JP2525487B2 - 粒子凝集パタ―ン判定方法 - Google Patents

Description

【発明の詳細な説明】 （産業上の利用分野） この発明は、容器内に形成された粒子凝集体の像を撮
像し、その画像データに基づいて前記粒子凝集体の凝集
パターンを判定する粒子凝集パターン判定方法に関す
る。

（従来の技術） 従来より、血液型の判定や血液中の抗原，抗体の検出
のために、粒子凝集パターン判定方法が広く採用されて
いる。この方法によれば、マイクロプレートのウェル
（反応容器）に被検査血液をとり、免疫学的反応に基づ
いて血液等を凝集させ、その凝集パターンから血液型の
判定等が行われる。

ところで、これらの判定等は検査員による目視判定に
より行われていたので、検査員により個人差が生じ、ま
た同一検査員でも再現性に欠ける等の問題があった。そ
こで、上記目視判定を機器により行い、判定結果に客観
性を持たせ、測定精度の向上を図るとともに、自動化に
よる判定の省力化が図られている。それらの技術は、例
えば特開昭60−135748号公報，特開昭61−215948号公
報，特開昭62−105031号公報，特開昭63−58237号公報
等に開示されている。これらの技術によれば、マイクロ
プレートのウェル（凝集体を含む）をテレビカメラによ
り撮像し、その画像データに対して所定の画像処理を施
し、その処理結果から凝集パターンが判定される。

（発明が解決しようとする課題） しかしながら、上記提案にかかる自動判定技術には、
以下の問題がある。

凝集体が常にマイクロプレートのウェルの中心位置に
形成されるわけではないので、各ウェル毎に凝集体の中
心位置を求める必要がある。また、上記自動判定技術の
ひとつとして、例えば、上記画像データを２値化して、
２値化データから凝集体の面積を求め、凝集パターンを
判定するものがあるが、このような単純な方法では誤判
定を招きやすい。例えば、凝集反応が陽性の場合には、
凝集体はマイクロプレートのウェル内を薄く広がり、凝
集体の輝度とその周辺（すなわちウェル）の輝度との差
は小さく、２値化レベルがわずか上下するだけで、上記
のようにして求められる凝集体の面積値が大きく変化す
る。また、２値化処理は照明光量と密接に関係してお
り、照明光量が変化すると、上記と同様に、凝集体の面
積値が変化する。

また上記のような判定方法のほかに、凝集体の輪郭を
画像の濃淡変化の度合に基づいて求め、その輪郭からパ
ターン判定を行う方法もあるが、この方法は外乱の影響
を受けやすく、輪郭を正確に抽出することが困難であ
る。

以上のように、上記提案にかかる自動判定技術（方
法）は上記問題点を有し、正確な判定が困難であり、熟
練した検査員と同程度以上の信頼性を持って血液型の判
定等を行うことができない。

（発明の目的） この発明は上記課題を解決するためになされたもので
あり、信頼性の高い粒子凝集パターン判定方法を提供す
ることである。

（目的を達成するための手段） 請求項第１の発明は反応容器内に形成された粒子凝集
体の二次元画像を撮像し、その二次元画像データに基づ
いて前記粒子凝集体の凝集パターンを判定する粒子凝集
パターン判定方法であって、上記目的を達成するため
に、前記二次元画像データに基づいて前記粒子凝集体の
中心位置を求める第１の工程と、前記粒子凝集体の二次
元画像面上において前記中心位置を含む直線を少なくと
も１つ以上選択し、各直線における濃度プロフィルを求
める第２の工程と、前記第２の工程において求められた
濃度プロフィルごとに、少なくともピーク高さを含む複
数個の濃度プロフィルの特徴量を求める第３の工程と、
前記特徴量に基づいて前記粒子凝集体の凝集パターンを
判定する第４の工程とを備えている。

また、請求項２の発明は、上記目的を達成するため
に、前記第３の工程において前記特徴量として、前記ピ
ーク高さ以外に、前記濃度プロフィルごとにその濃度プ
ロフィルの面積，分散，平均幅，半値幅のいずれか１つ
以上をさらに求めた後、前記複数の特徴量を統計的に処
理して前記粒子凝集体の凝集パターンを判定している。

また、請求項３の発明は、上記目的を達成するため
に、前記粒子凝集体の二次元画像上で互いに直交する所
定の２直線における濃度プロフィルを求め、各濃度プロ
フィルの重心位置をそれぞれ求め、それらの位置を前記
粒子凝集体の前記中心位置としている。

また、請求項４の発明は、上記目的を達成するため
に、前記第３の工程において前記特徴量として、前記ピ
ーク高さ以外に、前記濃度プロフィルごとにその濃度プ
ロフィルの面積，分散，平均幅，半値幅のいずれか１つ
以上をさらに求めている。

また、請求項５の発明は、上記目的を達成するため
に、前記第２の工程において直線を４本選択し、該直線
の相互になす角を45゜の倍数としている。

さらに、請求項６の発明は、上記目的を達成するため
に、請求項５の発明に加え、前記第４の工程において前
記特徴量を統計的に処理して前記粒子凝集体の凝集パタ
ーンを判定している。

（作用） この発明によれば、粒子凝集体の二次元画像面におい
て中心位置を含む直線が少なくとも１つ以上選択され、
各直線における濃度プロフィルが求められた後、それら
の濃度プロフィルごとに、ピーク高さを含むその濃度プ
ロフィルの特徴量が求められるので、その特徴量にその
粒子凝集体の濃度情報が十分に反映され、外乱の影響が
抑えられる。また、“２値化レベル”設定が不要とな
る。

（実施例） 第２図はこの発明の一実施例を適用可能な凝集パター
ン判定装置１の構成図である。この装置１は、マイクロ
プレート２を載置および位置決めするマイクロプレート
台３を有している。マイクロプレート２は、その上面に
マトリックス状態に配置されたウェル2aを有しており、
図示を省略する搬送機構によりマイクロプレート台３に
搭載される。また、マイクロプレート台３の下側には照
明装置５が設けられており、この照明装置５より照射さ
れた光がマイクロプレート台３およびマイクロプレート
２を透過してマイクロプレート台３の上側に設けられた
テレビカメラ４に投影される。

そして、テレビカメラ４によりマイクロプレート２全
体が撮像されてビデオ信号ＶとしてA/D変換器６に入力
され、輝度に応じ８ビット、すなわち256階調のディジ
タル信号Ｚに変換された後、第３図に示すように、縦48
0画素、横512画素の画像データID（X,Y）として画像メ
モリ７に記録される。また、画像メモリ７はCPU8と接続
されており、そのCPU8に上記画像データID（X,Y）が読
み出されて種々の演算（後で詳説する）がなされ、その
演算結果に基づいて凝集パターンの判定がなされる。そ
して、その判定結果がプリンタ９やディスプレイ（図示
省略）等に出力されるように構成されている。また、画
像メモリ７に記録されている画像データはD/A変換器10
によりビデオ信号Ｖ′に変換され、モニタテレビ11に与
えられて、マイクロプレート２の像がモニタテレビ11上
に映し出されるように構成されている。

次に、本発明の一実施例を第１図を参照しつつ説明す
る。

（１）サンプルの撮像 本実施例においては、まず搬送機構によりマイクロプ
レート２がマイクロプレート台３上に搭載される。そし
て、照明装置５を点灯させながらテレビカメラ４により
マイクロプレート２の画像を撮像し、その画像データID
（X,Y）を画像メモリ７に記録する。

以下、画像データをもとに、各ウェルの凝集パターン
を順次以下の手順で処理する。

（２）中心位置の算出 次式にしたがって当該ウェル領域の反転画像データ
（濃度に対応するデータ）Ｄ（X,Y）を求め、画像メモ
リ７の別の領域に記録する。

Ｄ（X,Y）＝ID_MAX−ID（X,Y） …（１） ここで、当該ウェル領域とは、予想されるウェル中心
位置を中心としてウェル内部を含む円形、なし、正方形
状の領域である。また、ID_MAXは画像データID（X,Y）の
うちの最大値であり、凝集体の背景（すなわち凝集体の
周辺）の画像データに相当する。

そして、この反転画像データＤ（X,Y）に基づいて当
該ウェル内に形成された凝集体の中心位置（i,j）を求
める（ステップS1,第１の工程）。その方法の一例とし
ては、以下のようなものがある。

第４図に示すように、予想される凝集体の中心位置
（x₀,y₀）を通り、水平軸（Ｘ軸）および垂直軸（Ｙ
軸）に平行な直線l₁,l₂上での濃度プロフィルＺ′_x,Z′
_ｙをそれぞれ求める。なお、マイクロプレート２はマイ
クロプレート台３上で位置決められ、しかもウェルにお
ける凝集体の形成位置もある程度予想することができる
ので、位置x₀,y₀は予め設定しておくことができる。

さらにそれらの濃度プロフィルＺ′_x,Z′_ｙから水平
軸，垂直軸方向における重心位置（x_g,y_g）をそれぞれ
求める。具体的には、次式にしたがって、位置x_g,y_gを
それぞれ求める。

ここでは、ウェルの外縁の影響を避けるために、値
（2n）がウェルの直径よりも十分に小さくなるように値
（ｎ）を設定する。また、上記操作を繰り返し、中心位
置（x_g,y_g）をより精度良く求めるようにしてもよい。
この後、位置x_g,y_gの算出に続いて重心位置のＸ座標x_g
およびＹ座標y_gを四捨五入により整数化し、その値を凝
集体の中心位置（i,j）としてもよい。

なおこの実施例では、直線l₁上の濃度プロフィルＺ′
_ｘに基づいて位置x_gを求めたが、位置（x₀,y₀）の近傍
で、かつ水平軸（Ｘ軸）に平行な複数の直線上の各濃度
プロフィルに基づいて各直線に対する位置x_gを求め、そ
れらの値を統計的に処理（例えば平均値を求める処理）
により中心位置x_gを求めるようにしてもよく、これによ
り中心位置x_gの精度がより一層高まる。また、中心位置
y_gについても同様である。

（３）濃度プロフィルの導出 次に、凝集体画像面上において、ステップS1で求めら
れた中心位置（i,j）を通る直線を少なくとも１本以上
選択し、画像メモリ７に記録されている反転画像データ
Ｄ（X,Y）（第５図）に基づいて各直線における濃度プ
ロフィルを求める（ステップS2,第２の工程）。この実
施例では、第６図に示すように、中心位置（i,j）を通
り、かつ水平軸（Ｘ軸）とのなす角がそれぞれ０゜,45
゜,90゜,135゜である４本の直線l₀,l₄₅,l₉₀,l₁₃₅を選択
し、各直線l₀,l₄₅,l₉₀,l₁₃₅における濃度プロフィルを
求めている。具体的には、画像メモリ７内の反転画像デ
ータＤ（ｉ＋k,j）（但し、ｋ＝…，−2,−1,0,1,2,…
である）をアクセスすることにより直線l₀における濃度
プロフィルを求めることができる。第7A図はその結果を
示す図である。また、画像メモリ７内の反転直線データ
Ｄ（ｉ＋k,j−ｋ）をアクセスすると、直線l₄₅における
濃度プロフィルが求まる。第7B図はその結果を示す図で
ある。さらに、各直線l₉₀,l₁₃₅における濃度プロフィル
についても上記と同様にしてそれぞれ求まる。なお、第
7A図および第7B図においては、両者のデータの横ピッチ
は等しいが、実際には第7B図におけるデータの横ピッチ
は第7A図における であり、これらの濃度プロフィルから後述する特徴量を
求める場合には所定の補正を施す必要がある。なお、こ
れについては、後で詳説する。

（４）特徴量の算出 次に、ステップS2において求められた濃度プロフィル
ごとに、その濃度プロフィルの特徴量を求める（ステッ
プS3,第３の工程）。この実施例では、特徴量として、
ピーク高さ，面積，分散、または、平均幅を以下のよう
にして濃度プロフィルごとに求めている。

（４−１）ピーク高さＨ ピーク高さH₀を、第7A図に示す濃度プロフィルに基づ
いて求める。また、H₄₅は第7B図に示す濃度プロフィル
に基づいて求め、ピーク高さH₉₀,H₁₃₅についても、同様
にして求める。

（４−２）面積Ｓ 面積S₀,S₄₅,S₉₀,S₁₃₅を次式にしたがって求める。

ただし、上記と同様に、ウェル2aの外縁の影響を避け
るために、値（2m）はウェル2aの直径よりも十分に小さ
いものとする。なお、式（3B），（3D）における係数 は横ピッチの補正のための補正係数である。

（４−３）分散Ｖ 分散V₀,V₄₅,V₉₀,V₁₃₅を次式にしたがって求める。

なお、式（4B），（4D）における係数（＝２）は横ピ
ッチの補正のための補正係数である。

（４−４）平均幅Ｗ 平均幅W₀,W₄₅,W₉₀,W₁₃₅を次式にしたがって求める。

W₀＝S₀/H₀ …（5A） W₄₅＝S₄₅/H₄₅ …（5B） W₉₀＝S₉₀/H₉₀ …（5C） W₁₃₅＝S₁₃₅/H₁₃₅ …（5D） なお、各濃度プロフィルの特徴量としては、これら以
外に、半値幅、（３次モーメント,4次モーメント）など
がある。しかし、実際に検証した結果、処理速度と精度
から上記４個の特徴量で十分であることがわかった。

そして、上記のようにして求められた各特徴量の範囲
（＝最大値−最小値）を求め、それらの範囲が予め設定
した値を越えているか否かを判断する。設定値を越えて
いると判断した場合には、“データ異常”と判定し、そ
のサンプルについては後述するクラス判定を行わない。
このように“データ異常”と判定されるケースとして
は、例えば凝集反応中にマイクロプレート２が振動し
て、凝集体が非対称形状となったような場合がある。一
方、各特徴量の範囲が設定値内にある場合には、次式に
したがって各特徴量の平均値，，，を求める。

＝（H₀＋H₄₅＋H₉₀＋H₁₃₅）/4 …（6A） ＝（S₀＋S₄₅＋S₉₀＋S₁₃₅）/4 …（6B） ＝（V₀＋V₄₅＋V₉₀＋V₁₃₅）/4 …（6C） ＝（W₀＋W₄₅＋W₉₀＋W₁₃₅）/4 …（6D） （５）クラス判定 次に、上記のようにして求められた値，，，
に基づいて凝集体が凝集反応の陽性、陰性を示す分類、
すなわち、“−",“±",“＋",“＋＋",“空”の５つの
クラスのうちのどのクラスの凝集パターンに一致するか
を判定して（ステップS4,第４の工程）、マイクロプレ
ート２のウェル2a内での凝集反応を“−",“±",“＋",
“＋＋",“空”の５つのクラスに分類する。

上記判定の手法としては、例えばSRI（＝Stanford Re
seach Institute）アルゴリズム，判別関数による方法
やマハラノビス距離計算に基づく方法等がある。なお、
これらの手法はいずれも従来より周知の手法である。こ
の実施例では、SRIアルゴリズムを採用し、クラス判定
を行う。以下、その手順について簡単に説明する。

SRIアルゴリズムによるクラス判定を行うためには、
まず実際の検査に先立って、予め目視検査によりクラス
判定が行われたサンプルを多数用意し、第２図に示す凝
集パターン判定装置１を用い、上記操作（ステップS1〜
S3）を行うことにより、それらのサンプルの各特徴量
H_p,S_p,V_p,W_p（Ｐ＝1,2,3,…）を求めておく必要があ
る。

そして、特徴量H_p,S_p,V_p,W_pから各クラスにおける各
特徴量の平均値と標準偏差を求める。すなわち、クラス
“−”に相当するサンプルの各特徴量に基づいて特徴量
（ピーク高さ，面積，分散および平均幅）の平均値H_C1,
S_C1,V_C1,W_C1と標準偏差σ_H1,σ_S1,σ_V1,σ_W1をそれぞれ
求める。また同様にして、他のクラス“±",“＋",“＋
＋",“空”についても各クラスにおける特徴量（ピーク
高さ，面積，分散および平均幅）の平均値と標準偏差を
求める。

次に、未知サンプルのクラス判定に際しては、ステッ
プS3において求められた値，，，を次式に代入
して、各クラスからの距離D_C1,D_C2,D_C3,D_C4,D_C5を求め
る。

なお、式（7B），（7C），（7D），（7E）において、
H_C2〜H_C5,S_C2〜S_C5,V_C2〜V_C5,W_C2〜W_C5は、それぞれ各
クラス“±",“＋",“＋＋",“空”の各特徴量（ピーク
高さ，面積，分散および平均幅）の平均値であり、また
σ_H2〜σ_H5,σ_S2〜σ_S5,σ_V2〜σ_V5,σ_W2〜σ_W5はそれ
ぞれ各クラス“±",“＋",“＋＋",“空”の各特徴量
（ピーク高さ，面積，分散および平均幅）の標準偏差で
ある。

そして、これら距離D_C1,D_C2,D_C3,D_C4,D_C5のうち最も
小さい値に対応するクラスを、その被検査対象のクラス
と判定する。

なお、上記のようにこの実施例ではSRIアルゴリズム
を用いて、クラス判定を行ったが、これに限定されない
ことは言うまでもなく、上記の判別関数による方法やマ
ハラノビス距離計算に基づく方法等を用いてもよい。特
に、SRIアルゴリズムは、各特徴量の間に相関関係がな
いという前提の下で成立するため、各特徴量の間に相関
関係がある場合には、判定精度が低下する。これに対し
て、判別関数による方法やマハラノビス距離計算に基づ
く方法は、各特徴量の間の相関関係の有無にかかわら
ず、クラス判定を正確に行うことができる。

また、上記実施例では、ステップS2（第２の工程）に
おいて４本の直線l₀,l₄₅,l₉₀,l₁₃₅を選択し、各直線l₀,
l₄₅,l₉₀,l₁₃₅における濃度プロフィルを求めているが、
直線の選択本数は４本に限度されるものではなく、１本
の直線（例えば直線l₀）のみを選択し、その濃度プロフ
ィルを求めた後、上記のようにしてパターン判定を行っ
てもよい。ただし、特徴量の精度を高めるという点で
は、少なくとも２本以上選択することが望ましい。

以上のように、画像データを２値化したり、画像デー
タからウェル2a内に形成された凝集体の輪郭を抽出する
ことなしに、凝集パターンの判定を行うことができる。
そのため、本実施例では、２値化や輪郭抽出のための
“しきい値”の設定が不要であり、操作が簡単である。
また上記と同様の理由から、照明装置５の光量変化の影
響も少ない。また、上記実施例では、輪郭抽出処理が行
われていないので、外乱の影響もほとんどない。その結
果、この実施例によれば、信頼性の高い凝集パターン判
定を行うことができる。

また、複数個数の特徴量から統計的手法を用いてクラ
ス判定を行っているため、クラス判定の信頼性がより一
層高くなる。

また、テレビカメラ４によりマイクロプレート２全体
が撮像され、その画像データに基づいて各ウェル2aに形
成された凝集体の中心位置が上記のようにして求められ
ている（ステップS1）ので、凝集体が各ウェル2aの中心
位置からずれていたしても、その中心位置を求めるため
にマイクロプレート２をあらためて位置調整する必要は
なく、そのままの状態で凝集体の中心位置を求めること
ができる。

（発明の効果） 以上のように、請求項１の発明によれば、粒子凝集体
の二次元画像面上において中心位置を含む直線を少なく
とも１つ以上選択し、各直線における濃度プロフィルを
求めた後、それらの濃度プロフィルごとに、ピーク高さ
を含むその濃度プロフィルの特徴量を求め、さらにその
特徴量に基づいて粒子凝集体の凝集パターンを判定する
ので、凝集パターン判定の信頼性を向上させることがで
きる。

また、請求項２の発明によれば、複数の特徴量を統計
的に処理して粒子凝集体の凝集パターンを判定している
ので、凝集パターン判定の信頼性をより一層向上させる
ことができる。

【図面の簡単な説明】

第１図は、この発明にかかる粒子凝集パターン判定方法
の一実施例を示すフローチャートであり、 第２図は、この発明の一実施例を適用可能な凝集パター
ン判定装置の構成図であり、 第３図および第５図は、それぞれ画像メモリに記録され
る画像データを示す図であり、 第４図は、凝集体の中心位置の算出方法を説明するため
の説明図であり、 第６図は、濃度プロフィルの導出方法を説明するための
説明図であり、 第7A図および第7B図は、それぞれ濃度プロフィルを示す
図である。 ２……マイクロプレート、2a……ウェル、 S1〜S4……ステップ

Claims (6)

(57)【特許請求の範囲】
1. 【請求項１】容器内に形成された粒子凝集体の二次元画
   像を撮像し、その二次元画像データに基づいて前記粒子
   凝集体の凝集パターンを判定する粒子凝集パターン判定
   方法であって、 前記二次元画像データに基づいて前記粒子凝集体の中心
   位置を求める第１の工程と、 前記粒子凝集体の二次元画像面上において前記中心位置
   を含む直線を少なくとも１つ以上選択し、各直線におけ
   る濃度プロフィルを求める第２の工程と、前記第２の工
   程において求められた濃度プロフィルごとに、少なくと
   もピーク高さを含む複数個の濃度プロフィルの特徴量を
   求める第３の工程と、前記特徴量に基づいて前記粒子凝
   集体の凝集パターンを判定する第４の工程とを備えたこ
   とを特徴とする粒子凝集パターン判定方法。
2. 【請求項２】前記第３の工程において前記特徴量とし
   て、前記ピーク高さ以外に、前記濃度プロフィルごとに
   その濃度プロフィルの面積，分散，平均幅，半値幅のい
   ずれか１つ以上をさらに求め、前記複数の特徴量を統計
   的に処理して前記粒子凝集体の凝集パターンを判定する
   請求項１記載の粒子凝集パターン判定方法。
3. 【請求項３】前記粒子凝集体の二次元画像上で互いに直
   交する所定の２直線における濃度プロフィルを求め、各
   濃度プロフィルの重心位置をそれぞれ求め、それらの位
   置を前記粒子凝集体の前記中心位置とする請求項１記載
   の粒子凝集パターン判定方法。
4. 【請求項４】前記第３の工程において前記特徴量とし
   て、前記ピーク高さ以外に、前記濃度プロフィルごとに
   その濃度プロフィルの面積，分散，平均幅，半値幅のい
   ずれか１つ以上をさらに求める請求項１記載の粒子凝集
   パターン判定方法。
5. 【請求項５】前記第２の工程において直線を４本選択
   し、該直線の相互になす角を45゜の倍数とする請求項１
   記載の粒子凝集パターン判定方法。
6. 【請求項６】前記第４の工程において前記特徴量を統計
   的に処理して前記粒子凝集体の凝集パターンを判定する
   請求項５記載の粒子凝集パターン判定方法。