適値である、節17に記載の方法。
20.装置は、個人コンピュータ、膝のせ型コンピュータ、コンピュータワークステーション、サーバ、大型コンピュータ、手持ち型コンピュータ、携帯情報端末、携帯電話/移動電話、スマート電気器具、ゲーム機、デジタルカメラ、デジタルカムコーダー、カメラ付き携帯電話、スマートフォン、携帯音楽プレーヤ、タブレットコンピュータ、携帯機器、ビデオプレーヤ、ビデオディスク書込み装置/画像再生装置、高精細度ディスク書込み装置/画像再生装置、超高精細度ディスク書込み装置/画像再生装置、テレビジョン、家庭用娯楽機器システムまたはスマート時計を備える、節17に記載の方法。
21.装置であって、
a.アプリケーションを保存するための非一時的メモリであって、アプリケーションは、
i.核面積の推定に適し、推定は、
(1)カラー画像を受け取る工程と、
(2)染色分離を利用してカラー画像の2つの優勢な色成分を分離し、第1の色が陽性染色に対応し、第2の色が陰性染色に対応する工程と、
(3)各色チャネルに基づいて適応的な閾値処理を行う工程と、
(4)モデルのトレーニング用の小さな関心面積を選択する工程と、
(5)ユーザーが選択した関心面積をトレーニングデータとして利用して、モデルのトレーニングおよび選択を介して染色分離の画質を強化する工程と、
(6)ガウス混合モデル(GMM)を適用してユーザーが選択したデータ分布をパラメータ化し、残りの面積についてクラスタリングを行う工程と、
(7)平均染色分離値が最高のクラスを選択する工程と、
(8)核面積を決定するために、適応的に強化された染色分離画像に変更できない閾値を適用する工程と、を含み、およびアプリケーションは
ii.異常細胞を検出するために核数の推定を行うのに適し、推定は、
(1)切片に分けたパッチを受け取った後、局在的な中心投票の規則を定義する各局在的なパッチの形状を解析するために、連結成分解析を適用する工程と、
(2)各核面積の中心に、投票スコアが高いほど真の核中心となりやすいように投票する工程と、
(3)人為構造によって引き起こされたピークを局在的な形状決定規則を用いてフィルタにかける工程と、
(4)投票ピークの数に基づいて核の数を決定し、投票ピークの数は核の数と同じである工程と、を含む非一時的メモリと、
b.メモリに接続され、アプリケーションを処理するように構成された処理構成部品と、を備えることを特徴とする装置。
22.変更できない閾値は、ユーザーが指定した値である、節21に記載の装置。
23 変更できない閾値は、検索された最適値である、節21に記載の装置。
24.装置であって、
a.アプリケーションを保存するための非一時的メモリであって、アプリケーションは、
i.核面積の推定を行うのに適し、および
ii.異常細胞を検出するために核数の推定を行うのに適する非一時的メモリと、
b.メモリに接続され、アプリケーションを処理するように構成された処理構成部品と、を備えることを特徴とする装置。
25.核面積の推定を行う工程は、
(1)カラー画像を受け取る工程と、
(2)染色分離を利用してカラー画像の2つの優勢な色成分を分離し、第1の色が陽性染色に対応し、第2の色が陰性染色に対応する工程と、
(3)各色チャネルに基づいて適応的な閾値処理を行う工程と、
(4)モデルのトレーニング用の小さな関心面積を選択する工程と、
(5)ユーザーが選択した関心面積をトレーニングデータとして利用して、モデルのトレーニングおよび選択を介して染色分離の画質を強化する工程と、
(6)ガウス混合モデル(GMM)を適用してユーザーが選択したデータ分布をパラメータ化し、残りの面積についてクラスタリングを行う工程と、
(7)平均染色分離値が最高のクラスを選択する工程と、
(8)核面積を決定するために、適応的に強化された染色分離画像に変更できない閾値を適用する工程と、を含む、節24に記載の装置。
26.異常細胞を検出するために核数の推定を行う工程は、
(1)切片に分けたパッチを受け取った後、局在的な中心投票の規則を定義する各局在的なパッチの形状を解析するために、連結成分解析を適用する工程と、
(2)各核面積の中心に、投票スコアが高いほど真の核中心となりやすいように投票する工程と、
(3)人為構造によって引き起こされたピークを局在的な形状決定規則を用いてフィルタにかける工程と、
(4)投票ピークの数に基づいて核の数を決定し、投票ピークの数は核の数と同じである工程と、をさらに含む、節24に記載の装置。
Claims (26)
- 装置の非一時的メモリにプログラムされた方法であって、
a.核面積の推定を行う工程と、
b.異常細胞を検出するために核数の推定を行なう工程と、を備えることを特徴とする方法。 - 核面積の推定を行う工程は、カラー画像を受け取る工程を備える、請求項1に記載の方法。
- 核面積の推定を行う工程は、2つの優勢な色成分を分離するために染色分離を利用し、第1の色が陽性染色に対応し、第2の色が陰性染色に対応する工程を備える、請求項2に記載の方法。
- 核面積の推定を行う工程は、各色チャネルに基づいて適応的な閾値処理する工程を備える、請求項3に記載の方法。
- 核面積の推定を行う工程は、モデルのトレーニングについて小さい関心面積が選択される工程を備える、請求項4に記載の方法。
- 核面積の推定を行う工程は、ユーザーが選択した関心面積をトレーニングデータとして利用して、モデルのトレーニングおよび選択を介して染色分離の画質を強化する工程を備える、請求項5に記載の方法。
- 核面積の推定を行う工程は、ガウス混合モデル(GMM)を適用してユーザーが選択したデータ分布をパラメータ化し、残りの面積についてクラスタリングを行う工程を備える、請求項6に記載の方法。
- 核面積の推定を行う工程は、平均染色分離値が最高であるクラスを選択する工程を備える、請求項7に記載の方法。
- 核面積の推定を行う工程は、核面積を決定するために、適応的に強化された染色分離画像に変更できない閾値を適用することを備える、請求項8に記載の方法。
- 前記閾値はユーザーが指定した値である、請求項9に記載の方法。
- 前記閾値は検索された最適値である、請求項9に記載の方法。
- 核数の推定を行う工程は、切片に分けたパッチを受け取った後、局在的な中心投票のための規則を定義する各局在的なパッチの形状を解析するために、連結成分解析を適用する工程を備える、請求項1記載の方法。
- 前記核数の推定を行う工程は、各核面積の中心に、前記投票スコアが高いほど真の核中心になりやすいように投票する工程を備える、請求項12に記載の方法。
- 核数の推定を行う工程は、人為構造によって引き起こされたピークを局在的な形状決定規則を用いてフィルタにかける工程を備える、請求項13に記載の方法。
- 核数の推定を行う工程は、投票ピークの数に基づいて核数を決定し、投票ピークの数は核の数と同じである工程を備える、請求項14に記載の方法。
- 前記装置は、個人コンピュータ、膝のせ型コンピュータ、コンピュータワークステーション、サーバ、大型コンピュータ、手持ち型コンピュータ、携帯情報端末、携帯電話/移動電話、スマート電気器具、ゲーム機、デジタルカメラ、デジタルカムコーダー、カメラ付き携帯電話、スマートフォン、携帯音楽プレーヤ、タブレットコンピュータ、携帯機器、ビデオプレーヤ、ビデオディスク書込み装置/画像再生装置、高精細度ディスク書込み装置/画像再生装置、超高精細度ディスク書込み装置/画像再生装置、テレビジョン、家庭用娯楽機器システムまたはスマート時計を備える、請求項1に記載の方法。
- 装置の非一時的メモリにプログラムされた方法であって、
a.核面積の推定を行う工程であって、
i.カラー画像を受け取る工程と、
ii.染色分離を利用して前記カラー画像の2つの優勢な色成分を分離し、第1の色が陽性染色に対応し、第2の色が陰性染色に対応する工程と、
iii.各色チャネルに基づいて適応的な閾値処理を行う工程と、
iv.モデルのトレーニング用の小さな関心面積を選択する工程と、
v.ユーザーが選択した関心面積をトレーニングデータとして利用して、モデルのトレーニングおよび選択を介して染色分離の画質を強化する工程と、
vi.ガウス混合モデル(GMM)を適用してユーザーが選択したデータ分布をパラメータ化し、残りの面積についてクラスタリングを行う工程と、
vii.平均染色分離値が最高のクラスを選択する工程と、
viii.核面積を決定するために、前記適応的に強化された染色分離画像に変更できない閾値を適用する工程と、を含む工程と、
b.異常細胞を検出するために核数の推定を行う工程であって、
i.切片に分けたパッチを受け取った後、局在的な中心投票の規則を定義する各局在的なパッチの形状を解析するために、連結成分解析を適用する工程と、
ii.各核面積の中心に、投票スコアが高いほど真の核中心となりやすいように投票する工程と、
iii.人為構造によって引き起こされたピークを局在的な形状決定規則を用いてフィルタにかける工程と、
iv.前記投票ピークの数に基づいて前記核の数を決定し、投票ピークの数は核の数と同じである工程とを含む工程と、を備えることを特徴とする方法。 - 前記変更できない閾値は、ユーザーが指定した値である、請求項17に記載の方法。
- 前記変更できない閾値は、検索された最適値である、請求項17に記載の方法。
- 前記装置は、個人コンピュータ、膝のせ型コンピュータ、コンピュータワークステーション、サーバ、大型コンピュータ、手持ち型コンピュータ、携帯情報端末、携帯電話/移動電話、スマート電気器具、ゲーム機、デジタルカメラ、デジタルカムコーダー、カメラ付き携帯電話、スマートフォン、携帯音楽プレーヤ、タブレットコンピュータ、携帯機器、ビデオプレーヤ、ビデオディスク書込み装置/画像再生装置、高精細度ディスク書込み装置/画像再生装置、超高精細度ディスク書込み装置/画像再生装置、テレビジョン、家庭用娯楽機器システムまたはスマート時計を備える、請求項17に記載の方法。
- 装置であって、
a.アプリケーションを保存するための非一時的メモリであって、前記アプリケーションは、
i.核面積の推定に適し、推定は、
(1)カラー画像を受け取る工程と、
(2)染色分離を利用して前記カラー画像の2つの優勢な色成分を分離し、第1の色が陽性染色に対応し、第2の色が陰性染色に対応する工程と、
(3)各色チャネルに基づいて適応的な閾値処理を行う工程と、
(4)モデルのトレーニング用の小さな関心面積を選択する工程と、
(5)ユーザーが選択した関心面積をトレーニングデータとして利用して、モデルのトレーニングおよび選択を介して染色分離の画質を強化する工程と、
(6)ガウス混合モデル(GMM)を適用してユーザーが選択したデータ分布をパラメータ化し、残りの面積についてクラスタリングを行う工程と、
(7)平均染色分離値が最高のクラスを選択する工程と、
(8)核面積を決定するために、前記適応的に強化された染色分離画像に変更できない閾値を適用する工程と、を含み、および前記アプリケーションは
ii.異常細胞を検出するために核数の推定を行うのに適し、推定は、
(1)切片に分けたパッチを受け取った後、局在的な中心投票の規則を定義する各局在的なパッチの形状を解析するために、連結成分解析を適用する工程と、
(2)各核面積の中心に、投票スコアが高いほど真の核中心となりやすいように投票する工程と、
(3)人為構造によって引き起こされたピークを局在的な形状決定規則を用いてフィルタにかける工程と、
(4)前記投票ピークの数に基づいて前記核の数を決定し、投票ピークの数は核の数と同じである工程と、を含む非一時的メモリと、
b.前記メモリに接続され、前記アプリケーションを処理するように構成された処理構成部品と、を備えることを特徴とする装置。 - 前記変更できない閾値は、ユーザーが指定した値である、請求項21に記載の装置。
- 前記変更できない閾値は、検索された最適値である、請求項21に記載の装置。
- 装置であって、
a.アプリケーションを保存するための非一時的メモリであって、前記アプリケーションは、
i.核面積の推定を行うのに適し、および
ii.異常細胞を検出するために核数の推定を行うのに適する非一時的メモリと、
b.前記メモリに接続され、前記アプリケーションを処理するように構成された処理構成部品と、を備えることを特徴とする装置。 - 核面積の推定を行う工程は、
(1)カラー画像を受け取る工程と、
(2)染色分離を利用して前記カラー画像の2つの優勢な色成分を分離し、第1の色が陽性染色に対応し、第2の色が陰性染色に対応する工程と、
(3)各色チャネルに基づいて適応的な閾値処理を行う工程と、
(4)モデルのトレーニング用の小さな関心面積を選択する工程と、
(5)ユーザーが選択した関心面積をトレーニングデータとして利用して、モデルのトレーニングおよび選択を介して染色分離の画質を強化する工程と、
(6)ガウス混合モデル(GMM)を適用してユーザーが選択したデータ分布をパラメータ化し、残りの面積についてクラスタリングを行う工程と、
(7)平均染色分離値が最高のクラスを選択する工程と、
(8)核面積を決定するために、前記適応的に強化された染色分離画像に変更できない閾値を適用する工程と、を含む、請求項24に記載の装置 - 異常細胞を検出するために核数の推定を行う工程は、
(1)切片に分けたパッチを受け取った後、局在的な中心投票の規則を定義する各局在的なパッチの形状を解析するために、連結成分解析を適用する工程と、
(2)各核面積の中心に、投票スコアが高いほど真の核中心となりやすいように投票する工程と、
(3)人為構造によって引き起こされたピークを局在的な形状決定規則を用いてフィルタにかける工程と、
(4)前記投票ピークの数に基づいて前記核の数を決定し、投票ピークの数は核の数と同じである工程と、をさらに含む、請求項24に記載の装置。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/288,776 US10430943B2 (en) | 2016-10-07 | 2016-10-07 | Automated nuclei area/number estimation for IHC image analysis |
US15/288,776 | 2016-10-07 | ||
PCT/US2017/047004 WO2018067234A1 (en) | 2016-10-07 | 2017-08-15 | Automated nuclei area/number estimation for ihc image analysis |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019531553A true JP2019531553A (ja) | 2019-10-31 |
JP6748380B2 JP6748380B2 (ja) | 2020-09-02 |
Family
ID=59762047
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019518236A Active JP6748380B2 (ja) | 2016-10-07 | 2017-08-15 | Ihc画像解析用の自動化された核の面積/数の推定 |
Country Status (5)
Country | Link |
---|---|
US (1) | US10430943B2 (ja) |
EP (1) | EP3507766A1 (ja) |
JP (1) | JP6748380B2 (ja) |
CN (1) | CN109804410B (ja) |
WO (1) | WO2018067234A1 (ja) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10360434B2 (en) * | 2016-07-25 | 2019-07-23 | Case Western Reserve University | Multi-pass adaptive voting for nuclei detection in histopathological images |
JPWO2018131091A1 (ja) * | 2017-01-11 | 2019-12-19 | オリンパス株式会社 | 画像処理装置、画像処理方法、及び画像処理プログラム |
US10783627B2 (en) | 2017-03-03 | 2020-09-22 | Case Western Reserve University | Predicting cancer recurrence using local co-occurrence of cell morphology (LoCoM) |
WO2020166469A1 (ja) * | 2019-02-15 | 2020-08-20 | コニカミノルタ株式会社 | 情報提供方法、情報提供装置及びプログラム |
CN109940614B (zh) * | 2019-03-11 | 2021-01-22 | 东北大学 | 一种融合记忆机制的机械臂多场景快速运动规划方法 |
CN110263811B (zh) * | 2019-05-21 | 2021-03-26 | 上海应势信息科技有限公司 | 一种基于数据融合的设备运行状态监测方法及系统 |
CN110736688B (zh) * | 2019-10-25 | 2022-04-01 | 陕西科技大学 | 一种原油乳状液粒径检测方法、装置及可读存储介质 |
US11961218B2 (en) * | 2021-07-29 | 2024-04-16 | Zebra Technologies Corporation | Machine vision systems and methods for automatically generating one or more machine vision jobs based on region of interests (ROIs) of digital images |
CN117522863B (zh) * | 2023-12-29 | 2024-03-29 | 临沂天耀箱包有限公司 | 基于图像特征的集成箱体质量检测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008546990A (ja) * | 2005-06-15 | 2008-12-25 | ティシュー グノースティクス ゲーエムベーハー | 白血球を分割する方法 |
WO2010041423A1 (ja) * | 2008-10-09 | 2010-04-15 | 日本電気株式会社 | 病理組織診断支援システム、病理組織診断支援プログラム、病理組織診断支援方法 |
US20140257857A1 (en) * | 2011-07-27 | 2014-09-11 | Omnyx, LLC | Systems and Methods in Digital Pathology |
JP2015522243A (ja) * | 2012-03-17 | 2015-08-06 | ソニー株式会社 | デジタル病理画像における蛍光ドット計数法 |
JP2016128821A (ja) * | 2016-01-20 | 2016-07-14 | シスメックス株式会社 | 細胞分析方法および細胞分析装置 |
Family Cites Families (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7218764B2 (en) * | 2000-12-04 | 2007-05-15 | Cytokinetics, Inc. | Ploidy classification method |
US20020186875A1 (en) * | 2001-04-09 | 2002-12-12 | Burmer Glenna C. | Computer methods for image pattern recognition in organic material |
WO2002097714A1 (en) | 2001-04-09 | 2002-12-05 | Lifespan Biosciences, Inc. | Computer method for image pattern recognition in organic material |
US20050136549A1 (en) * | 2003-10-30 | 2005-06-23 | Bioimagene, Inc. | Method and system for automatically determining diagnostic saliency of digital images |
US20050136509A1 (en) | 2003-09-10 | 2005-06-23 | Bioimagene, Inc. | Method and system for quantitatively analyzing biological samples |
EP2227774B1 (en) * | 2007-12-04 | 2014-07-09 | University College Dublin, National University of Ireland Dublin | Method and system for image analysis |
US8116575B1 (en) * | 2008-02-26 | 2012-02-14 | Hrl Laboratories, Llc | System for anomaly detection using sub-space analysis |
JP5292886B2 (ja) * | 2008-03-27 | 2013-09-18 | 日本電気株式会社 | 画像解析装置、その方法、プログラムおよび記録媒体 |
US20130121565A1 (en) * | 2009-05-28 | 2013-05-16 | Jue Wang | Method and Apparatus for Local Region Selection |
EP2779089B1 (en) * | 2010-07-30 | 2018-11-14 | Fundação D. Anna Sommer Champalimaud E Dr. Carlos Montez Champalimaud | Systems and methods for segmentation and processing of tissue images and feature extraction from same for treating, diagnosing, or predicting medical conditions |
US8831327B2 (en) * | 2011-08-30 | 2014-09-09 | General Electric Company | Systems and methods for tissue classification using attributes of a biomarker enhanced tissue network (BETN) |
CN104081412A (zh) * | 2012-02-01 | 2014-10-01 | 文塔纳医疗系统公司 | 用于检测组织样本中的基因的系统 |
EP2847738B1 (en) * | 2012-05-11 | 2017-07-12 | Dako Denmark A/S | Method and apparatus for image scoring and analysis |
US20130315466A1 (en) * | 2012-05-25 | 2013-11-28 | Metavi Labs Inc. | Automated detection, tracking and analysis of cell migration in a 3-d matrix system |
US9014444B2 (en) * | 2012-07-13 | 2015-04-21 | Sony Corporation | Method and apparatus for automatic HER2 scoring of tissue samples |
US9626583B2 (en) * | 2013-12-12 | 2017-04-18 | University of Pittsburg—Of the Commonwealth System of Higher Education | Automated epithelial nuclei segmentation for computational disease detection algorithms |
WO2015145644A1 (ja) * | 2014-03-27 | 2015-10-01 | コニカミノルタ株式会社 | 画像処理装置および画像処理プログラム |
JP6629762B2 (ja) * | 2014-05-23 | 2020-01-15 | ベンタナ メディカル システムズ, インコーポレイテッド | 画像内の生物学的構造及び/又はパターンの検出のためのシステム及び方法 |
US20180040120A1 (en) * | 2014-12-29 | 2018-02-08 | Flagship Biosciences, Inc. | Methods for quantitative assessment of mononuclear cells in muscle tissue sections |
EP3241180B1 (en) * | 2014-12-30 | 2021-06-30 | Ventana Medical Systems, Inc. | Systems and methods for co-expression analysis in immunoscore computation |
WO2016120442A1 (en) * | 2015-01-30 | 2016-08-04 | Ventana Medical Systems, Inc. | Foreground segmentation and nucleus ranking for scoring dual ish images |
AU2016211885A1 (en) * | 2015-01-31 | 2017-06-29 | Ventana Medical Systems, Inc. | Systems and methods for area-of-interest detection using slide thumbnail images |
JP6605716B2 (ja) * | 2015-09-16 | 2019-11-13 | ライカ バイオシステムズ イメージング インコーポレイテッド | 病理学的明視野画像における自動染色検出 |
-
2016
- 2016-10-07 US US15/288,776 patent/US10430943B2/en active Active
-
2017
- 2017-08-15 EP EP17761364.3A patent/EP3507766A1/en active Pending
- 2017-08-15 WO PCT/US2017/047004 patent/WO2018067234A1/en unknown
- 2017-08-15 CN CN201780061360.4A patent/CN109804410B/zh active Active
- 2017-08-15 JP JP2019518236A patent/JP6748380B2/ja active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008546990A (ja) * | 2005-06-15 | 2008-12-25 | ティシュー グノースティクス ゲーエムベーハー | 白血球を分割する方法 |
WO2010041423A1 (ja) * | 2008-10-09 | 2010-04-15 | 日本電気株式会社 | 病理組織診断支援システム、病理組織診断支援プログラム、病理組織診断支援方法 |
US20140257857A1 (en) * | 2011-07-27 | 2014-09-11 | Omnyx, LLC | Systems and Methods in Digital Pathology |
JP2015522243A (ja) * | 2012-03-17 | 2015-08-06 | ソニー株式会社 | デジタル病理画像における蛍光ドット計数法 |
JP2016128821A (ja) * | 2016-01-20 | 2016-07-14 | シスメックス株式会社 | 細胞分析方法および細胞分析装置 |
Non-Patent Citations (1)
Title |
---|
吉見 崇 ほか: "肝病理組織標本2次元画像からの3次元的各密度推定", 電子情報通信学会2005年総合大会講演論文集 情報・通信システム2, vol. D−16−6, JPN6020014108, 7 March 2005 (2005-03-07), JP, pages 308, ISSN: 0004254754 * |
Also Published As
Publication number | Publication date |
---|---|
WO2018067234A1 (en) | 2018-04-12 |
US10430943B2 (en) | 2019-10-01 |
JP6748380B2 (ja) | 2020-09-02 |
CN109804410A (zh) | 2019-05-24 |
CN109804410B (zh) | 2023-09-15 |
US20180101949A1 (en) | 2018-04-12 |
EP3507766A1 (en) | 2019-07-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6748380B2 (ja) | Ihc画像解析用の自動化された核の面積/数の推定 | |
JP6819898B2 (ja) | 自動3d脳腫瘍セグメンテーション及び分類 | |
WO2019134504A1 (zh) | 图像背景虚化方法、装置、存储介质及电子设备 | |
US20150326845A1 (en) | Depth value restoration method and system | |
Ge et al. | Co-saliency detection via inter and intra saliency propagation | |
US10304192B2 (en) | Fast, progressive approach to supervoxel-based spatial temporal video segmentation | |
WO2017181892A1 (zh) | 前景分割方法及装置 | |
CN108509917A (zh) | 基于镜头类相关性分析的视频场景分割方法和装置 | |
JP5946030B2 (ja) | デジタル病理画像における蛍光ドット計数法 | |
CN114298985B (zh) | 缺陷检测方法、装置、设备及存储介质 | |
JP2018185265A (ja) | 情報処理装置、制御方法、及びプログラム | |
US9552531B2 (en) | Fast color-brightness-based methods for image segmentation | |
WO2019201029A1 (zh) | 备选框更新方法及装置 | |
WO2018187917A1 (zh) | 图片质量评估方法及装置 | |
Dong et al. | Noise-robust SLIC superpixel for natural images | |
Erdem | A region covariances-based visual attention model for RGB-D images | |
Okamoto et al. | A Hierarchical Type Segmentation Algorithm based on Support Vector Machine for Colorectal Endoscopic Images with NBI Magnification | |
US20230237651A1 (en) | Multi-channel extended depth-of-field method for automated digital cytology | |
WO2015162027A2 (en) | Method, device, user equipment and computer program for object extraction from multimedia content | |
CN116863179A (zh) | 基于深度学习的无监督数据划分方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190404 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200319 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200422 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200622 |
|
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: 20200708 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200721 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 6748380 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |