JP2023168287A - 画質および特徴の自動分類方法 - Google Patents

Abstract

【課題】画質および特徴の自動分類方法並びにシステムを提供する。【解決手段】画質評価や特徴分類／識別などの、２つ以上の画像比較による自動画像評価方法は、選択された特徴における試験画像と参照画像の類似性の程度を、試験画像と参照画像の空間周波数領域の変換に適用された積集合／和集合計算に基づいて表示するメトリックの出力を含む。【選択図】図２

Description

関連出願の相互参照
本出願は、２０２２年５月１３日に出願された「画質および特徴の自動分類方法」と題する米国仮特許出願第６３／３６４，７０８号に基づく優先権を主張する。上記の出願における内容全体があらゆる点で参照により本明細書に組み込まれる。

本明細書に開示の主題である実施形態は、一般に画質および特徴評価に関する。

顕微鏡技術などの多様なイメージング技術は、細胞や生物構造またはその他物質のデジタル画像の取得に使用されることがある。画質のリアルタイム評価が、焦点の問題（ぼやけなど）や光のにじみ、散乱、光路のノイズ（塵やその他異物による、など）および／または解決不可な畳み込み問題といった、画像取得に問題があったかどうかの判断に使用されることがある。いくつかの実施例において、画質の主観的メトリックが、精度検証のために相関性および誤差メトリックの参照情報として使用されることがある。しかし、そのような評価の取得には時間がかかり、比較的高額で、バイオアッセイ用蛍光顕微鏡などの、比較のための正確な参照情報が利用不可であり得る応用においては実施が難しいことがある。

バイオアッセイのための画質評価のひとつのアプローチは、二次元（２Ｄ）フーリエ環重み付けヒストグラム相関（ＦＲＣ）アプローチなどのプロキシメトリック統計的アプローチである。ＦＲＣアプローチや同様のアプローチが相対ぼやけおよびその他画質の相関関係の判断に使用されてきたが、参照画像に対する全体的な質の評価がそれらにより使用可能にはならない。その代わり、ＦＲＣアプローチは一般的に、高画質と低画質の精細な区別なく高画質と低画質を識別する。

発明者らは本明細書で上記の問題を認識し、少なくとも部分的にそれらの問題に対応する方法を開発した。一実施例において、方法は、選択された特徴について試験画像と参照画像の類似性の程度を、試験画像と参照画像の空間周波数領域の変換に適用された積集合／和集合に基づいて表示するメトリックの出力を含んでもよい。メトリックは、本明細書にではフーリエ環積集合／和集合（Ｆｏｕｒｉｅｒ ｒｉｎｇ ｉｎｔｅｒｓｅｃｔｉｏｎ ｏｖｅｒ ｕｎｉｏｎ、ＦＲＩＯＵ）メトリックと呼ばれ得る。この方法によって、試験画像と参照画像の類似性の程度のリアルタイム評価が、画質またはその他画像特徴について、特にバイオアッセイにおいて調べられる細胞数およびその他細胞変化のために判別され得る。

上記方法の実施で認識され得る利点は、ＦＲＣアプローチと比較して主観的な質の評価との相関（ピアソンの線形相関係数およびスピアマンの順位相関係数の両方）の向上、ＦＲＣアプローチと比較して簡易化され計算的に効率化された画像メトリック処理、多数の画像集合へのより単純な適用性、および画質への高感度を含む。さらに、ＦＲＩＯＵメトリックは、類似性の程度を測定するために、および／または特徴を分類するために使用されてもよく、これにより、例えばＦＲＣアプローチやディープニューラルネットワークアプローチと比較して、細胞に基づいたバイオアッセイへの適用性を向上させ得る。

上記の利点およびその他利点、ならびに本明細書の特徴は、次の詳細な説明自体から、または添付の図面と関連づけて、容易に明らかとなるであろう。

上記の概要は、詳細な説明でさらに詳細に説明される一連の概念を簡略化された形式で導入するために記載されていると理解されたい。上記概要は、請求の主題、詳細な説明に続く請求項で一意的に定義される範囲に係る主要な、または不可欠な特徴の特定のためではない。また、請求の主題は、上記または本開示の任意の部分に記載の不利点を解決する実装に限られない。

コンピューティングデバイスの図を示す。 フーリエ環積集合／和集合（ＦＲＩＯＵ）計算の例示的な方法および参照画像と比較した画像のぼやけやノイズの計算方法の大まかなフローチャートを示す。 画像の重み付けフーリエ振幅ヒストグラム生成の例示的な方法のフローチャートを示す。 ＦＲＩＯＵメトリック計算の例示的な方法のフローチャートを示す。 ぼやけおよびノイズ計算の例示的な方法のフローチャートを示す。 周波数リングを含む空間周波数領域画像の図を示す。 ＦＲＩＯＵメトリックに基づいた画像内の細胞の例示的な分類方法のフローチャートを示す。 異なる画質の一組の細胞の画像を示す。 各画像に対応するＦＲＩＯＵメトリックに関連する、異なる画像に基づいた細胞数計数方法を用いた細胞数の比較グラフを示す。

本説明は、光学撮像技術を介して取得された画像の画質評価に関する。図１に示されるコンピューティングシステム等のコンピューティングシステムを使用して、画質評価を行うことができる。コンピューティングシステムは、フーリエ環積集合／和集合（ＦＲＩＯＵ）メトリックを使用して画像の画質を評価するために、図６に示されているフーリエ環の実施例を用いて、図３～図５に示されている方法などの１つ以上の方法を採用してもよい。図７は、ＦＲＩＯＵメトリックを使用して画像内の細胞を分類するために使用され得る方法をさらに示す。図８は、ＦＲＩＯＵメトリックを決定することによってそれぞれ評価され得る異なる画質の画像の組を示し、図９は、２つの異なる方法によって決定されるような画像内の細胞数を示し、それらの方法のうちの１つは、画像のＦＲＩＯＵメトリックと比較して、他方よりも画像劣化に対してよりロバストである。

ここで図面を参照すると、図１は、一実施形態による例示的なコンピューティングシステム１００を示す。コンピューティングシステム１００は、プロセッサ１１２およびメモリ１１４をさらに含むコンピューティングデバイス１１０を含む。プロセッサ１１２は、機械可読命令を実行するために使用可能な１つ以上の計算コンポーネントを備えてもよい。例えば、プロセッサ１１２は、中央処理装置（ＣＰＵ）を備えてもよく、または、例えば、画像処理装置（ＧＰＵ）を含んでもよい。プロセッサ１１２は、コンピューティングデバイス１１０内に配置されてもよく、または適切なリモート接続を介してコンピューティングデバイス１１０に通信可能に結合されてもよい。

メモリ１１４は、揮発性メモリおよび／または不揮発性メモリを含む、１つ以上のタイプのコンピュータ可読媒体を備えてもよい。揮発性メモリは、例えば、ランダムアクセスメモリ（ＲＡＭ）を備えてもよく、不揮発性メモリは、読み取り専用メモリ（ＲＯＭ）を備えてもよい。メモリ１１４は、１つ以上のハードディスクドライブ（複数可）（ＨＤＤ）、半導体ドライブ（ＳＳＤ）、およびフラッシュメモリなどを含んでもよい。メモリ１１４は、プロセッサ１１２によって実行され得る機械可読命令を記憶するために使用可能である。メモリ１１４は、デジタル撮像、デジタル図解などを含んでもよい、様々な技術を使用してキャプチャまたは作成されたデジタル画像を備え得る画像１１６を記憶するようにさらに構成される。画像１１６は、本明細書でさらに説明されるように、画像メトリックを決定するための比較として使用され得る１つ以上の参照画像をさらに含んでもよい。例えば、画像メトリックは、画質スコアおよび類似性スコアのうちの１つ以上であってもよい。

画像１１６の少なくとも一部は、撮像装置１０６を介して取得することができる。撮像装置１０６は、例えば、顕微鏡（例えば、光学顕微鏡、蛍光顕微鏡）、マルチウェルプレート撮像装置、および別のタイプのバイオアッセイ撮像装置のうちの１つ以上であってもよい。撮像装置１０６は、広域スペクトル光源および／または狭域スペクトル光源を含む、１つ以上の光源を含んでもよい。広域スペクトル光源の例としては、紫外（ＵＶ）及び可視範囲に及ぶ光を放射するランプ（例えば、水銀ランプ、ハロゲンランプ）などの、広い波長範囲にわたって光を放射する光源が挙げられる。狭域スペクトル光源の例としては、発光ダイオード（ＬＥＤ）及びレーザのなどの、狭い波長範囲または波長帯域から光を放射する光源が挙げられる。撮像装置１０６はさらに、電荷結合素子（ＣＣＤ）、電子増倍ＣＣＤ（ＥＭＣＣＤ）、アクティブピクセルセンサ（例えば、相補型金属酸化膜半導体、すなわちＣＭＯＳセンサ）、またはアレイベース様式などの位置特異的方法で光を検出する別のタイプのセンサなどの少なくとも１つの画像センサを含んでもよい。加えて、撮像装置１０６は、所望の波長または波長範囲の光を撮像されているサンプルに向け、（例えば、画像診断技術に応じて）上記サンプルによって透過、反射、または放出される光を画像センサ（複数可）において受け取るために使用され得る、光結合装置（例えば、レンズおよびミラー）、フィルタ、およびビームスプリッタ等のうち、１つ以上を含んでもよい。

メモリ１１４は、画像１１６の１つ以上の画像メトリックを計算するためにプロセッサ１１２によって実行され得る機械可読命令を備える画像処理モジュール１１８をさらに含む。したがって、画像処理モジュール１１８は、デジタル画像（例えば、画像１１６）を操作するための機械可読命令、例えば、フーリエ変換を実行し、試験および参照画像（複数可）の対に対する積集合／和集合メトリックを決定するための命令などを含む。例えば、画像処理モジュール１１８に記憶された機械可読命令は、１つ以上のルーチンに対応することができ、その実施例は、図２～図５および図７に関して提供されている。

コンピューティングシステム１００は、ユーザインターフェース１０２をさらに含み、キーボード、マウス、タッチパッド、またはコンピューティングデバイス１１０に通信可能に結合された事実上任意の他の入力デバイス技術を含むがこれらに限定されない、１つ以上の周辺機器および／または入力デバイスを備えてもよい。ユーザインターフェース１０２は、評価すべき１つ以上の画像を選択すること、画像メトリックの１つ以上のパラメータを選択することなどのために、ユーザがコンピューティングデバイス１１０と対話することを可能にすることができる。

コンピューティングシステム１００は、画像メトリックの結果を表示し、画像自体を表示し、例えば、１つ以上のカットオフ周波数、１つ以上の参照画像、および１つ以上のヒストグラムビン幅を含む、画像メトリックの計算に関係する可能なパラメータオプションおよび選択を表示するように構成され得るディスプレイデバイス１０４をさらに含む。ユーザは、ディスプレイデバイス１０４を介して表示されたオプションに基づいて、ユーザインターフェース１０２を介してパラメータを選択するか、さもなければ入力することができる。

図２は、一実施形態による、フーリエ環積集合／和集合（ＦＲＩＯＵ）メトリックを含む画質メトリックを計算するための方法２００を示す。方法２００および本明細書に含まれる方法の残りは、コンピューティングシステムの非一時的メモリ（例えば、図１のメモリ１１４の画像処理モジュール１１８内）に記憶された命令に従って、図１のコンピューティングシステム１００のプロセッサ１１２などのコンピューティングシステムのプロセッサによって実行されてもよい。

２０２において、方法２００は、１つ以上の試験画像を取得することを含む。試験画像は、図１の撮像装置１０６などの撮像システムを介して取得または生成されたデジタル画像を含むことができる。例えば、試験画像は、蛍光顕微鏡法、明視野顕微鏡法、または他の撮像技術を介して得られた１つ以上のバイオアッセイの画像であってもよい。一例として、各バイオアッセイは、マルチウェルプレートを含んでもよく、マルチウェルプレートの各ウェルは、同じもしくは異なる処理条件に供される複数の細胞、または処理が提供されない対照を保持する。処理条件は、例えば、種々の濃度の薬物または他の化合物での処理、および感染性因子（例えば、ウイルスまたは細菌感染）での処理などであってもよい。いくつかの実施例では、細胞は、蛍光顕微鏡法および他の蛍光ベースの撮像技術による可視化のために、１つ以上の蛍光色素分子（例えば、蛍光色素）で処理されてもよい。複数の蛍光色素が使用されるとき、各蛍光色素は、他の蛍光色素とスペクトル的に異なることができ（例えば、非重複励起および発光極大を有することができ）、異なる細胞構造、コンパートメント、またはプロセスを標的とすることができる。本明細書で使用される場合、「試験画像」という用語は、参照画像との類似性の程度を決定するために参照画像に対して評価される画像を示す。

取得された画像の各々は、同じ解像度を有する（例えば、高さ寸法および幅寸法に沿って同じ数のピクセルを有する）ことができる。グレースケール画像が、各デジタル画像内の各ピクセルが輝度値を通して表されるように、本明細書で説明される。しかしながら、本明細書で開示される画像メトリックは、マルチチャネルまたはカラー画像に適用され得ることが理解され得る。例えば、マルチチャネル画像は、撮像システムのスペクトル的に異なる撮像チャネルにおいて取得された複数の画像（例えば、複数のグレースケール画像）の合成画像であってもよい。一実施例では、３色画像は、第１の撮像チャネル（例えば、赤色チャネル）を介して取得された第１の画像と、第２の撮像チャネル（例えば、青色チャネル）を介して取得された第２の画像と、第３の撮像チャネル（例えば、緑色チャネル）を介して取得された第３の画像とを含むことができる。ＦＲＩＯＵメトリックは、各チャネルについて、または合成画像について評価されることができる。

２０４において、方法２００は、参照画像を取得することを含む。参照画像は、所望の空間周波数成分および／または画質特徴（例えば、焦点、低ノイズ）などの１つ以上の所望の特徴を含んでもよい。いくつかの実施例では、参照画像は、２０２において取得された試験画像の各々と同じ解像度を有してもよい。参照画像は、ユーザによって手動で選択される、または複数の候補参照画像から最も適切な参照画像を識別する機械学習ベースのアルゴリズム等のアルゴリズムを使用して選択される、所定の参照画像であってもよい。例えば、ユーザは、所望の品質を選択することができ、アルゴリズムは、複数の候補参照画像から、所望の質に最もよく一致する参照画像を識別することができる。別の実施例として、アルゴリズムは、複数の参照画像を互いに比較し、他の参照画像に最も類似する（例えば、互いの候補参照画像と比較したときに最も高いＦＲＩＯＵメトリックを有する）参照画像を選択することができる。例えば、方法２００は、非参照試験画像に対して参照画像を使用する前に、特に図２および図４に関して本明細書で説明する方法に従って、候補参照画像用のＦＲＩＯＵメトリックを計算することを含むことができる。

２０６において、方法２００は、周波数リングの座標を取得することを含む。周波数リングは、本明細書に記載されるように、共通の空間周波数を共有する空間周波数領域内のデータ点の集合である。各周波数リングについての座標一式を事前に取得することにより、各周波数リングについての座標一式を計算することが計算的に困難であり得るので、ＦＲＩＯＵメトリックを決定するための処理時間を低減させることができる。試験画像および参照画像は同じ解像度を有し得るので、すべての画像に対して同じ一組の座標が使用可能であり得る。さらに、ヒストグラムのビンを定義することができる。周波数リング内の各点の周波数を表す周波数領域の半径は、ビンインデックスに従って指定され、１つのヒストグラムビンに統合された複数の半径があり得る。ビンインデックスｂは、ヒストグラムをアドレス指定するために使用される。パラメータｂ_０は、使用される第１のビン番号であり、２１０において以下で詳述されるように、ハイパスフィルタリングのためのヒストグラムビンのカットオフ周波数を提供する。

図６を簡単に参照すると、空間周波数領域画像６０２の図形６００が示されている。空間周波数領域画像６０２は、幅６０４および高さ６０６を有する空間周波数画像成分を含む。空間周波数領域画像６０２は、空間周波数に比例する半径６１０を有する周波数リング６０８を含む。周波数リング６０８内のすべての点は、周波数リング６０８のピクシレーションによって示されるように、量子化誤差に対するいくらかの許容範囲を伴って、ほぼ同じ空間周波数を有する。

図２に戻ると、２０８において、方法２００は、各画像内の各周波数リングについて重み付きフーリエ環振幅ヒストグラム（ＷＦＲＭＨ）を計算することを含む。図３に関してさらに詳細に説明されるように、各周波数リングに対するＷＦＲＭＨの計算は、画像の２次元（２Ｄ）高速フーリエ変換（ＦＦＴ）を評価することと、２Ｄ ＦＦＴ内の各周波リングに対するヒストグラムを計算することと、各ヒストグラムを正規化することとを備える。名目上、すべての半径は、２Ｄ ＦＦＴ振幅係数を積分するために使用される。ヒストグラムは、各周波数に対して、ビンが同じ幅および同じ数であるように選択することができる。図３に関して以下でさらに詳細に説明するように、異なる画像のヒストグラムを比較することができる。

２１０において、方法２００は、ヒストグラムビンカットオフを決定することを含む。ヒストグラムビンカットオフは、それより下ではヒストグラムが比較されないヒストグラムビンであり、ハイパスフィルタ周波数カットオフに類似している。いくつかの実施例では、ヒストグラムビンカットオフは、所与の適用例のために選択された所定の（例えば、固定の）周波数を有し得る。他の実施例では、ヒストグラムビンカットオフは、性能メトリックを最適化するために計算されてもよい。一実施例では、カットオフ値は、周波数リングヒストグラム内のスペクトル成分のピーク（例えば、最大ビン）を決定し、小さい整数を加算し、それによって、わずかに高いヒストグラムビンに対応するインデックスをもたらすことによって決定される。例証的実施例として、蛍光顕微鏡法のために染色された核を有する典型的なヒト細胞に関して、核直径は、約１～１０マイクロメートル（μｍ）の範囲である傾向がある。したがって、最も低いビンが細胞核に対して最適化されるように、１．１ミリメートル幅を有する４４００×４４００ピクセル画像のヒストグラムビンカットオフは１０であり得る。より低い周波数情報は、核に対応するスペクトル情報（例えば、はるかに小さい詳細）ほど有用ではなく、したがって、ヒストグラムビンカットオフを使用して、このより低い周波数情報をフィルタ除去することができる。以下でさらに詳細に説明されるように、カットオフ値の決定は、ＦＲＩＯＵの計算中にハイパスフィルタが各画像（例えば、各試験画像および参照画像）に適用されることを可能にする。

２１２において、方法２００は、ＦＲＩＯＵメトリックを計算することを含む。ＦＲＩＯＵメトリックを計算することは、各画像について重み付けされたフーリエ振幅ヒストグラムを比較することを含む。２１０で決定されたヒストグラムビンカットオフを使用して定義されたハイパスフィルタに基づいてさらに比較が実行される。ＦＲＩＯＵメトリックを決定することについての詳細は、図４に関して以下で説明される。特に、各試験画像のＦＲＩＯＵメトリックは、試験画像と参照との間の類似性の程度を表すことができ、類似性の程度は、０．０（類似性なし）から１．０（最大の類似性）までの範囲である。参照画像が高品質（例えば、最高画質）画像を表すとき、高いＦＲＩＯＵメトリック（例えば、０．６より高いなど、所定のゼロでないＦＲＩＯＵメトリック閾値より高い）を有する試験画像は、高画質を有すると判定することができる。図７に関して説明されるように、ＦＲＩＯＵメトリックはまた、画質以外の特徴について試験画像と参照画像との間の類似性の程度を決定するために使用されることもできる。例えば、特徴は、細胞分類、細胞型計数のために、または処理濃度に関する細胞形態もしくは細胞死の相対的変化を定量化するために使用することができる。

２１４において、方法２００は、任意選択的に、ぼやけおよびノイズを推定することを含む。ぼやけおよびノイズは、以下で説明するように、図５の方法に従って推定することができる。したがって、ぼやけおよびノイズは、ＦＲＩＯＵメトリックに加えて推定されてもよく、画質の全体的評価としてＦＲＩＯＵメトリックと組み合わせられてもよい。他の実施例では、画質を評価するためにＦＲＩＯＵメトリックのみが使用されてもよい。

２１６において、方法２００は、各試験画像の画質の指標を出力することを含む。いくつかの実施例では、画質の指標はＦＲＩＯＵメトリックであってもよい。他の実施例では、画質の指標は、ＦＲＩＯＵメトリック単独から、またはぼやけ推定値およびノイズ推定値と組み合わせて決定されてもよい。例えば、画質の指標は、異なる修飾語句（例えば、粗悪、低い、許容可能、良好、素晴らしい、優れている）に対応する所定のＦＲＩＯＵメトリック範囲に従って割り当てられてもよい。一実施例として、最も低い所定のＦＲＩＯＵメトリック範囲内の画像は、悪い画質を有するものとして示されてもよく、最も高い所定のＦＲＩＯＵメトリック範囲内の画像は、優れた画質を有するものとして示されてもよい。指標は、図１の表示デバイス１０４などの表示デバイスを介して出力されてもよい。指標は、追加的または代替的に、対応する試験画像とともに記憶された、または対応する試験画像に関連したタグまたは他のタイプのデータとしての出力であってもよい。その後、方法２００は終了することができる。

図３は、画像内の各周波数リングについて一連の周波数領域振幅ヒストグラムを計算するための方法３００を示す。一実施形態において、方法３００は、図２の方法２００の一部として（例えば、２０８において）実行される。

３０４において、方法３００は、試験画像または参照画像を受信することを含む。いくつかの実施例では、方法３００は、方法２００の２０２および２０４において取得された１つ以上の試験画像および候補参照画像を含む複数の画像に対して同時にまたは順次に実行されてもよい。

３０６において、方法３００は、画像の２Ｄ ＦＦＴを実行することを含む。画像の２Ｄ ＦＦＴは、空間周波数領域における画像を表し、元の画像内のピクセル数と同じ数の値を含む。空間周波数領域内の各値は、複素数、例えば、実数および虚数成分を有する数によって表される。例えば、画像がＸで示され、行ｍおよび列ｎに位置するピクセルが輝度値ｘ_ｍｎで表される場合、画像ＸのＦＦＴは空間周波数領域画像

であり、その値

は以下の式によって与えられる複素数である。

ここで、上記の和は、デジタル画像内のすべてのピクセルにわたって評価され、値ｅはオイラー数であり、ｉは虚数単位であり、ｉ^２＝－１を満たす。各値

は、空間周波数領域画像

の周波数成分である。上記の式は離散フーリエ変換（ＤＦＴ）として知られている。一般に、ＤＦＴは、通常、定義自体を使用して評価されるのではなく、１つ以上の最適化の使用を通して評価されることを理解されたい。最適化は、コンピュータハードウェアを使用してＤＦＴの評価を単純化し、ＦＦＴを備える。実際には、ＦＦＴは、各画像のＤＦＴを評価するために使用される。

３０８において、方法３００は、全ての周波数成分の絶対値を決定することを含む。各周波数成分は、上述したように、実数成分および虚数成分を有する複素数によって表される。すなわち、各周波数成分

は、

として書くことができ、ここで、ａ_ｕｖ（実数成分）とｂ_ｕｖ（虚数成分）は、両方とも数値である。

の振幅

は、

と定義される。各周波数成分の振幅も実数であり、常に非負である。

空間周波数成分

の空間周波数ｆ_ｕｖは、

によって与えられる。本明細書で定義される空間周波数ｆを有する周波数リングは、インデックスの集合

によって記述することができ、ここで、ｔは閾値である。インデックスｕおよびｖの各々は整数であるので、各周波数リングは、量子化誤差まで、ほぼ円に指定されたリングを含むことができる。周波数リングおよび閾値は、周波数領域画像内の各ピクセルｕ、ｖがちょうど１つの周波数リングに入り、所与の周波数リング内の各ピクセルがほぼ同じ周波数を有するように、（例えば、２０６において）選定または取得することができる。

各周波数の振幅の計算は、計算効率および画像の向きに対する非感度という点で有利である。一般に、実数（例えば、周波数成分の振幅）は、より少ない計算リソースを使用して計算される。画像をある量だけ回転させるなどして画像の向きを変更すると、各周波数成分が実質上ｅ^ｉθ倍となり、ここでθは回転角である。各周波数成分の振幅を取ることによって、回転から生じる任意の係数が効果的に無視される。したがって、画像の任意の向きは、同じ振幅のＦＦＴをもたらし、したがって、ＦＲＩＯＵメトリックは、画像の向きに敏感ではない。

３１２において、方法３００は、周波数リング内の周波数成分の振幅（例えば、絶対値）のヒストグラムを生成することを含む。各周波数ｆについて、ｆに対応する周波数リング内の周波数成分は、事前に定義され得る（例えば、２０６において取得され得る）複数のヒストグラムビンのうちの１つの中でカウントすることができる。例えば、ビンの集合は、ヒストグラムが

によって与えられるようにインデックス付けすることができ、ここで、Ｍはヒストグラム中のビンの数であり、ｉはインデックス変数であり、ｍ_ｉは、ｉ番目の振幅に対応するｉ番目のビンである。したがって、各ｍ_ｉは、ｉ番目の振幅を有する周波数成分の数を表す整数である。いくつかの例では、ビンは均等に離間され得、例えば、各ビンｍ_ｉは等しい範囲の振幅を表す。少なくともいくつかの実施例では、ビンのいずれも重複しない場合がある（例えば、ビンは各々、振幅の離散範囲を備えてもよい）。

３１４において、方法３００は、ヒストグラムを正規化することを含む。ヒストグラムを正規化することは、周波数ｆに対応するヒストグラム内のすべてのビンの合計を計算することと、ヒストグラムの各ビンを合計で除算することを含む。ヒストグラムＨが与えられると、正規化されたヒストグラムＮＨは以下の式によって与えられる。

ここで、

である。画像の正規化されたヒストグラムはメモリに保存され、図４に関して以下に説明するように、ＦＲＩＯＵメトリックを決定するためにアクセスできるようになる。正規化されたヒストグラムはＷＦＲＭＨを含む。その後、方法３００は戻ることができる。

引き続き図４を参照すると、フーリエ環積集合／和集合（ＦＲＩＯＵ）メトリックを計算するための方法４００が示されている。一実施形態において、方法４００は、図２の方法２００の一部として（例えば、２１２において）、および、図３の方法３００を介して生成された正規化されたヒストグラムを使用して実行される。さらに、方法４００は、少なくともいくつかの実施例では、複数の試験画像に対して並行して実行され得る。

４０２において、方法４００は、参照画像の正規化されたヒストグラム（例えば、ＷＦＲＭＨ）および試験画像の正規化されたヒストグラムを取得することを含む。以下にさらに詳細に説明するように、参照画像の正規化されたヒストグラムは、試験画像の正規化されたヒストグラムと比較される。正規化されたヒストグラムは、同じフーリエ環上で得られ、両方とも正規化され、同じビンの集合を含む。試験画像および参照画像のヒストグラムは、それぞれ

および

で示される。

４０４において、方法４００は、２つのヒストグラムの和集合を計算することを含む。上記和集合は、ヒストグラムでもあり、試験画像および参照画像のヒストグラムのビンの観点から以下のように定義される。

ここで、

である。

４０６において、方法４００は、２つのヒストグラムの積集合を計算することを含む。上記積集合はヒストグラムでもあり、試験画像と参照画像のヒストグラムのビンの観点から以下のように定義される。

ここで、

である。

４０８において、方法４００は、ヒストグラムビンカットオフを使用して積集合および和集合に対してハイパスフィルタリングを実行することを含む。ヒストグラムビンカットオフは、図２の２１０においてさらに詳細に上述したように、それより下のヒストグラムのスペクトルコンテンツが無視されるべきヒストグラムビンである。ヒストグラムビンカットオフは、

を満たす指標ｂ_０として表すことができる。積集合および和集合のハイパスフィルタリングは、以下の式によって定義されるヒストグラムＵ_＋およびＩ_＋を発見することを含む。

４１０において、方法４００は、ＦＲＩＯＵメトリックを計算することを含む。上記ＦＲＩＯＵメトリックは、以下の式に従って、ハイパス積集合ヒストグラム内の全てのビンの和をハイパス和集合ヒストグラム内の全てのビンの和で除算することによって得られる。

図２に関して上述したように、ＦＲＩＯＵメトリックは、試験画像と参照画像との間の類似性の程度を示し、０．０（類似性なし）から１．０（最大の類似性）の範囲である。したがって、ＦＲＩＯＵメトリックを使用して、試験画像が、画質または細胞形態などの参照画像の所望の特性にどの程度類似しているかを判断することができる。ＦＲＩＯＵメトリックは、図２の２１６に関して上記で説明したように、コンピューティングデバイスのメモリなどに保存されてもよく、および／または画質を測定するための手段としてユーザに表示されてもよい。その後、方法４００は戻ることができる。

次に、図５は、ぼやけおよびノイズを計算するための方法５００を示す。一実施形態において、方法５００は、図２の方法２００の一部として（例えば、２１４において）実行される。さらに、方法５００は、複数の試験画像に対して並行して実行され得ることが理解されよう。

５０２において、方法５００は、参照画像のヒストグラムおよび試験画像のヒストグラムを取得することを含む。参照画像および試験画像の各々からのヒストグラムは、例えば、参照画像および試験画像の各々に対して図３の方法３００を実行することによって取得され得る。上記ヒストグラムは、少なくともいくつかの実施例では、正規化されたヒストグラム（例えば、ＷＦＲＭＨ）を含むことができる。試験画像のヒストグラムは、

で示され、参照画像のヒストグラムは、

で示される。

５０４において、方法５００は、ヒストグラムのハイパスフィルタリングを実行することを含む。ヒストグラムのハイパスフィルタリングの実行は、４０８において積集合および和集合ヒストグラムに対して実行されるハイパスフィルタリングと同様の方法で実行される。しかしながら、パラメータｂ_１は、ＦＲＩＯＵメトリックのために使用されるパラメータｂ_０とは異なる、ぼやけおよびノイズ推定のために使用される第１のヒストグラムビンを示すことができる。通常、ｂ_１は、ＦＲＩＯＵメトリックに使用されるｂ_０よりも高い指標値である。例示的な例として、ｂ_０が１０である場合、ｂ_１は２０である。例えば、ハイパス試験ヒストグラムＨ_{ｔｅｓｔ＋}およびハイパス参照ヒストグラムＨ_ｒｅｆ＋は、以下の式によって与えられ得る。

上記の式によって与えられるハイパスヒストグラムは、正規化されなくてもよいことに留意されたい。

５０６において、方法５００は、ハイパスフィルタリングされたヒストグラムを正規化ことを含む。ハイパスヒストグラムＮＨ_{ｔｅｓｔ＋}（正規化されたハイパス試験ヒストグラムに対応する）およびＮＨ_ｒｅｆ＋（正規化されたハイパス参照ヒストグラムに対応する）はそれぞれ、各ヒストグラムをその和で除算することによって正規化され得る。

ここで、

であり、

である。

５０８において、方法５００は、正規化されたハイパスヒストグラムの差を決定することを含む。上記差は、差分ヒストグラム

をもたらし、ここで、ｄ_ｉはｉ番目のビンである。差分ヒストグラムのｉ番目のビンは、以下の式に従って、５０８で得られた正規化されたハイパスヒストグラムのビンごとの差分を取ることによって計算される。

５１０において、方法５００は、追加および損失ヒストグラムを決定することを含む。上記追加ヒストグラムは、０より大きい差分ヒストグラムのビンを表し、上記損失ヒストグラムは、０より小さい差分ヒストグラムのビンを表す。追加および損失ヒストグラムは、追加指標Ａの集合および損失指標Ｌの集合を計算することによって決定され得る。追加および損失指標は、以下の式に従って定義され得る。

上記の指標で定義される追加ヒストグラムＨ_Ａおよび損失ヒストグラムＨ_Ｌは、以下の式に従って定義されるヒストグラムである。

５１２において、方法５００は、損失および追加ヒストグラムにそれぞれ基づいてぼやけおよびノイズを推定することを含む。ぼやけ値（ＢＬＵＲ）は、以下の式から決定され得る。

ｄ_ｌの値は定義上すべての

に対して負であるので、合計を実行した後に絶対値が取られる。ノイズ値（ＮＯＩＳＥ）は、以下の式を使用して、追加ヒストグラムを使用して同様の合計を実行することによって計算され得る。

全てのｄ_ａは、追加ヒストグラムに対して正であるため、絶対値は取られない。ぼやけ値およびノイズ値はそれぞれ、コンピューティングデバイスのメモリなどに保存され、および／または図２の２１６に関して上述したように、画質を測定する手段としてユーザに表示され得る。その後、方法５００は戻ることができる。

次に、図７は、一実施形態による、ＦＲＩＯＵメトリックに基づいて画像内の細胞を分類するための方法７００を示す。方法７００は、コンピューティングシステムの非一時的メモリ（例えば、図１のメモリ１１４の画像処理モジュール１１８内）に記憶された命令に従って、図１のコンピューティングシステム１００のプロセッサ１１２などのコンピューティングシステムのプロセッサによって実行され得る。方法７００は、図２～図５に関して上記で説明した方法の少なくとも一部と組み合わせて実行され得る。例えば、方法７００は、バイオアッセイに特に適用可能であり得る。

７０２において、方法７００は、細胞の１つ以上の試験画像および１つ以上の参照画像を受信することを含む。試験画像（複数可）および参照画像（複数可）は、図２の２０２および２０４に関して上述したように、例えば任意の細胞撮像技術を使用して生成されてもよい。いくつかの実施例では、ユーザは、参照画像（複数可）または複数の候補参照画像を選択してもよい。同様に、ユーザは、方法７００を介して、ＦＲＩＯＵメトリックを介して評価される試験画像（複数可）を選択することができる。各参照画像は、それに対して評価される試験画像（複数可）の１つ以上の所望の質（または特性）を視覚的に表すことができる。

さらに、複数の関心対象（細胞など）を有する画像（試験画像および参照画像の両方）は、各対象物（例えば、細胞）が以下に記載される方法に従って個々に評価されるように、対象物分類に使用され得るサブ画像に分割され得る。あるいは、複数の対象物の元の画像を評価して、図２に関して説明した画質の例と同様に、参照画像に対する試験画像の全体的な類似性を評価するために、アンサンブル類似性測定を行ってもよい。例えば、方法７００は、参照画像内の複数の細胞と比較して、試験画像内の複数の細胞の全体的類似性を評価するために使用されてもよく、または上記方法は、参照画像の単一参照細胞に対する単一細胞の複数のサブ画像の類似性を個々に評価するために使用されてもよい。

７０４において、方法７００は、ＦＲＩＯＵメトリックを介して評価される特徴の選択を受信することを含む。上記特徴は、一般に分類特徴および類似性特徴に分割され得る複数の可能な特徴から選択されてもよい。上記分類特徴は、選択された特徴を示す細胞を定量化するために使用されてもよく、一方、上記類似性特徴は、細胞内に存在する選択された特徴の相対的な程度を定量化するために使用されてもよい。分類特徴は、例えば、細胞のタイプ、所望のサイズを有する細胞の数、および感染細胞の数を含んでもよい。類似性特徴は、例えば、細胞分解、細胞の健康状態（細胞分解の欠如がある）、および細胞形態を含んでもよい。一例として、選択された特徴が細胞の健康状態である場合、参照画像は、感染および劣化のない１つ以上の名目上の健康な細胞を含むことができる。したがって、細胞の健康状態についての低いＦＲＩＯＵメトリック値は、画像特徴の変化に基づいて広範囲の病理を有する細胞を識別することができる。いくつかの実施例では、上記特徴は、ユーザインターフェース（例えば、図１のユーザインターフェース１０２）を介して受信されるなど、ユーザ入力を介して選択されてもよい。他の実施例では、特徴は、ユーザが選択したプロトコルに従って選択されてもよい。

特徴は、ワンホット分類符号化をさらに含んでもよい。例えば、方法７００は、選択された参照画像に対して最も高いそれぞれのＦＲＩＯＵメトリックを有する特徴を自動的に選択することができる。一実施例では、方法７００は、ユーザによって、または機械学習ベースの分類を介して割り当てられ得るタグなどにより、対応する参照画像が特徴を示すことが知られ得るので、特徴を識別することができる。

７０６において、方法７００は、図４に関して上述したように、参照画像に対する各試験画像のＦＲＩＯＵメトリックを決定することを含む。ＦＲＩＯＵメトリックは、各試験画像に対して、またはバイオアッセイの単一のウェル内の異なる位置、および同じ処理条件を有する異なるウェルなどからの複数の画像を含む一連の試験画像に対して、別々に決定され得る。セットアプローチは、複数の参照および複数の試験画像が、一連のより広いメトリックおよび比較のために使用されることを可能にする。例えば、ウェル、プレート、またはプレート群にわたって、どのように異なる画像が互いからのものであるかを決定するために、全ての画像のそれぞれのフーリエ環重み付けヒストグラムを、積集合および和集合計算において使用することができる。

７０８において、方法７００は、分類特徴が、（例えば、７０４において選択されたような）ＦＲＩＯＵメトリックを介した評価のための選択された特徴であるかどうかを決定することを含む。選択された特徴が分類の特徴である場合、方法７００は、７１０に進み、閾値と比較したＦＲＩＯＵメトリックに基づいて、選択された特徴を有する各試験における細胞を定量化することを含む。閾値は、選択された特徴を有する細胞を、選択された特徴を有しない細胞から区別する、所定の非ゼロ値を指す。非限定的な実施例として、閾値は０．６であり得る。しかしながら、他の実施例では、閾値は、より高い（例えば、０．８）またはより低い（例えば、０．５）値であり得る。閾値は、選択された特徴に従って予め決定されてもよく、および／またはユーザによって調整されてもよい。

７１４において、方法７００は、ＦＲＩＯＵメトリック分析の結果を出力することを含む。例えば、レポートは、選択された特徴を有する各試験画像内の細胞の量（例えば、数）を示す。選択された特徴がウイルス感染である例示的な例として、レポートは、試験画像内（複数可）の、ウイルスに感染した細胞の総数および／または割合（％）を示すことができる。結果は、表示デバイス（例えば、図１の表示デバイス１０４）に出力されてもよく、および／またはメモリに保存されてもよい。その後、方法７００は戻ることができる。

７０８に戻ると、選択された特徴が分類の特徴ではない（例えば、選択された特徴が類似性の特徴である）場合、方法７００は７１２に進み、ＦＲＩＯＵメトリックから直接、選択された特徴との試験画像の類似性の程度を決定することを含む。したがって、ＦＲＩＯＵメトリックは、試験画像内の各細胞が選択された特徴を示す程度の定量的尺度を提供することができる。

上述したように、７１４において、方法７００は、ＦＲＩＯＵメトリック分析の結果を出力することを含む。選択された特徴が細胞分解である例示的な例として、報告は、化合物の異なる処理濃度での細胞分解の量における相対的変化を示し得る。その後、方法７００は戻ることができる。

図８は、２つの画像、すなわち第１の画像８００および第２の画像８５０を示す。第１の画像８００は、ＦＲＩＯＵメトリックに対して高い値を有し、ぼやけおよびノイズに対して低い値を有する。第２の画像８５０は、ＦＲＩＯＵに対して低い値を有し、ぼやけおよびノイズに対して高い値を有する。このため、第１の画像８００はより高い画質を有志、第２の画像８５０はより低い画質を有する。

図９は、細胞の複数の画像に対して実行される２つの細胞数計数方法と、各画像に関連付けられた対応するＦＲＩＯＵメトリック値とを比較する例示的なプロット９００を示す。縦軸は、第１の細胞計数方法（例えば、「細胞計数方法１」）を使用して画像から計数された細胞の数を示し、横軸は、第２の細胞計数方法（例えば、「細胞計数方法２」）を使用して画像から計数された細胞の数を示す。プロット９００上の各記号は、両方の細胞計数方法によって同じ画像について計数された細胞の数を表す。プロット９００は、凡例９０２も含む。凡例９０２によって示されるように、円形の記号は、０．６以上のＦＲＩＯＵメトリック値を有する画像を表し、Ｘ字形の記号は、０．６未満のＦＲＩＯＵメトリック値を有する画像を表す。０．６のＦＲＩＯＵメトリック値は、より高品質の画像をより低品質の画像から区別する閾値であり得る。

プロット９００に示されるように、高い画質（例えば、０．６以上のＦＲＩＯＵ値）を有する画像の大部分は、第１の細胞数計数方法および第２の細胞数計数方法を使用して同じまたは同様の細胞数をもたらし、斜めに配向された傾向をもたらす。より低い品質の画像は、第１の細胞計数方法および第２の細胞計数方法を使用して、より変動する細胞数をもたらす。例えば、第２の細胞計数方法は、第２の細胞計数方法が第１の細胞計数方法よりも実質的に少ない細胞を計数した（例えば、過小計数）点９０４によって示されるように、ぼやけによる画像劣化に対してより敏感である。別の実施例として、第２の細胞計数方法は、第２の細胞計数方法が第１の細胞計数方法よりも実質的に多くの細胞を計数した（例えば、過剰計数）点９０６によって示されるように、ノイズによる画像劣化に対してより敏感である。

第１の細胞数計数方法は、細胞を分類し、所望の分類を有する細胞を計数するためにＦＲＩＯＵメトリックを使用する。例えば、第１の細胞数計数方法は、最初に、ＦＲＩＯＵメトリックを使用して、所望の分類の細胞を識別し、その後、所望の分類を有する細胞を定量化してもよい。対照的に、第２の細胞計数方法は、所望の分類を有する細胞を識別するために、セグメント化から（例えば、流域アルゴリズムから）導出されるもの等の他の方法からの機械学習または手作りの特徴を使用してもよく、これは、低品質の画質に対する増加した感度に加えて、ＦＲＩＯＵメトリックと比較して減少した精度を有し得る。ＦＲＩＯＵメトリックは、細胞分類に先立って、画質を評価するために使用されてもよく、画質が選択された閾値を下回る場合、画像は、任意選択的に、計算時間を減少させるように、第１のセル計数方法を介するさらなる分析から省略されてもよいことに留意されたい。

このようにして、ＦＲＩＯＵメトリックは、画質または別の選択された特性にさらに関連し得る、試験画像と参照画像との間の類似性の程度を決定するために使用され得る。ＦＲＩＯＵメトリックは、その相対的な計算効率性に起因して、リアルタイム（例えば、試験画像あたり数分の１秒）で決定され得、ＦＲＣを含む、現在の画質評価方法よりも外れ値に敏感ではない。さらに、ＦＲＩＯＵ法は、バイオアッセイデータセットを含む大きなデータセットを迅速に評価して、画像が互いにどの程度類似しているか、または異なるかを決定するために使用されることができる。したがって、ＦＲＩＯＵメトリックは、バイオアッセイのヒット、および予期される結果対異常な結果などを識別するために使用可能であり得る。

一組の画像に対してフーリエ環積集合／和集合メトリックを決定することの技術的効果は、画像間の類似性の程度がリアルタイムで出力され得ることである。

本開示はまた、試験画像と参照画像との空間周波数領域変換に適用される積集合／和集合の計算に基づいて、選択された特性についての試験画像と参照画像との間の類似性の程度を示すメトリックを出力することを含む方法のためのサポートを提供する。方法の第１の実施例では、選択された特性は画質を含む。第１の実施例を任意選択的に含む、方法の第２の実施例では、試験画像および参照画像は、バイオアッセイにおける細胞の画像を含む。第１および第２の実施例の１つまたは両方を任意選択的に含む、方法の第３の実施例では、選択された特性は、細胞数を含む。第１～第３の実施例のうちの１つ以上または各々を任意選択的に含む、方法の第４の実施例では、選択された特性は、細胞形態を含む。第１～第４の実施例のうちの１つ以上または各々を任意選択で含む、方法の第５の実施例では、選択された特性は細胞の健康状態を含み、参照画像は１つ以上の健康な細胞を示す。第１～第５の実施例のうちの１つ以上または各々を任意選択的に含む、方法の第６の実施例では、方法は、試験画像および参照画像の空間周波数領域変換に対して、積集合／和集合の計算を実行することとをさらに含む。第１～第６の実施例のうちの１つ以上または各々を任意選択的に含む、方法の第７の実施例では、試験画像および参照画像の空間周波数領域変換に対して積集合／和集合の計算を実行することは、試験画像および参照画像の空間周波数領域変換における周波数リングの座標を取得することと、試験画像の周波数リングの第１の重み付けフーリエ変換リング振幅ヒストグラムおよび参照画像の周波数リングの第２の重み付けフーリエ変換リング振幅ヒストグラムを計算および正規化することと、を含む。第１～第７の実施例のうちの１つ以上または各々を任意選択的に含む、方法の第８の実施例では、方法は、第１の重み付けフーリエ変換リング振幅ヒストグラムと第２の重み付けフーリエ変換リング振幅ヒストグラムとの和集合を計算することと、第１の重み付けフーリエ変換リング振幅ヒストグラムと第２の重み付けフーリエ変換リング振幅ヒストグラムとの積集合を計算することと、ヒストグラムビンカットオフを使用して積集合および和集合をフィルタリングすることと、をさらに含む。

本開示はまた、非一時的メモリに格納された命令を実行するように構成されたプロセッサを含むコンピューティングデバイスであって、命令は、実行されると、プロセッサに、バイオアッセイの画像と、バイオアッセイの画像の選択された特性を評価するための参照画像とを受信させ、また、バイオアッセイの画像と参照画像との間の類似性の程度を、選択された特性に関して、バイオアッセイの画像と参照画像とに対して決定された振幅フーリエ環ヒストグラムの対に適用された積集合／和集合の計算に基づいて出力させる、コンピューティングデバイスを含む、システムのためのサポートを提供する。システムの第１の実施例では、システムは、コンピューティングデバイスに通信可能に結合された撮像装置をさらに備え、コンピューティングデバイスは、撮像装置からバイオアッセイの画像を受信する。第１の実施例を任意選択的に含む、システムの第２の実施例では、非一時的メモリは、プロセッサによって実行されると、プロセッサに、候補参照画像の各々の間の互いに関する類似性の程度に基づいて、複数の候補参照画像から参照画像を選択させる命令をさらに含み、選択された参照画像は、最も高い類似性の程度を有する。第１および第２の実施例の１つまたは両方を任意選択的に含む、システムの第３の実施例では、選択された特性は、画質、細胞数、および細胞の特徴のうちの１つ以上を含む。第１～第３の実施例のうちの１つ以上または各々を任意選択的に含む、システムの第４の実施例では、細胞の特徴は、細胞の形態、細胞のサイズ、細胞の健康状態、および細胞分解のうちの少なくとも１つを含む。

本開示はまた、参照画像に対してバイオアッセイの画像について決定されたフーリエ環積集合／和集合（ＦＲＩＯＵ）メトリックに基づいてバイオアッセイにおける細胞の特徴を定量化することを含む方法のためのサポートを提供する。方法の第１の実施例では、特徴は、所定の閾値よりも大きいＦＲＩＯＵメトリックを有する細胞の数を含む。第１の実施例を任意選択的に含む、方法の第２の実施例では、特徴は、バイオアッセイの処理条件に関する相対的変化を含む。第１および第２の実施例の１つまたは両方を任意選択的に含む、方法の第３の実施例では、特徴は、バイオアッセイで使用される感染因子を介して感染した細胞の割合（％）を含む。第１～第３の実施例のうちの１つ以上または各々を任意選択的に含む、方法の第４の実施例では、特徴は、バイオアッセイの画像と特徴を示す参照画像との間の最も高いＦＲＩＯＵメトリックに基づいて決定される。第１～第４の実施例のうちの１つ以上または各々を任意選択的に含む、方法の第５の実施例では、ＦＲＩＯＵメトリックは、所与の参照画像に対するバイオアッセイの所与の画像の類似性の程度を示す。

本明細書で使用される場合、単数形で列挙され、「１つの（ａ）」または「１つの（ａｎ）」という単語が先行する要素またはステップは、そのような除外が明示的に述べられていない限り、複数の要素またはステップを除外しないと理解されるべきである。さらに、本発明の「一実施形態」への言及は、列挙された特徴を同様に組み込む追加の実施形態の存在を除外するものとして解釈されることを意図していない。さらに、別段の明示的な記載がない限り、特定の特性を有する１つ以上の要素を「備える、含む（ｃｏｍｐｒｉｓｉｎｇ）」、「含む（ｉｎｃｌｕｄｉｎｇ）」、または「有する（ｈａｖｉｎｇ）」実施形態は、その特性を有していない追加のそのような要素を含むことができる。「含む（ｉｎｃｌｕｄｉｎｇ）」および「その中で（ｉｎ ｗｈｉｃｈ）」という用語は、それぞれの用語「備える（ｃｏｍｐｒｉｓｉｎｇ）」および「その中で（ｗｈｅｒｅｉｎ）」の平易な言語の等価物として使用される。 さらに、「第１の（ｆｉｒｓｔ）」、「第２の（ｓｅｃｏｎｄ）」、および「第３の（ｔｈｉｒｄ）」などの用語は、単にラベルとして使用され、それらの対象に対して数値的要件または特定の位置的順序を課すことは意図されていない。

本明細書は、最良の形態を含めて本発明を開示するために、また、任意のデバイスまたはシステムを作製および使用すること、ならびに任意の組み込まれた方法を実行することを含めて、当業者が本発明を実施することを可能にするために、実施例を使用する。本発明の特許可能な範囲は、特許請求の範囲によって定義され、また、当業者が想到する他の例を含んでもよい。そのような他の例は、それらが特許請求の範囲の文言と異ならない構造要素を有する場合、またはそれらが特許請求の範囲の文言と実質的に異なる同等の構造要素を含む場合、特許請求の範囲内にあることが意図される。

Claims (14)

1. 選択された特徴において試験画像と参照画像の類似性の程度を、試験画像と参照画像の空間周波数領域の変換に適用された共通部分／和集合に基づいて表示するメトリックの出力を含む方法。
2. 前記選択された特徴が画質を含む、請求項１に記載の方法。
3. 前記試験画像および前記参照画像がバイオアッセイにおける細胞の画像を含む、請求項２に記載の方法。
4. 前記選択された特徴が細胞数を含む、請求項３に記載の方法。
5. 前記選択された特徴が細胞形態を含む、請求項３に記載の方法。
6. 前記選択された特徴が細胞の健康状態を含み、前記参照画像が１つ以上の健康的な細胞を描写する、請求項３に記載の方法。
7. 前記試験画像と前記参照画像の前記空間周波数領域の変換において前記積集合／和集合計算の実行をさらに含む、請求項１に記載の方法。
8. 前記試験画像と前記参照画像の前記空間周波数領域の変換における前記積集合／和集合計算の実行が
   前記試験画像と前記参照画像の前記空間周波数領域の変換における周波数リングの座標を取得することと、
   前記試験画像の前記周波数リングの第１重み付けフーリエ変換環振幅ヒストグラムおよび前記参照画像の前記周波数リングの第２重み付けフーリエ変換環振幅ヒストグラムを計算し正規化することを含む、請求項７に記載の方法。
9. 前記第１重み付けフーリエ変換リング振幅ヒストグラムと前記第２重み付けフーリエ変換リング振幅ヒストグラムの和集合計算、
   前記第１重み付けフーリエ変換リング振幅ヒストグラムと前記第２重み付けフーリエ変換リング振幅ヒストグラムの積集合計算、および
   ヒストグラムビンカットオフを使用して前記積集合と和集合のフィルタリングをさらに含む、請求項８に記載の方法。
10. 非一時的メモリに格納された命令を実行するように構成されたプロセッサを含み、前記命令は、実行されると、前記プロセッサに、
    バイオアッセイの画像および参照画像を、前記バイオアッセイの前記画像で選択された特徴を評価するために受信させ、
    前記選択された特徴において、前記バイオアッセイの前記画像と前記参照画像について決定された振幅フーリエ環ヒストグラムの対に適用された積集合／和集合に基づいて前記バイオアッセイの前記画像と前記参照画像の類似性の程度を出力する、コンピューティングデバイス、を含むシステム。
11. 前記コンピューティングデバイスに通信可能に結合された撮像装置をさらに含み、前記コンピューティングデバイスは前記撮像装置から前記バイオアッセイの前記画像を受信する、請求項１０に記載のシステム。
12. 前記非一時的メモリは、プロセッサによって実行されると、
    プロセッサに、複数の候補参照画像から前記参照画像を、前記複数の候補参照画像の各々の間の互いを比較した類似性の程度に基づいて、選択させる命令をさらに含み、前記参照画像は、最も高い類似性の程度を有する、請求項１１に記載のシステム。
13. 前記選択された特徴が、画質、細胞数および細胞の特徴のうちの１つ以上を含む、請求項１２に記載のシステム。
14. 前記細胞の特徴が細胞形態、細胞の大きさ、細胞の健康状態、および細胞の分解のうちの少なくとも１つを含む、請求項１３に記載のシステム。

Images