JP2020537781A - 骨髄細胞標識方法及びシステム - Google Patents

Abstract

本発明は、骨髄細胞標識方法及びシステムを提供する。その方法は、画像処理アルゴリズムにより標本画像に処理標識を施して輪郭細胞画像を取得してから、輪郭細胞画像を予め設定した分類モデルに入力して分類細胞画像と対応する分類細胞情報とを取得し、取得した色情報を予め設定した分類クラスに基づいて分類して分類色情報を取得し、最後に分類細胞情報に基づいて対応する名称情報及び分類色情報を抽出して分類細胞画像に組み合わせ標識を行い、組み合わせ標識後の可視画像を表示する。本発明は、処理された分類細胞画像に、対応する名称情報及び分類色情報に基づいて、細胞の名称情報を標識するとともに、そのような細胞の分類色情報を標識する、という組み合わせた標識を行う；各クラスの細胞が特定の、かつ重複しないカラー標識を有することが達成され、読むのが容易であるだけでなく、名前の衝突を回避し、参照を容易にする。【選択図】図１

Description

本発明は、生物医学工学の技術分野に関し、特に骨髄細胞標識方法及びシステムに関する。

細胞標識（マーカー）とは、多細胞系において、ある特定の細胞の作用や挙動を追跡調査するために、対象とする細胞に標識を加えることをいう。ヒト骨髄細胞は、あらゆる血球や免疫細胞の起源であり、多種多様で、形態が異なり、様々な疾患が骨髄細胞の形態を変化させることがあり、通常、医療専門家が顕微鏡下で骨髄細胞を計数分類することが必要である。人工的な方法は、手間と専門的な医学的知識を必要とする。２Ｄまたは３Ｄ顕微鏡から細胞の画像を直接取得することが一般的になりつつある一方で、画像中の細胞を背景から分離し、互いに分離することによって画像を分析することもできる。

現在、細胞の範囲を細胞の輪郭で標識し、細胞の種類ごとに個々の細胞をまとめて表示し、細胞の種類ごとに細胞の名前のみを表示することが多い。その主な欠点は、典型的な骨髄細胞が、医学的にも臨床的にもその特定の名称を有する非定型骨髄細胞に変化し、同じ大クラスの細胞名称が部分的に重複する場合があり、細胞名称を使用した細胞の標識だけでは判読が困難であることである。また、異なる専門家、病院、地域、国は、ある同種の細胞に対して異なる細胞名を定義し、細胞名だけを使用して細胞を標識することは、理解の衝突を引き起こしやすい。

本発明は、上記の問題点に鑑みてなされたものであり、その目的は、処理で得られた分類細胞画像を対応する名称情報および分類色情報に基づいて組み合わせて標識すること、即ち、細胞の細胞名情報とともに、細胞の分類色情報を標識する骨髄細胞の標識方法及び骨髄細胞の標識装置を提供することにある。各クラスの細胞が特定の、かつ重複しないカラー標識を有することが達成され、判読が容易であるだけでなく、名前の衝突を回避し、参照を容易にする。

本発明は、以下のステップを含む骨髄細胞標識方法を提供する：
標本画像を取得し、画像処理アルゴリズムを用いて標本画像に対して細胞輪郭抽出を行い、抽出結果に対して標識枠で標識を行い、輪郭細胞画像を得るステップ；
前記輪郭細胞画像を予め設定された分類モデルに入力し、分類細胞画像及び対応する分類細胞情報を得るステップ；
色情報と名称情報を取得し、予め設定されたクラスに基づいて前記色情報を分類し、分類色情報を得るステップ；
分類細胞情報に基づいて対応する名称情報及び分類色情報を抽出して分類細胞画像に組み合わせ標識を施し、組み合わせ標識後の可視画像を表示するステップ。

一実施形態として、本発明が提供する骨髄細胞標識方法は、以下のステップをさらに含む：
前記輪郭細胞画像を予め設定された分類モデルに入力する前に、分類フロー又は分類器により分類モデルを構築する。

一実施形態として、前記輪郭細胞画像を予め設定された分類モデルに入力して、分類細胞画像と対応する分類細胞情報を得るステップは、以下のステップを含む：
前記輪郭細胞画像を予め設定された分類モデルに入力し、前記輪郭細胞画像に予め設定されたクラスの確率を分配するステップ；
前記輪郭細胞画像に対応する確率及び予め設定された閾値に基づいて前記輪郭細胞画像に分類標識を行うことにより、分類細胞画像を得るステップ；
前記分類細胞画像に対して識別判断を行って、対応する分類細胞情報を得るステップ。

一実施形態として、画像処理アルゴリズムを用いて標本画像に対して細胞輪郭抽出を行うことは、以下のステップを含む：
前記標本画像に対してそれぞれグレースケール、ノイズ除去処理を行い、
最大分散法（判別分析２値化法ともいう）を用いてノイズ除去後のグレースケール画像に対する最適閾値を算出し、ノイズ除去後のグレースケール画像を前記最適閾値で分割して２値化画像に変換し、細胞輪郭抽出を完了する。

一実施形態として、本発明が提供する骨髄細胞標識方法は、以下のステップをさらに含む：
分類色情報が得られた後、前記名称情報と前記分類色情報を記憶し、標識データベースを構築する。

それに対応して、本発明は、輪郭抽出モジュール、分類処理モジュール、色前処理モジュール、及び標識処理モジュールを含む骨髄細胞標識システムをさらに提供する：
前記輪郭抽出モジュールは、標本画像を取得し、画像処理アルゴリズムを用いて標本画像に対して細胞輪郭抽出を行い、抽出結果に対して標識枠で標識を行い、輪郭細胞画像を得る；
前記分類処理モジュールは、前記輪郭細胞画像を予め設定された分類モデルに入力し、分類細胞画像と対応する分類細胞情報を得る；
前記色前処理モジュールは、色情報と名称情報を取得し、予め設定されたクラスに基づいて前記色情報を分類し、分類色情報を得る；
前記標識処理モジュールは、分類細胞情報に基づいて、対応する名称情報及び分類色情報を抽出して分類細胞画像に組み合わせ標識を施し、組み合わせ標識後の可視画像を表示する。

一実施態様として、本発明が提供する骨髄細胞標識システムは、モデル構築モジュールをさらに含む：
前記モデル構築モジュールは、前記輪郭細胞画像を予め設定された分類モデルに入力する前に、分類フロー又は分類器により分類モデルを構築する。

一実施形態として、上記分類処理モジュールは、分配ユニットと、分配標識ユニットと、識別判断ユニットと、を備え、
前記分配ユニットは、前記輪郭細胞画像を予め設定された分類モデルに入力し、前記輪郭細胞画像に対して予め設定されたクラスの確率を分配するように構成され、
前記分配標識ユニットは、前記輪郭細胞画像に対応する確率と予め設定された閾値とに基づいて前記輪郭細胞画像に分類標識を行うことにより、分類細胞画像を得るように構成され、
前記識別判断ユニットは、前記分類細胞画像に対して識別判断を行い、対応する分類細胞情報を得るように構成される。

一実施形態として、輪郭抽出モジュールは、処理ユニットと、計算変換ユニットとを備える；
前記処理ユニットは、前記標本画像に対してグレースケール、ノイズ除去処理をそれぞれ施す；
前記計算変換ユニットは、最大分散法を用いてノイズ除去後のグレースケール画像に対する最適閾値を算出し、該最適閾値でノイズ除去後のグレースケール画像を分割して２値化画像に変換し、細胞輪郭抽出を完了する。

一実施形態として、本発明が提供する骨髄細胞標識システムは、記憶モジュールを含む；
前記記憶ユニットは、分類色情報を取得した後に、前記名称情報と前記分類色情報とを記憶し、標識データベースを構築する。

従来技術と比較して、本技術の解決策は、以下の利点を有する。
本発明は、骨髄細胞標識方法及びシステムを提供する。その方法は、画像処理アルゴリズムにより標本画像に処理標識を施して輪郭細胞画像を取得してから、輪郭細胞画像を予め設定した分類モデルに入力して分類細胞画像と対応する分類細胞情報とを取得し、取得した色情報を予め設定した分類クラスに基づいて分類して分類色情報を取得し、最後に分類細胞情報に基づいて対応する名称情報及び分類色情報を抽出して分類細胞画像に組み合わせ標識を行い、組み合わせ標識後の可視画像を表示する。本発明は、処理された分類細胞の画像に、対応する名称情報及び分類色情報に基づいて、細胞の名称情報を標識するとともに、そのような細胞の分類色情報を標識する、という組み合わせた標識を行う。各クラスの細胞が特定の、かつ重複しないカラー標識を有することが達成され、判読が容易であるだけでなく、名前の衝突を回避し、参照を容易にする。

本発明の実施例１に係る骨髄細胞標識方法のフローチャートである。 本発明の実施例３に係る骨髄細胞標識システムの構成を示す模式図である。 図２における分類処理モジュールの構成を示す模式図である。 実施例における骨髄細胞６００を標識するための構成のブロック図である。 実施例において生成されたサンプル画像から抽出された細胞の輪郭図である。 実施例において生成された骨髄細胞標識付きの分類細胞の画像を示す図である。 実施例において生成される標識サンプル画像の概略図である。 図５〜図７は、レビュー参考図である。

本発明のさらに他の目的、特徴や利点は、後述する本発明の実施例や添付する図面に基づくより詳細な説明によって明らかになるであろう。

図１を参照すると、本発明の実施例１に係る骨髄細胞標識方法は、以下のステップを含む。
Ｓ１００：標本（サンプル）画像を取得し、画像処理アルゴリズムを用いて標本画像に対して細胞の輪郭抽出を行い、抽出結果に対して標識枠で標識を行い、輪郭細胞画像を得る。
Ｓ２００：輪郭細胞画像を予め設定された分類モデルに入力し、分類細胞画像及び対応する分類細胞情報を得る。
Ｓ３００：色情報と名称情報を取得し、予め設定されたカテゴリー（クラス）に基づいて色情報を分類し、分類色情報を得る。
Ｓ４００：分類細胞情報に基づいて、対応する名称情報及び分類色情報を抽出して分類細胞画像に組み合わせ標識を施し、組み合わせ標識後の可視画像を表示する。

なお、標識枠の形状は、抽出された細胞の輪郭の形状に合致するものであってもよいし、矩形、円形、三角形等の他の規則的なパターン、或いは、不規則なパターン等の他の形状の標識枠を用いて標識をしてもよい。本実施例では、矩形の標識枠でマーキングすることが好ましい。矩形の標識枠は細胞の全体輪郭に最も近く、処理負担を低減する。

なお、分類モデルは、予め設定された分類モデルに輪郭細胞画像を入力する前に予め作成しておいたものである。分類モデルは、分類フローまたは分類器によって分類モデルを構築することができる。ここで、分類器によって構築される分類モデルは、ニューラルネットワーク、サポートベクタベース、ベイジアンネットワーク、および決定木の１つまたは複数によって構築されてもよい。本実施例では、これに限定されるものではない。

予め設定されたクラスは、骨髄細胞のクラスであり、各大クラス、大クラス中の子クラス、子クラス中のサブ子クラスなどを含む。分類色情報は、これら各クラスを異なる色で色分けマッチングした情報である。大クラス、子クラス、サブ子クラス、サブサブ子クラスなどのそれぞれに異なる色で区別する。細胞が属するクラスを異なる色系で統一して表現することもできる；例えば、大クラスを赤色系で、子クラスを青色系で表すなどのことによって、識別が容易になる。
他の実施形態において、用いられる色系は限定されない。例えば、大クラスに属する顆粒球系は、対応する色が＃１５９８４５のＲＧＢ値と定義される；また、大クラスに属する赤血球系は、対応する色が＃ｅ３０ｂ２０のＲＧＢ値と定義される；原始顆粒球（ブラスト顆粒球）は顆粒球系の子クラスに属するので、その対応する色は、＃１５９８４５および＃０７ｆ３６３というＲＧＢ値と定義される；原始赤血球は、赤血球系の子クラスに属するので、その対応する色は、＃ｅ３０ｂ２０及び＃１５９８４８のＲＧＢ値と定義される。大クラスは１つの色パッチを有し、子クラスは２つの色パッチを有し、子クラスのサブクラスは３つの色パッチを有し、左から右に並ぶように、大クラスの色パッチ、子クラスの色パッチ、子クラスのサブクラスの色パッチが順に表示される。

また、分類細胞情報は、骨髄細胞の種類毎に対応する名称情報を有する。細胞のクラスごとに固有の名称情報を有し、分類細胞画像は、その細胞が属するクラスの状態であり、その細胞のクラス従属関係が大クラスから小クラスに判定分析される。例えば、ある細胞について、最初にどの大クラスに属するかを判定し、次にどの子クラスに属するかを判定し、最後に子クラスのどのサブクラスに属するかを判定することにより、その細胞の最終的な分類結果が、どの大クラスのどの子クラスに属する細胞であるか、または、どの大クラスのどの子クラスのどのサブクラスに属する細胞であるかが得られる。最終的には、分類細胞情報と名称情報との照合マッチングを行い、分類細胞画像と分類色情報との照合判定を行うことによって対応する分類色情報を抽出し、好適な矩形の標識枠を提示することに加えて、対応する細胞の名称情報及び分類色情報を同時に提示する、組み合わせ標識を実現する。

本発明により提供される骨髄細胞標識方法は、画像処理アルゴリズムにより標本画像を処理標識して輪郭細胞画像を得てから、輪郭細胞画像を予め設定された分類モデルに入力して、分類細胞画像と対応する分類細胞情報とを得、予め設定されたカテゴリーに基づいて取得する色情報を分類することにより、分類色情報を取得し、最後に、分類細胞情報に基づいて対応する名称情報及び分類色情報を抽出して分類細胞画像に組み合わせ標識を施し、組み合わせ標識後の可視画像を表示する。本発明は、処理された分類細胞画像に、対応する名称情報及び分類色情報に基づいて、細胞の名称情報を標識するとともに、そのような細胞の分類色情報を標識する、という組み合わせた標識を行う；各クラスの細胞が特定の、かつ重複しないカラー標識を有することが達成され、読むのが容易であるだけでなく、名前の衝突を回避し、参照を容易にする。

さらに、画像処理アルゴリズムを用いて標本画像に対して細胞輪郭抽出を行うことは、以下のステップを含む。
Ｓ１１０：標本画像に対してグレースケール（階調）、ノイズ除去処理をそれぞれ行う。
Ｓ１２０：最大分散法を用いてノイズ除去後のグレースケール画像に対する最適閾値を算出し、ノイズ除去後のグレースケール画像を最適閾値で分割して２値化画像に変換し、細胞輪郭抽出を完了する。

まず、取得した標本画像をグレースケール画像に変換し、次いで、３＊３メディアンフィルタを行ってノイズを除去し、その後、クラス間最大分散法（ＯＴＵＳ）を用いて最適閾値を算出し、算出した最適閾値に従って、ノイズ除去後のグレースケール画像を分割し、２値化画像に変換する。変換結果について、さらに完全性判定を行ってもよい。細胞輪郭抽出が完了していない場合には、全ての細胞輪郭抽出が完了するまで上記ステップを繰り返す。細胞輪郭抽出の完全性が保証され、最終的な組み合わせ標識の精度が向上する。

さらに、ステップＳ２００は、具体的には以下のステップを含む。
Ｓ２１０：輪郭細胞画像を予め設定された分類モデルに入力し、輪郭細胞画像に予め設定されたクラスの確率を分配する。
Ｓ２２０：輪郭細胞画像に対応する確率及び予め設定された閾値に基づいて輪郭細胞画像を分類標識して分類細胞画像を得る。
Ｓ２３０：分類細胞画像に対して識別判断を行うことにより、対応する分類細胞情報を得る。

予め設定されたクラスは、骨髄細胞のクラスであり、各大クラス、大クラス中の子クラス、子クラス中のサブ子クラスなどを含む。予め設定されたクラスの確率は、輪郭細胞画像を予め設定されたクラス毎の標準的な輪郭と照合した後に、算出された、予め設定されたクラス毎に対応する確率である。さらに、算出された最大確率を輪郭細胞画像に分配する。分配後の輪郭細胞画像に対応する確率と予め設定された閾値とを分析して最も近いクラスを抽出して分類標識を付与し、分類細胞画像を得る。最後に、分類細胞画像の識別判断を行い、対応する分類細胞情報を取得する。ここでの識別判断は、コンピュータ画像認識アルゴリズムを用いて行うことができる。確率計算照合により、運転速度を高め、標本画像中の個々の輪郭細胞画像の認識正確性を保障する。

さらに、本発明の実施例２に係る骨髄細胞標識化方法は、以下のステップをさらに含む。
分類色情報が得られた後、名称情報と分類色情報を記憶し、標識データベースを構築する。

標識データベースが構築されると、その後、名称情報および分類色情報の利用が必要になるとき両方を標識データベースから抽出し、使用情報を自動的に生成する。使用情報には、時間パラメータ、使用回数、標識の位置情報などが含まれるが、これらに限定されない。例えば、分類細胞情報に基づいて標識データベースにおいて対応する名称情報及び分類色情報を抽出して、分類細胞画像に対して組み合わせ標識を行い、組み合わせ標識後の可視画像を表示する。最終的に組み合わせ標識が完了したら、その標本画像に対応するテキストを自動的に生成し、テキストに上記使用情報が保存されている。使用情報を分析することにより、標本画像における細胞の種類毎の概略状態を把握することができる。データのトレースバックも可能となり、研究作業の進行に寄与する。

同じ発明概念に基づいて、本発明の実施例は、上記方法の手順を参照して実施可能な骨髄細胞標識システムをさらに提供する。重複するところを説明しない。

図２は、本発明の実施例３に係る骨髄細胞標識システムの構成を示す模式図であり、輪郭抽出モジュール１００、分類処理モジュール２００、色前処理モジュール３００、標識処理モジュール４００を備える。
輪郭抽出モジュール１００は、標本画像を取得し、画像処理アルゴリズムを用いて標本画像に対して細胞輪郭抽出を行い、抽出結果に対して標識枠で標識を行って輪郭細胞画像を得るために用いられる。
分類処理モジュール２００は、輪郭細胞画像を予め設定された分類モデルに入力し、分類細胞画像及び対応する分類細胞情報を得るために用いられる。
色前処理モジュール３００は、色情報と名称情報を取得し、予め設定されたクラスに基づいて色情報を分類し、分類色情報を得るために用いられる。
標識処理モジュール４００は、分類細胞情報に基づいて、対応する名称情報及び分類色情報を抽出して分類細胞画像に対する組み合わせ標識を行い、組み合わせ標識後の可視画像を表示する。

本発明は、処理された分類細胞画像に、対応する名称情報及び分類色情報に基づいて、細胞の名称情報を標識するとともに、そのような細胞の分類色情報をも標識する、という組み合わせた標識を行う。各クラスの細胞が特定の、かつ重複しないカラー標識を有することが達成され、読むのが容易であるだけでなく、名前の衝突を回避し、参照を容易にする。

さらに、本発明の実施例４に係る骨髄細胞標識システムは、モデル構築モジュール５００をさらに含む。
モデル構築モジュール５００は、予め設定された分類モデルに輪郭細胞画像を入力する前に、分類フロー又は分類器によって分類モデルを構築するように構成される。

さらに、輪郭抽出モジュール１００は、処理ユニット１１０と、計算変換ユニット１２０とを備える。
処理ユニット１１０は、標本画像に対してグレースケール、ノイズ除去処理をそれぞれ行う。
計算変換ユニット１２０は、最大分散法を用いて、ノイズ除去後のグレースケール画像の最適な閾値を算出し、最適な閾値でノイズ除去後のグレースケール画像を分割して２値化画像に変換し、細胞輪郭抽出を完了する。

さらに、本発明の実施例５に係る骨髄細胞標識システムは、記憶モジュール６００をさらに含む。
記憶モジュール６００は、分類色情報を取得した後、名称情報と分類色情報とを記憶し、標識データベースを構築するために用いられる。

図３は、分類処理モジュール２００の構成を示す模式図である；分配ユニット２１０、分配標識ユニット２２０、および、識別判断ユニット２３０を備える。
分配ユニット２１０は、予め設定された分類モデルに輪郭細胞画像を入力し、輪郭細胞画像に予め設定されたクラスの確率を分配するように構成される。
分配標識ユニット２２０は、輪郭細胞画像に対応する確率と予め設定された閾値とに基づいて、輪郭細胞画像に対して分類標識を行うことにより、分類細胞画像を得るように構成される。
識別判断ユニット２３０は、分類細胞画像を識別判断して、対応する分類細胞情報を得るためのものである。

図４に示すように、プロセッサ６０２は、記憶モジュール６００の動作、例えば、骨髄細胞の標識及び標識の表示に関連する動作を制御する。この実施形態では、プロセッサ６０２は、マルチメディアコンポーネント６０８とプロセッサ６０２との間の相互作用を容易にするマルチメディアモジュールを含む。

メモリ６０４は、記憶モジュール６００をサポートするための様々な種類のデータを記憶する。記憶モジュール６００によって実現できる任意の応用または方法に関する命令、細胞画像、標識データベースなどを含む。メモリ６０４は、任意のタイプの揮発性又は不揮発性記憶装置又はこれらの組み合わせにより実現することができ、例えば、スタティックランダムアクセスメモリ（ＳＲＡＭ）、電気的消去可能なプログラマブル読み出し専用メモリ（ＥＥＰＲＯＭ）、消去可能なプログラマブル読み出し専用メモリ（ＥＰＲＯＭ）、プログラマブル読み出し専用メモリ（ＰＲＯＭ）、読み出し専用メモリ（ＲＯＭ）、磁気メモリ、フラッシュメモリ、磁気ディスク又は光ディスクである。

電力コンポーネント６０６は、記憶モジュール６００の様々なコンポーネントへ電力を提供する。電力コンポーネント６０６は、電力管理システム、１つ又は複数の電源、及び記憶モジュール６００内の電力生成、管理および分配に関連する任意の他のコンポーネントを含む。

マルチメディアコンポーネント６０８は、記憶モジュール６００と記憶モジュール６００のユーザとの間の出力インターフェースを提供するスクリーンを含む。スクリーンは、液晶ディスプレイ及び押圧パネルを含み得る。入力／出力（Ｉ／Ｏ）インターフェース６１０は、プロセッサ６０２及び周辺インターフェースモジュールのためにインターフェース、例えば、キーボード、クリックホイール、ボタン等を提供する。

実施例において、記憶モジュール６００は、開示された方法を実行するために、１つ以上の特定用途向け集積回路（ＡＳＩＣｓ）、デジタル信号プロセッサ（ＤＳＰｓ）、デジタル信号処理装置（ＤＳＰＤｓ）、プログラマブル論理装置（ＰＬＤｓ）、フィールドプログラマブルゲートアレイ（ＦＰＧＡｓ）、コントローラ、マイクロコントローラ、マイクロプロセッサ、又は他の電子コンポーネントを用いて実装されてもよい。本発明は、メモリ６０４に含まれる命令などの命令を含む非一時的コンピュータ可読記憶媒体も提供する。これらの指示は、記憶モジュール６００のプロセッサ６０２によって実行され、開示された骨髄細胞標識方法を実行することができる。例えば、非一時的コンピュータ可読記憶媒体は、ＲＯＭ、ＲＡＭ、ＣＤ−ＲＯＭ、磁気テープ、フロッピーディスク、光学データ記憶装置などであり得る。

図６に示すように、分類された細胞画像は、その対応する分類色情報及び名称情報によって共通に標識される。分類された色情報は、２つの色パッチとして表示され、それぞれ、分類されたセル画像におけるセルが属するメインクラス及び子クラスを表している。

図７に示すように、サンプル画像において抽出された細胞の輪郭は、標識枠と、その分類色情報と、その名称情報とによって共通に標識される。

本発明は、好ましい実施形態で以上に開示されているが、本発明を限定するものではなく、当業者であれば、本発明の精神と範囲から逸脱することなく、上記に開示された方法と技術内容を利用して本発明の技術的思想に対する変更及び修正を行うことができるので、本発明の技術的思想から逸脱することなく、以上の実施形態に対して本発明の技術的思想に基づいてなされたあらゆる簡単な修正、均等な変更及び修正を本発明の技術的範囲に含まれるものとする。

１００ 輪郭抽出モジュール
１１０ 処理ユニット
１２０ 計算変換ユニット
２００ 分類処理モジュール
２１０ 分配ユニット
２２０ 標識分配ユニット
２３０ 識別判断ユニット
３００ 色前処理モジュール
４００ 標識処理モジュール
５００ モデル構築モジュール
６００ 記憶モジュール
６０２ 処理コンポーネント
６０４ メモリ
６０６ パワーモジュール
６０８ マルチメディアコンポーネント
６１０ 入力／出力（Ｉ／Ｏ）インターフェース

Claims (10)

1. 標本画像を取得し、画像処理アルゴリズムを用いて標本画像に対して細胞輪郭抽出を行い、抽出結果に対して標識枠で標識を行い、輪郭細胞画像を得るステップと、
   前記輪郭細胞画像を予め設定された分類モデルに入力し、分類細胞画像及び対応する分類細胞情報を得るステップと、
   色情報と名称情報を取得し、予め設定されたクラスに基づいて前記色情報を分類し、分類色情報を得るステップと、
   分類細胞情報に基づいて対応する名称情報及び分類色情報を抽出して分類細胞画像に組み合わせ標識を施し、組み合わせ標識後の可視画像を表示するステップと、を含むことを特徴とする骨髄細胞標識方法。
2. 前記輪郭細胞画像を予め設定された分類モデルに入力する前に、分類フロー又は分類器により分類モデルを構築するステップをさらに含むことを特徴とする請求項１に記載の骨髄細胞標識方法。
3. 前記輪郭細胞画像を予め設定された分類モデルに入力し、分類細胞画像および対応する分類細胞情報を得るステップは、
   前記輪郭細胞画像を予め設定された分類モデルに入力し、前記輪郭細胞画像に予め設定されたクラスの確率を分配するステップと、
   前記輪郭細胞画像に対応する確率及び予め設定された閾値に基づいて前記輪郭細胞画像に分類標識を行うことにより、分類細胞画像を得るステップと、
   前記分類細胞画像に対して識別判断を行い、対応する分類細胞情報を得るステップと、を含むことを特徴とする請求項１又は２に記載の骨髄細胞標識方法。
4. 前記画像処理アルゴリズムを用いて標本画像に対して細胞輪郭抽出を行うことは、
   前記標本画像に対してそれぞれグレースケール、ノイズ除去処理を行うステップと、
   最大分散法を用いてノイズ除去後のグレースケール画像に対する最適閾値を算出し、ノイズ除去後のグレースケール画像を前記最適閾値で分割して２値化画像に変換し、細胞輪郭抽出を完了するステップと、を含むことを特徴とする請求項１に記載の骨髄細胞標識方法。
5. 分類色情報が得られた後、前記名称情報と前記分類色情報を記憶し、標識データベースを構築するステップをさらに含むことを特徴とする請求項１に記載の骨髄細胞標識化方法。
6. 輪郭抽出モジュール、分類処理モジュール、色前処理モジュールおよび標識処理モジュールを備える骨髄細胞標識システムであって、
   前記輪郭抽出モジュールは、標本画像を取得し、画像処理アルゴリズムを用いて標本画像に対して細胞輪郭抽出を行い、抽出結果に対して標識枠で標識を行い、輪郭細胞画像を得るように構成され、
   前記分類処理モジュールは、前記輪郭細胞画像を予め設定された分類モデルに入力し、分類細胞画像および対応する分類細胞情報を得るように構成され、
   前記色前処理モジュールは、色情報と名称情報を取得し、予め設定されたクラスに基づいて前記色情報を分類し、分類色情報を得るように構成され、
   前記標識処理モジュールは、分類細胞情報に基づいて、対応する名称情報及び分類色情報を抽出して分類細胞画像に組み合わせ標識を施し、組み合わせ標識後の可視画像を表示するように構成されることを特徴とする骨髄細胞標識システム。
7. 前記輪郭細胞画像を予め設定された分類モデルに入力する前に、分類フロー又は分類器により分類モデルを構築するためのモデル構築モジュールをさらに含むことを特徴とする請求項６に記載の骨髄細胞標識システム。
8. 前記分類処理モジュールは、分配ユニットと、分配標識ユニットと、識別判断ユニットと、を備え、
   前記分配ユニットは、前記輪郭細胞画像を予め設定された分類モデルに入力し、前記輪郭細胞画像に対して予め設定されたクラスの確率を分配するように構成され、
   前記分配標識ユニットは、前記輪郭細胞画像に対応する確率と予め設定された閾値とに基づいて前記輪郭細胞画像に分類標識を行うことにより、分類細胞画像を得るように構成され、
   前記識別判断ユニットは、前記分類細胞画像に対して識別判断を行い、対応する分類細胞情報を得るように構成されることを特徴とする請求項６又は７に記載の骨髄細胞標識システム。
9. 前記輪郭抽出モジュールは、処理ユニットと計算変換ユニットとを含み、
   前記処理ユニットは、前記標本画像に対してそれぞれグレースケール、ノイズ除去処理を行うように構成され、
   前記計算変換ユニットは、最大分散法を用いてノイズ除去後のグレースケール画像に対する最適閾値を算出し、ノイズ除去後のグレースケール画像を前記最適閾値で分割して２値化画像に変換し、細胞輪郭抽出を完了するように構成されることを特徴とする請求項６に記載の骨髄細胞標識システム。
10. 記憶モジュールをさらに備え、
    前記記憶モジュールは、分類色情報を取得した後、前記名称情報と前記分類色情報とを記憶し、標識データベースを構築するように構成されることを特徴とする請求項６に記載の骨髄細胞標識システム。