JP2022510203A - 構造を識別する自動化方法 - Google Patents
構造を識別する自動化方法 Download PDFInfo
- Publication number
- JP2022510203A JP2022510203A JP2021530112A JP2021530112A JP2022510203A JP 2022510203 A JP2022510203 A JP 2022510203A JP 2021530112 A JP2021530112 A JP 2021530112A JP 2021530112 A JP2021530112 A JP 2021530112A JP 2022510203 A JP2022510203 A JP 2022510203A
- Authority
- JP
- Japan
- Prior art keywords
- image
- sample
- color
- images
- cells
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 173
- 238000012545 processing Methods 0.000 claims abstract description 49
- 239000000523 sample Substances 0.000 claims description 183
- 210000004027 cell Anatomy 0.000 claims description 136
- 206010028980 Neoplasm Diseases 0.000 claims description 89
- 201000011510 cancer Diseases 0.000 claims description 69
- 230000004069 differentiation Effects 0.000 claims description 36
- 230000008569 process Effects 0.000 claims description 33
- 230000000877 morphologic effect Effects 0.000 claims description 15
- 210000005170 neoplastic cell Anatomy 0.000 claims description 13
- 230000000737 periodic effect Effects 0.000 claims description 11
- 238000001228 spectrum Methods 0.000 claims description 11
- 230000002159 abnormal effect Effects 0.000 claims description 9
- 238000009826 distribution Methods 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 9
- 238000003384 imaging method Methods 0.000 claims description 7
- 230000010287 polarization Effects 0.000 claims description 7
- 238000013528 artificial neural network Methods 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 5
- 238000005286 illumination Methods 0.000 claims description 4
- 239000012472 biological sample Substances 0.000 claims description 3
- 244000045947 parasite Species 0.000 claims description 3
- 238000010183 spectrum analysis Methods 0.000 claims description 3
- 230000001413 cellular effect Effects 0.000 claims 1
- 238000010191 image analysis Methods 0.000 abstract description 19
- 210000001519 tissue Anatomy 0.000 description 64
- 238000004458 analytical method Methods 0.000 description 44
- 206010006187 Breast cancer Diseases 0.000 description 26
- 208000026310 Breast neoplasm Diseases 0.000 description 26
- 230000000875 corresponding effect Effects 0.000 description 26
- 210000000481 breast Anatomy 0.000 description 24
- 208000028715 ductal breast carcinoma in situ Diseases 0.000 description 24
- 208000037396 Intraductal Noninfiltrating Carcinoma Diseases 0.000 description 22
- 206010073094 Intraductal proliferative breast lesion Diseases 0.000 description 22
- 201000007273 ductal carcinoma in situ Diseases 0.000 description 22
- 241000699670 Mus sp. Species 0.000 description 20
- 230000001575 pathological effect Effects 0.000 description 18
- 230000003595 spectral effect Effects 0.000 description 18
- 230000001613 neoplastic effect Effects 0.000 description 16
- 238000011532 immunohistochemical staining Methods 0.000 description 14
- 241001465754 Metazoa Species 0.000 description 10
- 238000013500 data storage Methods 0.000 description 10
- 238000011156 evaluation Methods 0.000 description 10
- 238000000386 microscopy Methods 0.000 description 10
- 230000035755 proliferation Effects 0.000 description 10
- 241000699666 Mus <mouse, genus> Species 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 210000005075 mammary gland Anatomy 0.000 description 8
- 230000003287 optical effect Effects 0.000 description 8
- 229920003209 poly(hydridosilsesquioxane) Polymers 0.000 description 8
- 230000011218 segmentation Effects 0.000 description 8
- 230000008859 change Effects 0.000 description 6
- 239000003086 colorant Substances 0.000 description 6
- 230000003902 lesion Effects 0.000 description 6
- 239000003550 marker Substances 0.000 description 6
- 238000010172 mouse model Methods 0.000 description 6
- 230000002062 proliferating effect Effects 0.000 description 6
- 238000010186 staining Methods 0.000 description 6
- 238000011282 treatment Methods 0.000 description 6
- 230000005856 abnormality Effects 0.000 description 4
- 238000003491 array Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 4
- 210000003855 cell nucleus Anatomy 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 4
- 210000005260 human cell Anatomy 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 238000000399 optical microscopy Methods 0.000 description 4
- 238000012335 pathological evaluation Methods 0.000 description 4
- 230000002269 spontaneous effect Effects 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 102000008186 Collagen Human genes 0.000 description 2
- 108010035532 Collagen Proteins 0.000 description 2
- 208000002454 Nasopharyngeal Carcinoma Diseases 0.000 description 2
- 206010061306 Nasopharyngeal cancer Diseases 0.000 description 2
- 229910004298 SiO 2 Inorganic materials 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 210000000069 breast epithelial cell Anatomy 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 229920001436 collagen Polymers 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000000052 comparative effect Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000005672 electromagnetic field Effects 0.000 description 2
- 210000002919 epithelial cell Anatomy 0.000 description 2
- 210000000981 epithelium Anatomy 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 239000003574 free electron Substances 0.000 description 2
- 238000007429 general method Methods 0.000 description 2
- 244000144980 herd Species 0.000 description 2
- 229910052739 hydrogen Inorganic materials 0.000 description 2
- 238000003703 image analysis method Methods 0.000 description 2
- 208000015181 infectious disease Diseases 0.000 description 2
- 230000003834 intracellular effect Effects 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 238000003064 k means clustering Methods 0.000 description 2
- LFEUVBZXUFMACD-UHFFFAOYSA-H lead(2+);trioxido(oxo)-$l^{5}-arsane Chemical compound [Pb+2].[Pb+2].[Pb+2].[O-][As]([O-])([O-])=O.[O-][As]([O-])([O-])=O LFEUVBZXUFMACD-UHFFFAOYSA-H 0.000 description 2
- 210000003041 ligament Anatomy 0.000 description 2
- 238000001459 lithography Methods 0.000 description 2
- 230000004807 localization Effects 0.000 description 2
- 210000001165 lymph node Anatomy 0.000 description 2
- 230000014759 maintenance of location Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 229910052751 metal Inorganic materials 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 229910044991 metal oxide Inorganic materials 0.000 description 2
- 150000004706 metal oxides Chemical class 0.000 description 2
- 230000003278 mimic effect Effects 0.000 description 2
- 210000003205 muscle Anatomy 0.000 description 2
- 201000011216 nasopharynx carcinoma Diseases 0.000 description 2
- 210000004940 nucleus Anatomy 0.000 description 2
- 230000007170 pathology Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000000704 physical effect Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 238000011002 quantification Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 229910052709 silver Inorganic materials 0.000 description 2
- 239000004332 silver Substances 0.000 description 2
- -1 silver halide Chemical class 0.000 description 2
- 210000000130 stem cell Anatomy 0.000 description 2
- 239000000758 substrate Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000000411 transmission spectrum Methods 0.000 description 2
- 210000004881 tumor cell Anatomy 0.000 description 2
- 230000005740 tumor formation Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/255—Details, e.g. use of specially adapted sources, lighting or optical systems
-
- 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
- G01N33/483—Physical analysis of biological material
- G01N33/4833—Physical analysis of biological material of solid biological material, e.g. tissue samples, cell cultures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- 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
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N2021/258—Surface plasmon spectroscopy, e.g. micro- or nanoparticles in suspension
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G06T2207/20084—Artificial neural networks [ANN]
-
- 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
-
- 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
- G06T2207/30068—Mammography; Breast
-
- 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
- G06T2207/30096—Tumor; Lesion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/03—Recognition of patterns in medical or anatomical images
- G06V2201/032—Recognition of patterns in medical or anatomical images of protuberances, polyps nodules, etc.
Abstract
Description
本開示は、光学的顕微鏡検査の分野に関する。1つの形式では、本開示は、光学顕微鏡から捕捉されたデジタル画像の自動化分析のシステム及び方法を提供する。
La Trobe Universityの名義におけるPCT/オーストラリア特許出願公開第2018/050496号(その内容全体が参照により本明細書に援用される)は、サブミクロン構造の周期的アレイを含むプラズモニック層を有する試料保持器の使用を通して増強型画像コントラストを提供する光学顕微鏡検査のシステム及び方法を開示している。試料は、プラズモニック層に隣接して試料保持器上に置かれる。使用中、試料及び試料保持器が照明され、試料の画像が生成される。本発明者らは、光と試料及びプラズモニック層との相互作用を介して、色コントラストが、受け取られた画像内に呈示されることを観測した。特に、異なる誘電定数を有する試料の領域は、異なる色で画像内に出現する。強度コントラストも実現される。これとは対照的に、染色された試料を使用する従来の光学顕微鏡検査法から取得される画像は、通常、使用される染色に対応する単一色の強度コントラストを呈示するのみである。この開示では、ナノスライドへの参照は、その両方の内容がすべての目的のために参照により本明細書に援用されるPCT/オーストラリア特許出願公開第2018/050496号又は2018年11月29日出願の本出願人の同時係争中の「Microscopy method and system」という名称のオーストラリア特許出願公開第2018904553号及び本出願と同じ日に出願されたオーストラリア特許出願公開第2018904553号に対する優先権を主張する国際特許出願の教示による試料保持器への参照である。このような試料保持器を使用する顕微鏡検査は、本明細書において組織学的プラズモニックス又は色コントラスト顕微鏡検査(CCMと略称される)と呼ばれる。
第1の態様では、試料内の構造を識別する自動化方法が提供される。本方法は、試料の少なくとも1つのデジタル画像を受け取ることを含み、試料の少なくとも1つの局所化構造特性は、この画像内で捕捉された受け取られた光の色に基づいて画像内で可視である。本方法は、前記構造を選択的に識別するために、受け取られた色情報に基づいて少なくとも1つの画像を処理することをさらに含む。最も好ましくは、試料は、生体試料である。
受け取られた画像の色帯域を選択的に処理するために画像をカラーフィルタリングする処理工程又は副工程、
受け取られた画像の色分布又は色ヒストグラムを判断する処理工程又は副工程、
画像内の1つ又は複数の構造を識別するために特徴抽出方法を行う処理工程又は副工程、
画像認識システムでデジタル画像を処理する処理工程又は副工程、
1つ又は複数の構造に対応する画像内の1つ又は複数の特徴を認識するために画像認識システムでデジタル画像を処理する処理工程又は副工程
の任意の1つ又は複数を含み得る。
サブミクロン構造の周期的アレイを含むプラズモニック層を有する試料保持器を提供すること、
プラズモニック層に隣接して試料保持器上に試料を置くこと、
試料及び試料保持器を照明し、且つそのカラーデジタル画像を捕捉すること、
本発明の第1の態様の実施形態に従って試料内の構造を識別する方法を行うこと
を含む。
PCT/オーストラリア特許出願公開第2018/050496号、又は
2018年11月29日出願の本出願人の同時係争中の「Microscopy method and system」という名称のオーストラリア特許出願公開第2018904553号及び本出願と同じ日に出願されたオーストラリア特許出願公開第2018904553号に対する優先権を主張する国際特許出願、
2018年11月29日出願の本出願人の同時係争中の「Method of identifying a structure」という名称のオーストラリア特許出願公開第2018904552号及び本出願と同じ日に出願され、且つすべての目的のために参照により本明細書に援用されるオーストラリア特許出願公開第2018904552号に対する優先権を主張する国際特許出願。
本発明の例示的実施形態は、添付図面を参照して非限定的例として説明されことになる。本国際出願と共に出願された添付図面は、本発明の実施形態において使用されるカラー画像であって、その使用から生じるカラー画像を含む。色情報は、実施形態の本開示の一部を形成する。画像の白黒再生又は階調再生が発生すれば、色開示は、元々申請された文書から取得され得る。
本発明者らは、CCMを使用して取得される画像内に呈示される色コントラストが、自動化画像分析技術をこのような画像に対して行う能力(例えば、試料内の1つ又は複数の構造を識別する能力、画像内の試料の1つ又は複数の特性を識別する能力)を強化し得ることを認識した。
前記分析の結果を反映するデータに関する又はその後の通知メッセージ又は警報の発行、
拡張画像(例えば、図11を参照されたい)の生成、例えば識別された構造又は識別された構造であり得る候補特徴が強調され、より可視にされるか又はユーザにとって識別可能にされる拡張画像の生成、
構造の識別又は行われた1つ又は複数の分析工程を指示するメタデータを有する画像の生成。
単一画像からの複数の個々の画像の生成(例えば、原画像の複数のダウンサンプリングバージョンを生成すること)、
画像の一系列の空間タイルへの細分化、
色補正(画像内の様々な色面の色応答をバランスさせること)、
雑音除去又は雑音均等物。
Δλ≒(λθ SPP,s-λθ SPP,a)(1-exp(-2t/ld)) (1)
ここで、ld≒λ/2√εdは、SPP電磁場の固有減衰長であり、それ自体、試料の誘電定数εdの関数である。しかし、好ましい実施形態では、試料は、試料の固有減衰長より著しく厚いことに留意すべきである。膜厚が増加すると、透過SPP共鳴ピークは、λθ SPPに等しくなるまで一層赤方偏移され、その後、これ以上の色変化は、発生しない。要するに、標準的透過明視野顕微鏡又は反射顕微鏡を使用する際、試料内の局所的誘電定数の変化に直接関係する色の空間分解分布が結果として生じることになる。光学スペクトルにおいて符号化された局所的誘電定数により、顕著な色コントラスト効果が生成される。これは、光学的に透明な試料内のいかなる構造(コントラストの欠如に起因して検出することが以前に困難であった)も画像内の捕捉された色コントラストのために可視光画像内で検出可能であることを意味する。
受け取られた画像の1つ又は複数の色帯域上で選択的に処理する(例えば、特徴差別化を行う)ために、画像又は1つ又は複数の色帯域から生成された画像をカラーフィルタリングする処理工程又は副工程、
受け取られた画像の色分布又は色ヒストグラムを判断する処理工程又は副工程、
画像内の1つ又は複数の構造を識別するために特徴抽出方法を行う処理工程又は副工程、
画像認識システムでデジタル画像を処理する処理工程又は副工程
の任意の1つ又は複数を含み得る。
・試料の画像の局所化色、画像内の3つ以上の場所の相対的色、画像の全体色/スペクトルコンテンツ又はその一部に基づく差別化方法を包含する色差別化(224)。色差別化は、人間の眼の感度を模倣したCIEプロットに基づき得る。いくつかの実施形態では、画像又はその一部分のスペクトル「指紋」が生成され得る。スペクトル指紋は、粗分析を可能にし得、例えば、試料が「健康」であるかどうかを判断するためにRGB比の形式のスペクトル指紋がルックアップテーブル内の値と比較される。代替的に、より詳細なスペクトル指紋が、より高い分解能スペクトル(例えば、分光計を使用して収集された)と比較され得る。理解されるように、任意の1つの画像(又は2つ以上の画像の組)を分析する際、複数の色差別化技術が使用され得る。例示的色ベース分析方法222は、図5に関連して以下に説明される。
・構造を識別するために画像内の1つ又は複数の構造の形状特性を使用する形態差別化(226)。いくつかの形式では、形態学的処理は、画像内の所与の構造の形状を識別するために輪郭分析を含み得る。実施形態において適用される可能性がある形態差別化方法の別の例は、Peng H, Zhou X, Li F, Xia X, Wong ST. INTEGRATING MULTI-SCALE BLOB/CURVILINEAR DETECTOR TECHNIQUES AND MULTI-LEVEL SETS FOR AUTOMATED SEGMENTATION OF STEM CELL IMAGES. Proc IEEE Int Symp Biomed Imaging. 2009; 2009:1362-1365に説明されている。他の形態差別化方法が使用される可能性がある。いくつかの形式では、形態差別化は、画像のカラーフィルタリングされた表現に対して行われ得る(例えば、画像内の1つの色面に対して行われ得る)か、又は捕捉された画像から導出された複数の色面(例えば、輝度画像)を組み合わせた前処理された画像に対して行われ得る。
通知メッセージ又は警報の発行、
例えば、識別された構造又は識別された構造であり得る候補特徴が増強される(例えば、強調され得るか、より可視にされ得るか、又はユーザに識別可能にされ得る)拡張画像の生成(工程230における)、
構造の識別又は行われた1つ又は複数の分析工程を指示するメタデータを有する画像の生成。
本方法の有用性を示すために、自動化画像処理は、画像ピクセルのHSL(色相、飽和、明度)に基づいてナノスライド画像を使用することにより行われる。結果は、増殖マーカ(Ki67)を使用して染色された試料の分析から取得されたものと比較された。本技術は、正常な乳房上皮と比較して構造を区別し得る(この例は、腫瘍性細胞を区別する)。
DSC=2TP/(2TP+FP+FN)。
Ki67及びナノスライドデータの両方からの64の高解像度(200×倍率)画像の分析に基づいて、ナノスライド及びKi67(図10e)の両方に関して計算された。
C57 Bl/6 MMTV-PyMTモデルにおいて乳腺腫瘍の自発的発達のタイミングを確認する例では、様々な段階におけるC57 Bl/6 MMTV-PyMTマウスの乳腺が採取され、専門ヒト乳房及びマウス乳腺病理学者(O’Toole)及び乳癌研究者(Parker)によるH&E及びKi67により形態学的に評価された。ナノスライド試料は、無作為化され、独立に評点付けされ、次にKi67及びナノスライドの結果と事後分析で比較された。病理学評価のベンチマークは、高解像度において且つ時間制約なしにH&E染色組織部分を分析するトレーニングされた病理学者であった。これは、対照試験であったため、マウスの癌段階は、病理学者により既に知られていた。加えて、病理学者は、いかなる腫瘍性組織領域も評価中に見失われなかったことを確認するために、IHC染色を参照し直す可能性がある。癌を含む腫瘍領域又は管を高解像度で見る際、病理学者は、癌細胞の数を計数する。
本開示は、光学的顕微鏡検査の分野に関する。1つの形式では、本開示は、光学顕微鏡から捕捉されたデジタル画像の自動化分析のシステム及び方法を提供する。
La Trobe Universityの名義におけるPCT/オーストラリア特許出願公開第2018/050496号(その内容全体が参照により本明細書に援用される)は、サブミクロン構造の周期的アレイを含むプラズモニック層を有する試料保持器の使用を通して増強型画像コントラストを提供する光学顕微鏡検査のシステム及び方法を開示している。試料は、プラズモニック層に隣接して試料保持器上に置かれる。使用中、試料及び試料保持器が照明され、試料の画像が生成される。本発明者らは、光と試料及びプラズモニック層との相互作用を介して、色コントラストが、受け取られた画像内に呈示されることを観測した。特に、異なる誘電定数を有する試料の領域は、異なる色で画像内に出現する。強度コントラストも実現される。これとは対照的に、染色された試料を使用する従来の光学顕微鏡検査法から取得される画像は、通常、使用される染色に対応する単一色の強度コントラストを呈示するのみである。この開示では、ナノスライドへの参照は、その両方の内容がすべての目的のために参照により本明細書に援用されるPCT/オーストラリア特許出願公開第2018/050496号又は2018年11月29日出願の本出願人の同時係争中の「Microscopy method and system」という名称のオーストラリア特許出願公開第2018904553号及び本出願と同じ日に出願されたオーストラリア特許出願公開第2018904553号に対する優先権を主張する国際特許出願の教示による試料保持器への参照である。このような試料保持器を使用する顕微鏡検査は、本明細書において組織学的プラズモニックス又は色コントラスト顕微鏡検査(CCMと略称される)と呼ばれる。
第1の態様では、試料内の構造を識別する自動化方法が提供される。本方法は、試料の少なくとも1つのデジタル画像を受け取ることを含み、試料の少なくとも1つの局所化構造特性は、この画像内で捕捉された受け取られた光の色に基づいて画像内で可視である。本方法は、前記構造を選択的に識別するために、受け取られた色情報に基づいて少なくとも1つの画像を処理することをさらに含む。最も好ましくは、試料は、生体試料である。
受け取られた画像の色帯域を選択的に処理するために画像をカラーフィルタリングする処理工程又は副工程、
受け取られた画像の色分布又は色ヒストグラムを判断する処理工程又は副工程、
画像内の1つ又は複数の構造を識別するために特徴抽出方法を行う処理工程又は副工程、
画像認識システムでデジタル画像を処理する処理工程又は副工程、
1つ又は複数の構造に対応する画像内の1つ又は複数の特徴を認識するために画像認識システムでデジタル画像を処理する処理工程又は副工程
の任意の1つ又は複数を含み得る。
サブミクロン構造の周期的アレイを含むプラズモニック層を有する試料保持器を提供すること、
プラズモニック層に隣接して試料保持器上に試料を置くこと、
試料及び試料保持器を照明し、且つそのカラーデジタル画像を捕捉すること、
本発明の第1の態様の実施形態に従って試料内の構造を識別する方法を行うこと
を含む。
PCT/オーストラリア特許出願公開第2018/050496号、又は
2018年11月29日出願の本出願人の同時係争中の「Microscopy method and system」という名称のオーストラリア特許出願公開第2018904553号及び本出願と同じ日に出願されたオーストラリア特許出願公開第2018904553号に対する優先権を主張する国際特許出願、
2018年11月29日出願の本出願人の同時係争中の「Method of identifying a structure」という名称のオーストラリア特許出願公開第2018904552号及び本出願と同じ日に出願され、且つすべての目的のために参照により本明細書に援用されるオーストラリア特許出願公開第2018904552号に対する優先権を主張する国際特許出願。
本発明の例示的実施形態は、添付図面を参照して非限定的例として説明されことになる。本国際出願と共に出願された添付図面は、本発明の実施形態において使用されるカラー画像であって、その使用から生じるカラー画像を含む。色情報は、実施形態の本開示の一部を形成する。画像の白黒再生又は階調再生が発生すれば、色開示は、元々申請された文書から取得され得る。
本発明者らは、CCMを使用して取得される画像内に呈示される色コントラストが、自動化画像分析技術をこのような画像に対して行う能力(例えば、試料内の1つ又は複数の構造を識別する能力、画像内の試料の1つ又は複数の特性を識別する能力)を強化し得ることを認識した。
前記分析の結果を反映するデータに関する又はその後の通知メッセージ又は警報の発行、
拡張画像(例えば、図11を参照されたい)の生成、例えば識別された構造又は識別された構造であり得る候補特徴が強調され、より可視にされるか又はユーザにとって識別可能にされる拡張画像の生成、
構造の識別又は行われた1つ又は複数の分析工程を指示するメタデータを有する画像の生成。
単一画像からの複数の個々の画像の生成(例えば、原画像の複数のダウンサンプリングバージョンを生成すること)、
画像の一系列の空間タイルへの細分化、
色補正(画像内の様々な色面の色応答をバランスさせること)、
雑音除去又は雑音均等物。
Δλ≒(λθ SPP,s-λθ SPP,a)(1-exp(-2t/ld)) (1)
ここで、ld≒λ/2√εdは、SPP電磁場の固有減衰長であり、それ自体、試料の誘電定数εdの関数である。しかし、好ましい実施形態では、試料は、試料の固有減衰長より著しく厚いことに留意すべきである。膜厚が増加すると、透過SPP共鳴ピークは、λθ SPPに等しくなるまで一層赤方偏移され、その後、これ以上の色変化は、発生しない。要するに、標準的透過明視野顕微鏡又は反射顕微鏡を使用する際、試料内の局所的誘電定数の変化に直接関係する色の空間分解分布が結果として生じることになる。光学スペクトルにおいて符号化された局所的誘電定数により、顕著な色コントラスト効果が生成される。これは、光学的に透明な試料内のいかなる構造(コントラストの欠如に起因して検出することが以前に困難であった)も画像内の捕捉された色コントラストのために可視光画像内で検出可能であることを意味する。
受け取られた画像の1つ又は複数の色帯域上で選択的に処理する(例えば、特徴差別化を行う)ために、画像又は1つ又は複数の色帯域から生成された画像をカラーフィルタリングする処理工程又は副工程、
受け取られた画像の色分布又は色ヒストグラムを判断する処理工程又は副工程、
画像内の1つ又は複数の構造を識別するために特徴抽出方法を行う処理工程又は副工程、
画像認識システムでデジタル画像を処理する処理工程又は副工程
の任意の1つ又は複数を含み得る。
・試料の画像の局所化色、画像内の3つ以上の場所の相対的色、画像の全体色/スペクトルコンテンツ又はその一部に基づく差別化方法を包含する色差別化(224)。色差別化は、人間の眼の感度を模倣したCIEプロットに基づき得る。いくつかの実施形態では、画像又はその一部分のスペクトル「指紋」が生成され得る。スペクトル指紋は、粗分析を可能にし得、例えば、試料が「健康」であるかどうかを判断するためにRGB比の形式のスペクトル指紋がルックアップテーブル内の値と比較される。代替的に、より詳細なスペクトル指紋が、より高い分解能スペクトル(例えば、分光計を使用して収集された)と比較され得る。理解されるように、任意の1つの画像(又は2つ以上の画像の組)を分析する際、複数の色差別化技術が使用され得る。例示的色ベース分析方法222は、図5に関連して以下に説明される。
・構造を識別するために画像内の1つ又は複数の構造の形状特性を使用する形態差別化(226)。いくつかの形式では、形態学的処理は、画像内の所与の構造の形状を識別するために輪郭分析を含み得る。実施形態において適用される可能性がある形態差別化方法の別の例は、Peng H, Zhou X, Li F, Xia X, Wong ST. INTEGRATING MULTI-SCALE BLOB/CURVILINEAR DETECTOR TECHNIQUES AND MULTI-LEVEL SETS FOR AUTOMATED SEGMENTATION OF STEM CELL IMAGES. Proc IEEE Int Symp Biomed Imaging. 2009; 2009:1362-1365に説明されている。他の形態差別化方法が使用される可能性がある。いくつかの形式では、形態差別化は、画像のカラーフィルタリングされた表現に対して行われ得る(例えば、画像内の1つの色面に対して行われ得る)か、又は捕捉された画像から導出された複数の色面(例えば、輝度画像)を組み合わせた前処理された画像に対して行われ得る。
通知メッセージ又は警報の発行、
例えば、識別された構造又は識別された構造であり得る候補特徴が増強される(例えば、強調され得るか、より可視にされ得るか、又はユーザに識別可能にされ得る)拡張画像の生成(工程230における)、
構造の識別又は行われた1つ又は複数の分析工程を指示するメタデータを有する画像の生成。
本方法の有用性を示すために、自動化画像処理は、画像ピクセルのHSL(色相、飽和、明度)に基づいてナノスライド画像を使用することにより行われる。結果は、増殖マーカ(Ki67)を使用して染色された試料の分析から取得されたものと比較された。本技術は、正常な乳房上皮と比較して構造を区別し得る(この例は、腫瘍性細胞を区別する)。
DSC=2TP/(2TP+FP+FN)。
Ki67及びナノスライドデータの両方からの64の高解像度(200×倍率)画像の分析に基づいて、ナノスライド及びKi67(図10e)の両方に関して計算された。
C57 Bl/6 MMTV-PyMTモデルにおいて乳腺腫瘍の自発的発達のタイミングを確認する例では、様々な段階におけるC57 Bl/6 MMTV-PyMTマウスの乳腺が採取され、専門ヒト乳房及びマウス乳腺病理学者(O’Toole)及び乳癌研究者(Parker)によるH&E及びKi67により形態学的に評価された。ナノスライド試料は、無作為化され、独立に評点付けされ、次にKi67及びナノスライドの結果と事後分析で比較された。病理学評価のベンチマークは、高解像度において且つ時間制約なしにH&E染色組織部分を分析するトレーニングされた病理学者であった。これは、対照試験であったため、マウスの癌段階は、病理学者により既に知られていた。加えて、病理学者は、いかなる腫瘍性組織領域も評価中に見失われなかったことを確認するために、IHC染色を参照し直す可能性がある。癌を含む腫瘍領域又は管を高解像度で見る際、病理学者は、癌細胞の数を計数する。
Claims (20)
- 試料内の構造を識別する自動化方法であって、
試料の少なくとも1つのデジタル画像を受け取ることであって、前記試料の少なくとも1つの局所化構造特性は、前記少なくとも1つのデジタル画像内で捕捉された受け取られた光の色に基づいて前記画像内で可視であり、前記デジタル画像は、複数のピクセルを含む、受け取ること、
前記構造を選択的に識別するために、受け取られた色情報に基づいて前記少なくとも1つの画像を処理すること
を含む方法。 - 前記少なくとも1つの画像を処理することは、前記構造の前記識別を指示する出力を提供することを含む、請求項1に記載の方法。
- 前記受け取られた画像に含まれる色情報に基づいて、前記画像の一部分を選択的に処理するために前記画像をフィルタリングすることを含む、請求項1又は2に記載の方法。
- 前記少なくとも1つの画像は、複数のピクセルを含み、及び前記方法は、前記少なくとも1つの画像を、前記画像内で捕捉された受け取られた光の色に基づいてセグメント化することを含む、請求項1~3のいずれか一項に記載の方法。
- 前記少なくとも1つの画像をセグメント化することは、
画像内のピクセルの1つ又は複数の下位集合を少なくとも部分的に色に基づいて識別すること、
ピクセルと、少なくとも1つの近隣のピクセルとの間の相関に基づいて、ピクセルを、前記試料上の構造を表す特徴にグループ分けすること
の1つ又は複数を含む、請求項1~4のいずれか一項に記載の方法。 - 前記受け取られた画像の色分布を判断すること、前記受け取られた画像の色ヒストグラムを判断すること、前記受け取られたデジタル画像の少なくとも一部分のスペクトル分析を行うことの任意の1つ又は複数を含む、請求項1~5のいずれか一項に記載の方法。
- 前記画像内の1つ又は複数の構造を識別するために特徴抽出方法を行うことを含む、請求項1~6のいずれか一項に記載の方法。
- 画像認識システムで前記デジタル画像を処理することを含む、請求項1~7のいずれか一項に記載の方法。
- 前記画像認識システムは、人工ニューラルネットワークである、請求項8に記載の方法。
- 前記受け取られたデジタル画像内において、前記試料の前記局所化構造特性は、局所化屈折率である、請求項1~9のいずれか一項に記載の方法。
- 所与の屈折率を有する前記試料内の構造は、前記画像内の対応する色又は色範囲として出現する、請求項10に記載の方法。
- 前記試料は、生体試料である、請求項1~11のいずれか一項に記載の方法。
- 色差別化に基づいて特徴を識別することを含む、請求項1~12のいずれか一項に記載の方法。
- 形態差別化に基づいて特徴を識別することを含む、請求項1~13のいずれか一項に記載の方法。
- 色差別化と形態差別化との組み合わせに基づいて特徴を識別することを含む、請求項1~14のいずれか一項に記載の方法。
- 試料の少なくとも1つのデジタル画像を受け取ることは、以下の差異:
異なる照明特性、
異なる照明スペクトル、
異なる照明偏光、
異なる倍率
の任意の1つ又は複数を有して捕捉された前記試料の2つ以上の画像を受け取ることを含む、請求項1~15のいずれか一項に記載の方法。 - 前記構造は、腫瘍性細胞、癌細胞、健康な細胞、所与のタイプの細胞、細胞状態、寄生体、細胞の群、異常細胞、感染細胞、所与のタイプの組織の任意の1つ又は複数を含む、請求項1~16のいずれか一項に記載の方法。
- 試料を撮像し、且つ前記試料内の少なくとも1つの構造の存在の指標を自動的に生成する方法であって、
サブミクロン構造の周期的アレイを含むプラズモニック層を有する試料保持器を提供すること、
前記プラズモニック層に隣接して前記試料保持器上に前記試料を置くこと、
前記試料及び試料保持器を照明し、且つその少なくとも1つのカラーデジタル画像を捕捉すること、
請求項1~17のいずれか一項に記載の方法に従って前記試料内の構造を識別する方法を行うこと
を含む方法。 - コンピュータ可読媒体であって、データ処理システムによって実行されると、前記データ処理システムに、請求項1~18のいずれか一項に記載の方法を行わせる命令をその上に格納するコンピュータ可読媒体。
- 請求項1~18のいずれか一項に記載の方法を行うようにプログラムされたデータ処理システムを含むシステム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
AU2018904551 | 2018-11-29 | ||
AU2018904551A AU2018904551A0 (en) | 2018-11-29 | Automated method of identifying a structure | |
PCT/IB2019/060310 WO2020110072A1 (en) | 2018-11-29 | 2019-11-29 | Automated method of identifying a structure |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2022510203A true JP2022510203A (ja) | 2022-01-26 |
Family
ID=70852264
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021530112A Pending JP2022510203A (ja) | 2018-11-29 | 2019-11-29 | 構造を識別する自動化方法 |
Country Status (8)
Country | Link |
---|---|
US (1) | US20220092824A1 (ja) |
EP (1) | EP3887799B1 (ja) |
JP (1) | JP2022510203A (ja) |
CN (1) | CN113454439A (ja) |
AU (1) | AU2019390733A1 (ja) |
CA (1) | CA3121425A1 (ja) |
SG (1) | SG11202105294PA (ja) |
WO (1) | WO2020110072A1 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020110069A1 (en) * | 2018-11-29 | 2020-06-04 | La Trobe University | Microscopy method and system |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5836872A (en) * | 1989-04-13 | 1998-11-17 | Vanguard Imaging, Ltd. | Digital optical visualization, enhancement, quantification, and classification of surface and subsurface features of body surfaces |
WO2009072098A1 (en) * | 2007-12-04 | 2009-06-11 | University College Dublin, National University Of Ireland | Method and system for image analysis |
JP2011509154A (ja) * | 2008-01-07 | 2011-03-24 | マイスキン、インク. | スペクトル畳み込みに基づく光と物質の相互作用の解析システムおよび方法 |
Family Cites Families (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6215892B1 (en) * | 1995-11-30 | 2001-04-10 | Chromavision Medical Systems, Inc. | Method and apparatus for automated image analysis of biological specimens |
CA2439307A1 (en) * | 2001-02-23 | 2002-09-06 | Genicon Sciences Corporation | Methods for providing extended dynamic range in analyte assays |
US20080099667A1 (en) * | 2001-08-14 | 2008-05-01 | President And Fellows Of Harvard College | Methods and apparatus for sensing a physical substance |
US7122384B2 (en) * | 2002-11-06 | 2006-10-17 | E. I. Du Pont De Nemours And Company | Resonant light scattering microparticle methods |
US20050136549A1 (en) * | 2003-10-30 | 2005-06-23 | Bioimagene, Inc. | Method and system for automatically determining diagnostic saliency of digital images |
CA2704796A1 (en) * | 2007-10-11 | 2009-04-16 | British Columbia Cancer Agency Branch | Systems and methods for automated characterization of genetic heterogeneity in tissue samples |
WO2010132890A1 (en) * | 2009-05-15 | 2010-11-18 | Sru Biosystems, Inc | Detection of changes in cell populations and mixed cell populations |
CA2803933C (en) * | 2010-06-25 | 2017-10-03 | Northeastern University | Method for analyzing biological specimens by spectral imaging |
DE102010063965A1 (de) * | 2010-12-22 | 2012-06-28 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Vorrichtung und Verfahren zur Bestimmung von Objekten einer Farbaufnahme |
WO2013056137A1 (en) * | 2011-10-12 | 2013-04-18 | Brown University | Systems and methods enabling high-throughput, real time detection of analytes |
EP2653903A1 (en) * | 2012-04-20 | 2013-10-23 | FOM Institute for Atomic and Molecular Physics | Plasmonic microscopy |
GB201305171D0 (en) * | 2013-03-21 | 2013-05-01 | Univ Nottingham | Measurement of tissue structures |
WO2015084800A1 (en) * | 2013-12-02 | 2015-06-11 | The General Hospital Corporation | Nano-plasmonic sensor for exosome detection |
CN106461540B (zh) * | 2014-05-12 | 2020-02-14 | 赛洛米克斯股份有限公司 | 发色团标记样本的自动成像的系统和方法 |
EP3207499A4 (en) * | 2014-10-17 | 2018-09-19 | Cireca Theranostics, LLC | Methods and systems for classifying biological samples, including optimization of analyses and use of correlation |
GB2543030A (en) * | 2015-09-23 | 2017-04-12 | Pathxl Ltd | Pattern driven image processing method & apparatus for tissue recognition |
WO2017161097A1 (en) * | 2016-03-16 | 2017-09-21 | Ohio State Innovation Foundation | System and method for the discrimination of tissues using a fast infrared cancer probe |
JP6794727B2 (ja) * | 2016-09-06 | 2020-12-02 | コニカミノルタ株式会社 | 構造色変化型材料及び歪み検出装置 |
EP3551998A1 (en) * | 2016-12-08 | 2019-10-16 | DrinkSavvy, Inc. | Surface plasmon resonance sensor comprising metal coated nanostructures and a molecularly imprinted polymer layer |
TWI756365B (zh) * | 2017-02-15 | 2022-03-01 | 美商脫其泰有限責任公司 | 圖像分析系統及相關方法 |
US11236426B2 (en) * | 2017-09-06 | 2022-02-01 | Wisconsin Alumni Research Foundation | Plasmonic diamond films and related methods |
SG11202105311VA (en) * | 2018-11-29 | 2021-06-29 | Univ La Trobe | Method of identifying a structure |
-
2019
- 2019-11-29 AU AU2019390733A patent/AU2019390733A1/en active Pending
- 2019-11-29 CN CN201980090293.8A patent/CN113454439A/zh active Pending
- 2019-11-29 JP JP2021530112A patent/JP2022510203A/ja active Pending
- 2019-11-29 EP EP19890518.4A patent/EP3887799B1/en active Active
- 2019-11-29 US US17/297,980 patent/US20220092824A1/en active Pending
- 2019-11-29 WO PCT/IB2019/060310 patent/WO2020110072A1/en active Search and Examination
- 2019-11-29 CA CA3121425A patent/CA3121425A1/en active Pending
- 2019-11-29 SG SG11202105294PA patent/SG11202105294PA/en unknown
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5836872A (en) * | 1989-04-13 | 1998-11-17 | Vanguard Imaging, Ltd. | Digital optical visualization, enhancement, quantification, and classification of surface and subsurface features of body surfaces |
WO2009072098A1 (en) * | 2007-12-04 | 2009-06-11 | University College Dublin, National University Of Ireland | Method and system for image analysis |
JP2011509154A (ja) * | 2008-01-07 | 2011-03-24 | マイスキン、インク. | スペクトル畳み込みに基づく光と物質の相互作用の解析システムおよび方法 |
Non-Patent Citations (1)
Title |
---|
SHAN, MINGGUANG、他2名: "Refractive index variance of cells and tissues measured by quantitative phase imaging", OPTICS EXPRESS, vol. Vol. 25, Issue 2, JPN6023031769, 31 January 2017 (2017-01-31), pages 1573 - 1581, ISSN: 0005121098 * |
Also Published As
Publication number | Publication date |
---|---|
CN113454439A (zh) | 2021-09-28 |
AU2019390733A1 (en) | 2021-06-10 |
CA3121425A1 (en) | 2020-06-04 |
EP3887799A4 (en) | 2022-09-07 |
WO2020110072A1 (en) | 2020-06-04 |
EP3887799A1 (en) | 2021-10-06 |
EP3887799B1 (en) | 2024-04-24 |
SG11202105294PA (en) | 2021-06-29 |
US20220092824A1 (en) | 2022-03-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11842556B2 (en) | Image analysis method, apparatus, program, and learned deep learning algorithm | |
CN105027165B (zh) | 用于数字完整载片的自动化评分的基于组织对象的机器学习系统 | |
JP7076698B2 (ja) | 画像解析方法、画像解析装置、プログラム、学習済み深層学習アルゴリズムの製造方法および学習済み深層学習アルゴリズム | |
Diamond et al. | The use of morphological characteristics and texture analysis in the identification of tissue composition in prostatic neoplasia | |
US9436992B2 (en) | Method of reconstituting cellular spectra useful for detecting cellular disorders | |
US8611620B2 (en) | Advanced digital pathology and provisions for remote diagnostics | |
KR20080007447A (ko) | 자동 이미징 프로세스 및 장치 | |
JP2012135240A (ja) | 細菌コロニー同定装置およびその方法 | |
WO2012041333A1 (en) | Automated imaging, detection and grading of objects in cytological samples | |
JP4864709B2 (ja) | 分散プロット分布を用いてスライドの染色品質を決定するシステム | |
JP7466540B2 (ja) | 構造を識別する方法 | |
JP2022510203A (ja) | 構造を識別する自動化方法 | |
JP4897488B2 (ja) | 分散プロット分布を用いてスライドを分類するシステム | |
US20210398321A1 (en) | Method for identification of different categories of biopsy sample images | |
WO2017012555A1 (zh) | 光子结构和化学计量学病理系统 | |
Palokangas et al. | Segmentation of folds in tissue section images | |
WO2022259648A1 (ja) | 情報処理プログラム、情報処理装置、情報処理方法、及び顕微鏡システム | |
RU2785607C1 (ru) | Способ распознавания структуры ядер бластов крови и костного мозга | |
Huang et al. | Capillary detection for clinical images of basal cell carcinoma | |
Wu et al. | Comparative analysis of cell segmentation using absorption and color images in fine needle aspiration cytology | |
Swiderska-Chadaj et al. | Local binary patterns and unser texture descriptions to the fold detection on the whole slide images of meningiomas and oligodendrogliomas | |
CN117975453A (zh) | 图像解析方法、装置、程序及学习完了深层学习算法的制造方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A529 | Written submission of copy of amendment under article 34 pct |
Free format text: JAPANESE INTERMEDIATE CODE: A529 Effective date: 20210721 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220920 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230726 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230802 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231102 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20240116 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240408 |