JP3050406B2 - 正常な生物医学検体を確認する方法 - Google Patents

正常な生物医学検体を確認する方法

Info

Publication number
JP3050406B2
JP3050406B2 JP05514347A JP51434793A JP3050406B2 JP 3050406 B2 JP3050406 B2 JP 3050406B2 JP 05514347 A JP05514347 A JP 05514347A JP 51434793 A JP51434793 A JP 51434793A JP 3050406 B2 JP3050406 B2 JP 3050406B2
Authority
JP
Japan
Prior art keywords
objects
abnormal
stage
feature
normal
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.)
Expired - Fee Related
Application number
JP05514347A
Other languages
English (en)
Other versions
JPH07504283A (ja
Inventor
シー． ネルソン，アラン
ジェームズ リー，シー−ヨン
エス． ジョンストン，リチャード
Original Assignee
ネオパス，インク．
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by ネオパス，インク． filed Critical ネオパス，インク．
Publication of JPH07504283A publication Critical patent/JPH07504283A/ja
Application granted granted Critical
Publication of JP3050406B2 publication Critical patent/JP3050406B2/ja
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

Links

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
    • G01N15/1433—
    • 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
    • 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
    • G06T2207/30—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)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Molecular Biology (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Investigating Or Analysing Biological Materials (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Description

【発明の詳細な説明】 技術分野 本発明は生物医学検体の像を表わすデータを分析する
ための方法、さらに詳細には正常（陰性）な生物医学検
体を見分けるために生物医学検体の像を表わすデータを
解析する方法に関する。
発明の背景 ハードウェアとソフトウェアとの両面におけるデータ
処理技術の進歩に伴い、生物医学的画像システムがます
ます広まってきている。現在、人体組織の画像を提供す
る像収集システム、たとえば、磁気共鳴造影装置、超音
波造影、コンピューター断層造影などが開発されてい
る。画像強調システムは一般に患者の器官、たとえば、
患者の心臓、肺などの改良された画像を提供するための
データを処理するために使用されている。しかしなが
ら、画像強調システムを患者の機能系の生物医学的状態
の診断に利用しようとする試みはまったくなされていな
い。
その他いくつかの画像解析システムが、医療技師によ
る患者の生物医学的状態の診断を増強する目的で、患者
から採取された検体の画像データを解析するために開発
されている。たとえば、血液細胞、骨髄細胞、脳細胞な
どを表わす画像データを得るための画像解析システムが
提供されている。画像解析システムは一般に検体の特性
たとえば血液細胞のカウント数を決定するために画像デ
ータを処理するよう設計されている。これらのシステム
では集められたデータの分析はいくらか試みられてはい
るが、これらシステムが検体の総合的な品質または状
態、たとえば、正常（陰性）であるか異常であるかを診
断するために有意義的に使用されたことはこれまでな
い。逆に、これらシステムは人間による再検査が必要で
あるような検体の部分を見つけ出す予備選別システムと
して一義的に使用されている。
たとえば、いくつかの画像解析システムが１つの子宮
頚管Pap塗抹標本の各部分のスクリーニングのために提
供されている。これらのシステムは一般に標本を検査可
能とするよう前もって子宮頚管Pap塗抹標本を特別に
（非標準的に）調製することを必要している。その理由
は画像装置の援助なしに細胞検査技師によって検査され
る典型的頚管Pap塗抹標本は、現在使用可能なデータ処
理技術によっては容易に画像化できない細胞の層や部片
を含んでいるからである。しかし、このような画像解析
システムのために必要な特別な調製作業は標本作製にさ
らに１つの工程を追加するものであり全体のコストおよ
び解析の複雑性を増大させる。
さらにその上、画像選別を実施するために現在利用可
能な画像解析システムは検体（specimen）に存在する正
常とは見えないスライド上の物体（objects）を識別す
るものである。たとえば、子宮頚管Pap塗抹検査を実施
するためにつくられている装置は正規細胞であるとは見
えない物体、たとえば、不規則細胞または人為産物を指
示するであろう。そしてこれらの不規則細胞や人為産物
が細胞検査技師に示され、技師はそのスライドをさらに
調べてスライド上の検体が正常であるか異常であるかを
判定しなければならない。この方法によるスライドの予
備選別は細胞検査技師が精密検査されべき細胞を迅速に
識別することを可能にする。なぜならば、細胞検査技師
はスライド全体を調べる必要がないからである。しかし
ながら、この方法を使用しても、細胞検査技師はいぜん
として各スライドを逐一調べなければならない。さら
に、１つのスライドの上に異常らしい数百個の物体が存
在する可能性があるから、細胞検査技師が各スライドを
調べるために要する仕事はいぜんとして相当な量とな
る。したがって、かかる画像選別システムは細胞検査技
師が不規則細胞や人為産物を見つけ出すために必要な時
間を短縮することはできるであろうが、それでもなお、
これらシステムは不満足なものである。なぜならば、１
つの検体が正常であるか異常であるかを判定するために
細胞検査技師がしなければならない不規則細胞や人為産
物の検査の量は実質的に減少されないからである。
したがって、生物医学検体の像を表わすデータを解析
しうる画像解析システムの提供が望まれている。さら
に、検体の像を表すデータを解析する画像解析システム
であって、検体の全体的状態を判定しうる画像解析シス
テムの提供が望まれている。さらに、生物医学検体を解
析するための画像解析システムであって、正常とは見え
ない細胞グループが１つの正常検体または異常検体を代
表するものであるか否かを決定しそして最終的には当該
検体が全体として正常であるか否かを判定できる画像解
析システムの提供が望まれている。
発明の要約 本発明は生物医学的またはその他の検体の像を表わす
データを解析するための方法を提供する。本方法は画像
データを処理して画像の物体を確認しそして確認された
物体を表わす物体データを提供する工程を含む。本方法
はさらにその物体データを解析して物体データによって
表わされた当該物体の予定された特徴の測定値を決定す
る工程を含む。この特徴測定値は各物体の信頼率を求め
るために使用される。この信頼率とはその物体が予定さ
れた特徴の点から正常である蓋然性を示すものであり、
したがって、各物体を正常または異常に分類するために
使用される。最後に、本方法は当該検体のすべての物体
に対する信頼率を組み合わせて該検体の総合評価を与え
そしてその総合評価が予定された範囲内にあるか否かを
判定し、その範囲内にあった場合には、該検体が正常で
あると確認する工程を含む。
本発明の現在の好ましい実施態様においては、物体デ
ータは問題物体の近位に位置している複数の物体を検査
することによって解析され、しかして問題物体の近位に
位置する複数の物体の特性によって決定される特徴測定
値と信頼率とが当該物体に与えられる。さらにいま１つ
の実施態様においては、問題物体の近位に位置している
複数の物体が近隣特徴測定値と数特徴測定値を付与する
ことによって検査される。ここで、近隣特徴測定値とは
対象物体周囲の複数の物体の特徴を表すものでありそし
て数特徴測定値とは対象物体の近位に位置する複数の物
体の個数を示すものである。
図面の簡単な説明 図１は本発明に従って構成された画像解析システムを
説明するブロック図である； 図２は本発明の方法の一般的方法論的手順を説明する
説明図である； 図３は本発明の方法をさらに詳細に説明する説明的流
れ図である。
発明の詳細な説明 画像収集および解析システム100が図１に示されてい
る。この画像解析システムは正常な生物医学検体を確認
するため生物医学検体の画像を表わすデータを集めそし
て分析するために設けられている。本発明の目下の好ま
しい１つの実施例においては、画像収集および解析シス
テム100は顕微鏡スライドの上に載っている子宮頚管Pap
塗抹標本を表わす画像を解析するために構成されてい
る。当技術分野に通常の知識を有する者は本発明の方法
が単層スライド標本を含むあらゆる生物医学的解析のた
めに適用しうることを理解するであろう。さらに、当技
術分野に通常の知識を有する者は本発明が細胞学および
組織学の種々の分野の生物医学的検体の解析と組み合わ
せて使用しうることを理解するであろう。たとえば、本
発明は血液試料、尿試料、糞便試料、喀痰試料、皮膚掻
き取り試料などに対して使用するよう容易に構成するこ
とができる。さらに、本発明は、たとえば、バイオプシ
ー、組織塊または他のバルク生物医学的試料のごとき検
体の生物医学的解析のために使用することができる。さ
らにまた、本発明は各種の他の映像システムたとえば画
像強調システム、あるいは科学的画像分析システムに適
用することができる。
画像収集および解析システム100は画像収集システム1
02を包含し、これはカメラ104、モーションコントロー
ラ106、照明系108およびインターフェース110を含む。
この画像収集システム102はスライド112の上に載ってい
る１つの標本すなわち検体の像を表わす画像データを集
めるよう構成されている。集められる画像データは典型
的には複数のデータ語を含む。その各データ語はカメラ
104の１つのピクセルに対応し、検体の各部分の透過率
を示す１つの二進数値を有する多ビット二進言語であ
る。
カメラ104は画像データをインターフェース110に与
え、そのインターフェースは画像データを受け取りそし
て画像解析システム100によって使用するための画像デ
ータを準備する。モーションコントローラ106は画像収
集および解析システム100に応答してスライド112を位置
決めし、カメラ104がスライド112の異なる複数の視野を
表わす画像データを提供できるようにする。図示した本
発明の好ましい実施例においては、モーションコントロ
ーラ106は各１つのスライド112について15000ていどの
多数の視野像を提供するようつくられている。
照明系108はスライド112を照明してカメラ104によっ
て提供される画像データのグレースケールコンテント及
びスピードを高める目的で設けられている。前記したよ
うに、本発明は好ましくはスライド112上の検体に特別
な非標準的調製作業を行う必要なしに効率よく使用され
るよう構成される。この目的のために、画像収集システ
ム102はスライド112上の実質的に三次元の物体に精密合
焦がなされるようつくられる。
画像収集システム102はデータ処理システム114と結合
されており、それに画像データを供給する。データ処理
システム114は、後でさらに詳述するように、画像デー
タを解析して正常生物医学検体のみを含むスライドを確
認するよう構成されている。なお、このデータ処理シス
テム114は、従来技術の画像選別装置によって行なわれ
ているように、異常らしく見える物体を見つけ出すもの
である。しかしながら、このデータ処理システム114
は、さらに、当該スライド112上の異常らしく見える複
数の物体を分析して当該スライド112上の検体が実際に
異常であるか正常であるかを判定するよう構成されてい
る。したがって、このデータ処理システム114はたとえ
異常らしく見える物体を含む検体であっても、それが正
常な生物医学検体であると判定することが可能である。
データ処理システム114はデータプロセッサー116を含
み、これはメモリー120に結合されている。メモリー120
は後記において更に説明する画像解析を実行するために
データプロセッサー116によって使用されるプログラム
データと命令を記憶している。さらに、メモリー120は
中間分析データのほかにインターフェース110によって
与えられる画像データを記憶するために設けることもで
きる。たとえば、１つの視野像の解析にはその視野像を
表わす画像データを画像収集システム102によって提供
された形とは異なる１つの形に変換することが必要であ
る。メモリー120は多数の視野を表わすデータを記憶し
かつまた各視野に関する中間データを記憶するために十
分な容量のものでなければならない。
データプロセッサー116は画像データに対するデータ
処理を実行するために任意多数の市場で入手可能な装置
を包含することができる。本発明の現在の好ましい実施
例においては、データプロッセッサー116は、並列およ
びパイプライン形画像解析機能を実行するため、標準マ
イクロプロセッサー回路と組み合わせた複数の画像プロ
セッサーボードを包含している。
本画像収集および解析システム100は従来技術の画像
選別システムに比較して改良されている。なぜならば、
本画像解析システムは当該検体が全体として正常である
か否かを判定することができるからである。これに対し
て、従来技術の画像選別システムはスライド上の問題な
しと見られる物体を識別することがだけが可能であるに
すぎない。図２を参照すると、スライド112はバーコー
ドまたは他の機械読み取り可能な識別子をその領域に有
するバーコード部分200およびその領域上に検体が置か
れる検体部分202を含む。図２のステップＡに示したよ
うに、検体は多数の物体204を含有しうる。画像予備選
別を実行するための従来技術の装置はスライド112上の
これら物体204の画像を表わすデータを捕捉しそして捕
捉された画像データを解析して正常とは見えない物体20
6（ステップＢ）を識別するものである。この従来装置
は細胞検査技師によるCRT再検査のためにそれら識別さ
れた物体の記録像を記憶しておくことができる。
これに対して、本発明の画像収集および解析システム
100はステップＡとＢを経由して物体206を表わす画像デ
ータを解析しそして、ステップ208に示したように、ス
ライド112の上にある検体が正常であるか否かについて
判定する、そのスライドが正常であった場合、すなわち
ステップ210では細胞検査技師はそのスライドを調べる
必要がない。しかしながら、判定208においてスライド
が正常であると判定されなかった場合には、ステップ21
2において細胞検査技師によって当該スライドが調べら
れ、独立的に当該スライドが正常、ステップ214、と判
断されるか、あるいは当該スライドはさらに再検査を要
する、ステップ216、と判断される。
当技術分野に通常の知識を有する者には明らかなよう
に、本発明は従来技術に対して顕著な改良を示してい
る。なぜならば、細胞検査技師は検体が正常であるか否
かを判断するために各スライドをすべて再検査したりあ
るいは各スライドからの当該データを逐一調べる必要が
ないからである。本発明を具体化した装置は再検査され
る全スライドの50乃至80％もの多くを正常スライドとし
て確認するよう構成することができる。このことは細胞
検査技師の仕事負担量が50乃至80％軽減されることを意
味し、したがって、生物医学的分析試験所の出来高を相
当に増加できることを表わしている。
図２に示した方法論を具体化するため、本発明の方法
は図3Aと3Bに示した工程を実施する。すなわち、データ
処理システム114は画像収集システム102（図１）にスラ
イド112を走査して画像データを供給するよう制御信号
を送る。次いで、データ処理システム114はスライド上
の検体の複数の物体を識別するため画像データを処理す
る。当技術分野に通常の知識を有する者にとって明らか
なように、各物体は１個の細胞、１つの細胞グループあ
るいは人為産物でありうる。本発明の現在の好ましい実
施例においては、データ処理システム114は最初にどの
視野が物体を含むかを見つけるため第１の倍率でスライ
ドを走査するように画像収集システム102を制御する。
データ処理システム114は第２回目に画像収集システム1
02がより高い倍率でスライドを走査して第１回目の走査
で確定された視野の画像データを得るよう制御する。こ
のように、種々の解像度の画像データが得られる。
与えられた各組の視野画像データに対して、データ処
理システム114は視野内の問題のあるそれぞれの物体を
識別するためマスクを発生する。この時発生されるマス
クは多数の物体識別子OB（ｘ）を含み、このマスクは各
問題物体OBを特徴づけるデータを発生するため最初の視
野データと組み合わせることができる。
視野内のOB（ｘ）物体を識別するためのマスクが発生
されてしまった後、本方法の工程302で使用するため変
数が初期化される。変数k,i,gはインデックス変数であ
り、最初は１にセットされる。変数ｊは問題物体のマス
ク内のＸ物体の個数を認識するために使用される。現在
の本発明の好ましい実施例では、問題物体は３段階に分
類される。したがって、現評価段階を記録するため工程
301では段階の変数はｇにセットされる。したがって、
第１段階の問題物体OBのマスクは段階マスクと呼ばれ
る。
次に、工程304において、各物体が調べられて当該物
体が正常と見えるか異常と見えるか判断される。当該物
体が正常と見えるか異常と見えるかの判断は当該物体を
特性化するため当該物体の特徴の数を測定することによ
ってなされる。当該物体を特性化し、それによって当該
物体が正常か否かを決定するために測定されうる特徴の
例は当該物体の寸法、形状、密度、組織などである。画
像収集および解析システム100が子宮頚管Pap塗抹標本解
析のために使用される本実施例の場合では、問題物体が
正常か否かを判断するために複数の近隣物体の特徴が測
定される。測定可能な近隣物体の特徴の例は問題物体の
近位に存在する物体の総個数および問題物体の近位に存
在する異常物体の個数である。他の用途においては、近
隣物体のその他の特徴をさらに測定して問題物体が正常
か否かを判断することができよう。
当技術分野の通常の知識を有する者にとって明らかな
ように、本明細書では子宮頚管Pap塗抹標本の細胞が正
常であるか否かを判断するために使用されるものとして
特定の特徴を記載したが、それらの特徴を別の特徴で置
き換えることも可能なことである。さらに、本発明が細
胞学、組織学の他の分野あるいは別の画像解析領域に適
用される場合には、各種の他の特徴および特徴組み合わ
せが当該物体を正常か異常かを判断するために望ましい
ものとなりうるであろう。
選択された特徴のいかんにかかわらず、後述するよう
に複数の特徴測定値が組み合わされ、そして工程304に
おいてその物体が正常らしいか異常らしいかの判定がな
される。物体が異常らしいと判断された場合には、その
物体の１つのマスクが工程306においてアレイAB（ｋ）
に記録される。この後、工程308でおいてインデックス
変数ｋがインクレメントされる。他方、その物体が正常
らしいと工程304において判断された場合には、工程310
においてインデックス変数ｉがインクレメントされ、そ
して変数ｉが変数ｊと比較されて問題物体のマスクのす
べての物体が検査されたか否かが工程312において判断
される。工程304乃至312はすべての物体が検査されてし
まうまでくり返される。すべてが検査された時点では、
アレイAB（ｋ）は正常とは見えない視野内の各物体を認
識する画像データを含有する。
異常物体を表わす画像データは段階２マスクを発生
し、異常物体の寸法、形状および段階１マスクからの位
置が確かめられる。当技術分野に通常の知識を有する者
は異常物体を識別する段階２マスクは各種の方法でつく
り出すことができることを理解するであろう。たとえ
ば、正常物体を段階１マスクから差し引いて、異常であ
ると認識された物体だけが残るようにすることができ
る。別の方法として、段階２マスクは段階１マスクでの
異常物体を表わすデータをブランクマスクに付加するこ
とによって創出することができる。さらにいま１つの方
法として、最初のグレイスケール画像に付加的な画像処
理をほどこして段階１マスクを洗練して段階２マスクを
つくることもできる。その他の段階２マスクを創出する
方法は当技術分野に通常の知識を有する者にとって自明
であろう。
３つの段階について段階301乃至312が繰り返され、第
３段階が完了したか否かを判定するために工程303で変
数Stageが３と比較され、そして、３でない場合には、
工程305でインデックス変数ｇが１だけインクレメント
され、段階２マスクの物体は問題アレイOBの物体の中に
保存される（図３）。
本発明の現在の好ましい実施例においては、順次的各
段階において物体が正常か異常かを判断するために異な
る特徴が測定される。たとえば、段階１においては異常
物体はその寸法と形状を測定することによって認識され
る。段階１で異常と認識された物体はそれらが本当に異
常であるか否かを判断するため段階２で測定される。こ
の段階２では、その物体が正常か異常かを判断するため
に当該物体の組織（texture）と密度を測定することが
できる。段階２で異常と認識された物体はそれらが本当
に異常であるか否かを判断するため段階３で測定される
ことになる。この段階３では、その物体が正常か異常か
を判断するために当該物体の近位にある異常物体の個数
ならびに当該物体の近位に存在する物体の総数を測定す
ることができる。
段階１、段階２または段階３で物体が正常か異常かを
判定する時に、その物体の特徴測定値がモデファイドバ
イナリーデシジョントリー（modified binary decision
tree）に入力される。このデシジョントリーのターミ
ナル結節はデシジョントリー入力として使用される特徴
スペースの領域を識別する。詳細に説明すると、各ター
ミナル結節には予め決定された信頼値が指定されてお
り、１つの物体の測定結果がバイナリートリーのある特
定のターミナル結節である場合には、その物体に該予定
信頼値が割り当てられる。本発明の現在使用している好
ましい実施例では、各ターミナル結節はそれぞれの物体
に３つの信頼値を割り当てる。１つの信頼値はその物体
が人為産物である可能性を指示するために割り当てられ
る。第２の信頼値はその物体が正常細胞である可能性を
指示するために割り当てられる。そして第３の信頼値は
その物体が異常である可能性を指示するために割り当て
られる。本発明の現在の好ましい実施例では、物体が人
為産物であるか、正常細胞であるかまたは異常細胞であ
るかを決定するために段々と大きい信頼値を使用してい
る。しかしながら、当技術分野に通常の知識を有する者
には明らかなように、これらの信頼値は物体を正常、異
常または人為産物に分類するためにさまざまな方法で比
較し、結合しまた使用することができるものである。さ
らに、別の信頼値を別の分類または複数の異なる分類の
ために割り当てることができることが理解できよう。さ
らにまた、複数の特徴測定値を結合するためにバイナリ
ーデシジョントリーが使用されているが、それの代わり
に他のデータ処理法を同じく使用することができる。
この点について付言すると、それぞれの物体はそれ自
体にかかわる前記のごとき特徴に関連して分類されるの
みならず、さらにそのスライド上に存在する他の複数の
物体にかかわる特徴に関連しても分類される。たとえ
ば、物体はそれの近くにある複数の物体にかかわる近隣
特徴測定値を受け取ることができる。問題物体の近隣物
体がもし寸法または形状の点で異常であると見えた場合
には、問題物体の近隣特徴測定値は相対的な異常性を指
示するであろう。逆に、近隣物体がすべて正常細胞であ
るように見えた場合には、問題物体の近隣特徴測定値は
相対的正常性を指示するであろう。同じようにして、各
物体に数特徴測定値が与えられる。この数特徴測定値は
当該物体の近くに存在する細胞の個数に関連して当該物
体の正常性を指示するものである。すなわち、当該物体
の近隣の細胞の数が予め定められた範囲内である場合に
は、当該物体には相対的正常性を指示する数特徴測定値
が与えられる。反対に、当該物体の近隣の細胞の数が予
め定められた範囲外であった場合には、当該物体には相
対的異常性を指示する数特徴測定値が与えられる。
正常とは見えない複数の物体AB（ｋ）に与えられる複
数の特徴測定値についていえば、各測定値はある範囲の
数値がその物体に与えられうるように予め定められた範
囲にわたって変わり得るものである。さらに、当技術分
野に通常の知識を有する者にとって明らかなように、上
記したような特徴に加えて、さらに他の特徴、当該物体
についての特徴とその近隣物体についての特徴の両方、
あるいは物体の状態などを与えることもできる。しかし
ながら、本発明の重要な点は、検査物体がそれ自体にか
かわる特徴によってのみ分類されるのではなく、それの
外部の特徴によっても分類されることである。このこと
によって、検体が全体として正常であるか異常であるか
の判定がより正確になされ得るのである。
再び図3Aと3Bを参照すると、段階３が完了した後にお
いては、画像収集および解析システム100のデータプロ
セッサー116には各段階の分類データが保存されてい
る。それら分類データにより当該段階で正常とされた物
体の個数、当該段階で異常とされた物体の個数、および
当該段階で人為産物と認識された物体の個数がわかる。
１つのスライド全体が正常らしいか否かを決定するため
に、工程316において、それら分類データが組み合わさ
れて各スライドに対する総合評価Ｎが与えられる。そし
て、この総合評価が予め定められた正常値PNVと比較さ
れる。総合評価がその予定正常値より小さかった場合に
は、工程320においてそのスライドは正常であると認定
される。しかしながら、総合評価がその予定正常値と等
しいかまたはそれより大きかった場合には、工程322に
おいてそのスライドはさらに検査が必要と認定され、こ
の場合は細胞検査技師によって再検査されなければなら
ない。
総合評価Ｎを与えるために分類データは各種の仕方で
組み合わせることができる。同様に、予定正常値PNVも
種々選択することができる。この場合、予定正常値の相
対的大きさが、部分的には、本方法の正確度を決定する
であろう。スライドが正常か否かを判定するために分類
データを組み合わせる１つの好ましい方法は下記式で定
義される２つの分類係数f1とf2を求めるものである： そしてスライドの総合評価Ｎは次式の異常性スコアとし
て定義するのである： 異常性スコア＝Ω1f1＋Ω2f2 式中、Ω１とΩ２は予め定めた定数である。
当技術分野に通常の知識を有する者にとって明らかな
ように、分類データはスライドの総合評価を決定するた
めに各種の方法で組み合わせることができる。たとえ
ば、各段階の正常物体の数を人為産物の数および／また
は異常物体の数と比較することができる。また別の例と
して種々の段階での異常物体の数を種々の段階での正常
物体の数と比較することができる。さらにまた、スライ
ドの総合評価を定めるために信頼率を分類データと組み
合わせて使用することができる。当技術分野に通常の知
識を有する者はスライドの総合評価を与えるために分類
データと信頼率を組み合わせる方法として各種の方法が
得られることが理解されよう。
上記から明らかなごとく、本発明の特定の実施例を説
明の目的で本明細書に記載したが、本発明の精神と範囲
から逸脱することなくさまざまな変更がなし得るもので
ある。したがって、本発明は添付請求の範囲によって制
限される以外、なんらの制限も受けない。
フロントページの続き (72)発明者 リー，シー−ヨン ジェームズ アメリカ合衆国．98006 ワシントン, ベレヴュー，サウスイースト フォーテ ィシックスス ストリート 14116 (72)発明者 ジョンストン，リチャード エス. アメリカ合衆国．98027 ワシントン, イサカ，サウスイースト トウェンティ エイス ストリート 25524 (56)参考文献 特開 平２−36486（ＪＰ，Ａ) 特公 昭58−29872（ＪＰ，Ｂ２) 特公 平１−25104（ＪＰ，Ｂ２) (58)調査した分野(Int.Cl.7，ＤＢ名) G06T 7/00

Claims (30)

    (57)【特許請求の範囲】
  1. 【請求項１】下記工程を包含する陰性の生物医学的検体
    （202）を確認するための方法： （ａ）患者から生物医学検体（202）を得てその生物医
    学検体（202）を顕微鏡スライド（112）の上に置く、こ
    こで該生物医学検体（202）は患者の複数の細胞（204）
    からなる； （ｂ）電子的に制御される顕微鏡（104）を用意して顕
    微鏡スライド（112）上の検体（202）を表わす画像デー
    タ（120）を得る； （ｃ）該画像データ（120）を処理してスライド（112）
    上の検体（202）の物体（204）を識別しそして物体デー
    タ（120）を得る、ここで各物体（204）は１個の細胞ま
    たは１個の人為産物からなり得そして該物体データは識
    別された物体（204）を表わすものである； （ｄ）該物体データ（120）を識別された物体（204）の
    予め定められた特徴に関して解析して各物体（204）に
    ついての特徴測定値を得、また当該物体（204）の近く
    に存在する物体（204）を調べて当該物体（204）の近く
    に存在する物体（204）の特徴によって決定される当該
    物体（204）についての１つの特徴測定値を得、そして
    それら特徴測定値を組み合わせて（316）各物体（204）
    についての一組の信頼率を得る、ここで該一組の信頼率
    （314）は当該物体（204）が正常細胞、異常細胞または
    人為産物であることを指示する； （ｅ）該スライド（112）上のすべての物体（204）につ
    いての複数組の信頼率（314）を組み合わせて（316）該
    スライド（112）についての総合的生物医学的評価を求
    めそして得られた生物医学的評価が予め定められた範囲
    （318）内にあるか否かを判断し、範囲内にあった場合
    には該生物医学的試料をさらに人間による再検査を必要
    としない正常試料（320）であると確認し、そしてもし
    範囲内になかった場合には工程（322）（ｆ）を実行す
    る；そして （ｆ）該スライド（112）をさらに検査を必要とするお
    そらく異常である試料（320）として認定し（308）そし
    てその異常物体データ（120）とその異常物体ロケーシ
    ョンデータをユーザーに提供する。
  2. 【請求項２】物体データ（120）を、識別された物体（2
    04）の予め定められた特徴に関して解析する、上記工程
    （ｄ）が下記副工程を含む請求項１記載の方法： （ｇ）当該物体（204）の形状、当該物体（204）の寸
    法、当該物体（204）の密度および当該物体（204）の組
    織についての特徴測定値を得る。
  3. 【請求項３】当該物体（204）の近くに存在する物体（2
    04）を調べる上記工程（ｄ）が下記副工程を含む請求項
    １記載の方法： （ｈ）近隣特徴測定値と数特徴測定値（100）を得る、
    ここで近隣特徴測定値は当該物体（204）の周囲の物体
    （204）の特徴を表すものでありそして数特徴測定値は
    当該物体（204）の近くに存在する物体（204）の数を表
    すものである。
  4. 【請求項４】下記工程を包含する生物医学的像を表す画
    像データ（120）を解析するための方法： （ａ）画像データ（120）を処理して（114）生物医学的
    像の物体（204）を識別しそして物体データ（120）を得
    る、ここで物体データ（120）は識別された物体（204）
    を表わすものである； （ｂ）該物体データ（120）によって識別された物体（2
    04）の予め定められた特徴に関して物体データ（120）
    を解析して（304）各物体（204）についての特徴測定値
    を得、各物体（204）についてそれらの特徴測定値を組
    み合わせて（316）一組の分類係数を得、該一組の分類
    係数もとづいて一組の第一段階異常物体（204）をきめ
    る（316）、ここで該一組の第一段階異常物体（204）
    は、上記一組の分類係数がその物体（204）を異常であ
    ると指示する物体として識別される（308）ものであ
    る； （ｃ）該第一段階異常物体（204）に対して工程（ｂ）
    を繰り返す；そして （ｄ）段階の一部分で正常および異常と識別された物体
    （204）の数を決定し（114,308）、それらの数を組み合
    わせて（316）該生物医学的像についての総合評価を
    得、該総合評価が予め定められた範囲（318）にあるか
    否かを判定し、そして範囲内にある場合にはその生物医
    学的像を正常と認定する。
  5. 【請求項５】下記工程を包含する生物医学的像を表す画
    像データ（120）を解析するための方法： （ａ）画像データ（120）を処理して（114）生物医学的
    像の物体（204）を識別しそして物体データ（120）を得
    る、ここで物体データ（120）は識別された物体（204）
    を表わすものである； （ｂ）該物体データ（120）によって識別された物体（2
    04）の予め定められた特徴に関して該物体データ（12
    0）を解析して（304）各物体（204）についての特徴測
    定値を得、それらの特徴測定値を組み合わせて（316）
    一組の信頼率（314）を得、それにもとづいて分類デー
    タを得る（316）、ここで分類データは物体（204）が正
    常であるか異常であるかを指示するために使用される； （ｃ）該生物医学的像の物体（204）の一部分について
    該分類データを組み合せて該生物医学的像についての総
    合評価を得そして該総合評価が予め定められた範囲（31
    8）にあるか否かを判定し、そして範囲内にある場合に
    はその生物医学的像を正常と認定する。
  6. 【請求項６】予め定められた特徴に関して物体データ
    （120）を解析する（304）工程（ｂ）が下記副工程を含
    む請求項５記載の方法： （ｄ）一組の第一段階異常物体（204）をきめる、ここ
    で該一組の第一段階異常物体（204）は前記一組の信頼
    率（314）がその物体（204）を異常と指示する物体とし
    て識別されるものである；そして （ｅ）該第一段階異常物体（204）の第一段階特徴に関
    して該物体データ（120）を解析して（304）各第一異常
    物体（204）について第一段階特徴測定値を得そして該
    第一段階特徴測定値を組み合わせて（316）一組の第一
    段階信頼率（314）を得る、ここで該第一段階特徴は上
    記予め定められた特徴とは区別される。
  7. 【請求項７】予め定められた特徴に関して物体データ
    （120）を解析する（304）工程（ｂ）が下記副工程を含
    む請求項５記載の方法： （ｆ）物体（204）の形状、物体（204）の寸法、物体
    （204）の密度および物体（204）の組織についての特徴
    測定値を得る。
  8. 【請求項８】予め定められた特徴に関して物体データ
    （120）を解析する（304）工程（ｂ）が下記副工程を含
    む請求項５記載の方法： （ｇ）当該物体（204）の近くに存在する物体（204）を
    調べて当該物体（204）の近くに存在する物体（204）の
    特徴によって決定される当該物体（204）についての１
    つの特徴測定値を得る。
  9. 【請求項９】当該物体（204）の近くに存在する物体（2
    04）を調べる工程（ｇ）が下記副工程を含む請求項８記
    載の方法： （ｈ）近隣特徴測定値および数特徴測定値を得る（10
    0）、ここで近隣特徴測定値は当該物体（204）の周囲の
    物体（204）の特徴を表すものでありそして数特徴測定
    値は当該物体（204）の近くに位置している物体（204）
    の数を表わすものである。
  10. 【請求項１０】さらに下記工程を含む請求項９記載の方
    法： （ｉ）患者から生物医学的検体（202）を得そして該生
    物医学的検体（202）を１つのスライド（112）の上に置
    く；そして （ｊ）生物医学的画像形成装置を用意してスライド（11
    2）上の該検体（202）から画像データ（120）を得る。
  11. 【請求項１１】データ処理システムにより制御される画
    像収集システムを用いて、生物学的検体スライド上の物
    体の状態を複数の他の物体の共存下において決定するた
    めの、下記工程を包含する方法： （ａ）該画像収集システムを用い、該物体の少なくとも
    １つの画像と該複数の他の物体の少なくとも１つの画像
    を得る； （ｂ）該データ処理システムを用い、該複数の他の物体
    の少なくとも１つについて少なくとも１つの特徴を測定
    する； （ｃ）該データ処理システムを用い、該少なくとも１つ
    の特徴に基づいて該複数の他の物体の少なくとも１つを
    正常又は異常と分類する； （ｄ）該データ処理システムを用い、該物体の近くに存
    在する該複数の他の物体の少なくとも１つの分類に基づ
    いて該物体を正常又は異常と分類する。
  12. 【請求項１２】該複数の他の物体が細胞又は人為産物で
    ある請求項11記載の方法。
  13. 【請求項１３】該少なくとも１つの特徴が形状、寸法、
    密度及び組織からなる群より選択される請求項11記載の
    方法。
  14. 【請求項１４】該生物学的検体スライドが患者から採ら
    れ顕微鏡スライド上に載置された生物学的検体である請
    求項11記載の方法。
  15. 【請求項１５】該生物学的検体スライドが子宮頸管Pap
    塗抹スライドである請求項11記載の方法。
  16. 【請求項１６】該画像収集システムを用い該物体の少な
    くとも１つの画像と該複数の他の物体の少なくとも１つ
    の画像を得る工程が更に次の工程を包含する請求項11記
    載の方法： （ａ）該画像収集システムを用い、該物体及び複数の他
    の物体の少なくとも１つの視野を得る； （ｂ）該少なくとも１つの視野のそれぞれについて、該
    少なくとも１つの視野内の該物体及び複数の他の物体を
    識別する物体識別子マスクを発生する。
  17. 【請求項１７】該少なくとも１つの特徴が特徴スペース
    のメンバーであり、該データ処理システムを用い該少な
    くとも１つの特徴に基づいて該複数の他の物体の少なく
    とも１つを正常又は異常と分類する工程が更に次の工程
    を包含する請求項11記載の方法： （ａ）該データ処理システムを用い、各ターミナル結節
    が該特徴スペースの領域を識別するモデファイドバイナ
    リーデシジョントリーに該少なくとも１つの特徴を入力
    する； （ｂ）該データ処理システムを用い、各ターミナル結節
    に複数の所定の信頼値を割り当てておき、もしある物体
    の特徴測定値が該モデファイドバイナリーデシジョント
    リーのあるターミナル結節を選択することになった場合
    には、該複数の所定の信頼値がその物体に割り当てられ
    るようにする。
  18. 【請求項１８】該複数の他の物体のそれぞれに各ターミ
    ナル結節により３つの信頼値を割り当てる工程を包含
    し、第１の信頼値はその物体が人為産物である可能性を
    指示するために割り当てられ、第２の信頼値はその物体
    が正常細胞である可能性を指示するために割り当てら
    れ、第３の信頼値はその物体が異常である可能性を指示
    するために割り当てられる、請求項17記載の方法。
  19. 【請求項１９】該物体を正常又は異常と分類する工程
    が、一部は該物体の近くに存在する該複数の他の物体の
    少なくとも１つの分類に基づき、一部は該物体の予備的
    分類に基づき、データ処理システムを用いてなされる請
    求項11記載の方法。
  20. 【請求項２０】データ処理システムにより制御される画
    像収集システムに用いるための、下記工程を包含する生
    物学的検体選択方法： （ａ）該画像収集システムを用い、生物学的検体の少な
    くとも１つの画像を得る； （ｂ）該データ処理システムを用い、該少なくとも１つ
    の画像内の複数の物体を識別する； （ｃ）該データ処理システムを用い、該複数の物体の少
    なくとも１つについて少なくとも１つの特徴を測定す
    る； （ｄ）該データ処理システムを用い、該少なくとも１つ
    の特徴に基づいて該複数の物体の少なくとも１つを正常
    又は異常と分類する； （ｅ）該データ処理システムを用い、該複数の物体の少
    なくとも１つの近くに存在する該複数の物体の他の少な
    くとも１つの分類に基づいて、該複数の物体の少なくと
    も１つを正常又は異常と分類する； （ｆ）該データ処理システムを用い、上記工程（ｄ）及
    び工程（ｅ）で分類された該複数の物体の少なくとも１
    つの分類に基づいて、該生物学的検体を選択する。
  21. 【請求項２１】該複数の他の物体が細胞又は人為産物で
    ある請求項20記載の方法。
  22. 【請求項２２】該少なくとも１つの特徴が形状、寸法、
    密度及び組織からなる群より選択される請求項20記載の
    方法。
  23. 【請求項２３】該生物学的検体が患者から採られ顕微鏡
    スライド上に載置された生物学的検体である請求項20記
    載の方法。
  24. 【請求項２４】該生物学的検体が子宮頸管Pap塗抹スラ
    イドである請求項20記載の方法。
  25. 【請求項２５】該データ処理システムを用い該少なくと
    も１つの画像内の複数の物体を識別する工程が、該少な
    くとも１つの画像のそれぞれについて該少なくとも１つ
    の画像内の該複数の物体を識別する物体識別子マスクを
    発生する工程を更に包含する、請求項20記載の方法。
  26. 【請求項２６】該少なくとも１つの特徴が特徴スペース
    のメンバーであり、該データ処理システムを用い該少な
    くとも１つの特徴に基づいて該複数の物体の少なくとも
    １つを正常又は異常と分類する工程が更に次の工程を包
    含する請求項20記載の方法： （ａ）該データ処理システムを用い、各ターミナル結節
    が該特徴スペースの領域を識別するモデファイドバイナ
    リーデシジョントリーに該少なくとも１つの特徴を入力
    する； （ｂ）該データ処理システムを用い、各ターミナル結節
    に所定の信頼値を割り当てておき、もしある物体の特徴
    測定値が該モデファイドバイナリーデシジョントリーの
    あるターミナル結節に該当することになった場合には、
    該所定の信頼値がその物体に割り当てられるようにす
    る。
  27. 【請求項２７】該複数の物体のそれぞれに各ターミナル
    結節により３つの信頼値を割り当てる工程を包含し、第
    １の信頼値はその物体が人為産物である可能性を指示す
    るために割り当てられ、第２の信頼値はその物体が正常
    細胞である可能性を指示するために割り当てられ、第３
    の信頼値はその物体が異常である可能性を指示するため
    に割り当てられる、請求項26記載の方法。
  28. 【請求項２８】該生物学的検体を正常として選択する工
    程が該生物学的検体を技師による再検査を要しないと識
    別する工程を包含する請求項20記載の方法。
  29. 【請求項２９】データ処理システムにより制御される画
    像収集システムに用いるための、下記工程を包含する生
    物学的検体選択方法： （ａ）該画像収集システムを用い、それぞれ少なくとも
    １つの視野を有する生物学的検体の複数の画像を得る； （ｂ）該データ処理システムを用い、該少なくとも１つ
    の視野内の少なくとも１つの対象物体を識別する； （ｃ）該データ処理システムを用い、該少なくとも１つ
    の対象物体のそれぞれの少なくとも１つの特徴を測定す
    る； （ｄ）該データ処理システムを用い、該少なくとも１つ
    の特徴の値に基づいて該少なくとも１つの対象物体のそ
    れぞれを正常又は異常と評価し、かくして第１段階異常
    物体を識別し、第１段階正常物体を識別し、第１段階異
    常物体数を計数し、第１段階正常物体数を計数する； （ｅ）該データ処理システムを用い、該第１段階異常物
    体のそれぞれについて少なくとも１つの特徴値を測定す
    る； （ｆ）該第１段階異常物体の少なくとも１つの形状、寸
    法又は密度をその近くに存在する少なくとも１つの物体
    の形状、寸法又は密度と比較することにより、相対的第
    １段階異常性を示す該第１段階異常物体についての少な
    くとも１つの近隣特徴測定値を測定する； （ｇ）該第１段階異常物体の近くに存在する他の第１段
    階異常物体及び第１段階正常物体の全数を計数すること
    により、相対的第１段階異常性を示す該第１段階異常物
    体についての少なくとも１つの数特徴測定値を測定す
    る； （ｈ）該データ処理システムを用い、該少なくとも１つ
    の特徴値、少なくとも１つの近隣特徴測定値及び少なく
    とも１つの数特徴測定値に基づいて該第１段階異常物体
    のそれぞれを正常又は異常と評価し、かくして第２段階
    異常物体を識別し、第２段階正常物体を識別し、第２段
    階異常物体数を計数し、第２段階正常物体数を計数す
    る； （ｉ）該データ処理システムを用い、該第２段階異常物
    体の近隣の異常物体の数の計数値及び該第２段階異常物
    体の近隣の物体の全数の計数値に基づいて該第２段階異
    常物体のそれぞれを正常又は異常と評価し、かくして第
    ３段階異常物体を識別し、第３段階正常物体を識別し、
    第３段階異常物体数を計数し、第３段階正常物体数を計
    数する； （ｊ）該データ処理システムを用い、第１段階異常物体
    数、第１段階正常物体数、第２段階異常物体数、第２段
    階正常物体数、第３段階異常物体数及び第３段階正常物
    体数を代数的に組み合わせて正常度を計算する； （ｋ）該データ処理システムを用い、該正常度を予定正
    常度と比較して、該正常度が予定正常度を超えていると
    きに該生物学的検体を正常として選択する。
  30. 【請求項３０】該生物学的検体を正常として選択する工
    程が該生物学的検体を技師の再検査を要しないと識別す
    る工程を包含する請求項29記載の方法。
JP05514347A 1992-02-18 1993-02-18 正常な生物医学検体を確認する方法 Expired - Fee Related JP3050406B2 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US83806492A 1992-02-18 1992-02-18
US838,064 1992-02-18
PCT/US1993/001435 WO1993016436A1 (en) 1992-02-18 1993-02-18 Method for identifying normal biomedical specimens

Publications (2)

Publication Number Publication Date
JPH07504283A JPH07504283A (ja) 1995-05-11
JP3050406B2 true JP3050406B2 (ja) 2000-06-12

Family

ID=25276159

Family Applications (1)

Application Number Title Priority Date Filing Date
JP05514347A Expired - Fee Related JP3050406B2 (ja) 1992-02-18 1993-02-18 正常な生物医学検体を確認する方法

Country Status (8)

Country Link
US (1) US5787188A (ja)
EP (1) EP0628186B1 (ja)
JP (1) JP3050406B2 (ja)
AU (1) AU670938B2 (ja)
CA (1) CA2130338C (ja)
DE (1) DE69322498T2 (ja)
ES (1) ES2127810T3 (ja)
WO (1) WO1993016436A1 (ja)

Families Citing this family (30)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6026174A (en) * 1992-10-14 2000-02-15 Accumed International, Inc. System and method for automatically detecting malignant cells and cells having malignancy-associated changes
US5889881A (en) * 1992-10-14 1999-03-30 Oncometrics Imaging Corp. Method and apparatus for automatically detecting malignancy-associated changes
CA2132269C (en) * 1993-10-12 2000-02-01 Rainer Hermann Doerrer Interactive automated cytology method and system
JP3165309B2 (ja) * 1993-12-22 2001-05-14 株式会社日立製作所 粒子画像解析装置
US5889880A (en) * 1995-06-07 1999-03-30 Autocyte, Inc. Interactive automated cytology method incorporating both manual and automatic determinations
US6091842A (en) * 1996-10-25 2000-07-18 Accumed International, Inc. Cytological specimen analysis system with slide mapping and generation of viewing path information
US5930732A (en) * 1995-09-15 1999-07-27 Accumed International, Inc. System for simplifying the implementation of specified functions
US5963368A (en) * 1995-09-15 1999-10-05 Accumed International, Inc. Specimen management system
CA2185511C (en) * 1995-09-15 2008-08-05 Vladimir Dadeshidze Cytological specimen analysis system with individualized patient data
US6148096A (en) * 1995-09-15 2000-11-14 Accumed International, Inc. Specimen preview and inspection system
US6118581A (en) * 1995-09-15 2000-09-12 Accumed International, Inc. Multifunctional control unit for a microscope
IL115985A0 (en) * 1995-11-14 1996-01-31 Elop Electrooptics Ind Ltd System and method for computerized archiving
US6665060B1 (en) 1999-10-29 2003-12-16 Cytyc Corporation Cytological imaging system and method
US6661501B1 (en) 1999-10-29 2003-12-09 Cytyc Corporation Cytological stain composition including verification characteristic
US7369304B2 (en) * 1999-10-29 2008-05-06 Cytyc Corporation Cytological autofocusing imaging systems and methods
US6593102B2 (en) 1999-10-29 2003-07-15 Cytyc Corporation Cytological stain composition
US6348325B1 (en) 1999-10-29 2002-02-19 Cytyc Corporation Cytological stain composition
US6535626B1 (en) 2000-01-14 2003-03-18 Accumed International, Inc. Inspection system with specimen preview
WO2002015559A2 (en) * 2000-08-10 2002-02-21 The Regents Of The University Of California High-resolution digital image processing in the analysis of pathological materials
US8722357B2 (en) 2001-11-05 2014-05-13 Life Technologies Corporation Automated microdissection instrument
US10156501B2 (en) 2001-11-05 2018-12-18 Life Technologies Corporation Automated microdissection instrument for determining a location of a laser beam projection on a worksurface area
CA2500805A1 (en) * 2002-09-13 2004-03-25 Arcturus Bioscience, Inc. Interactive and automated tissue image analysis
CA2580025A1 (en) 2004-09-09 2006-03-23 Molecular Devices Corporation Laser microdissection apparatus and method
GB0503629D0 (en) * 2005-02-22 2005-03-30 Durand Technology Ltd Method and apparatus for automated analysis of biological specimen
US7398171B2 (en) * 2005-06-30 2008-07-08 Applera Corporation Automated quality control method and system for genetic analysis
US20070140543A1 (en) * 2005-12-19 2007-06-21 Cytyc Corporation Systems and methods for enhanced cytological specimen review
US8023714B2 (en) * 2007-06-06 2011-09-20 Aperio Technologies, Inc. System and method for assessing image interpretability in anatomic pathology
US7936913B2 (en) 2007-08-07 2011-05-03 Nextslide Imaging Llc Network image review in clinical hematology
JP6342810B2 (ja) 2011-11-17 2018-06-13 コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． 画像処理
WO2020223798A1 (en) * 2019-05-03 2020-11-12 Huron Technologies International Inc. Image diagnostic system, and methods of operating thereof

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3919530A (en) * 1974-04-10 1975-11-11 George Chiwo Cheng Color information leukocytes analysis system
US4199748A (en) * 1976-11-01 1980-04-22 Rush-Presbyterian-St. Luke's Medical Center Automated method and apparatus for classification of cells with application to the diagnosis of anemia
US4097845A (en) * 1976-11-01 1978-06-27 Rush-Presbyterian-St. Luke's Medical Center Method of and an apparatus for automatic classification of red blood cells
US4175860A (en) * 1977-05-31 1979-11-27 Rush-Presbyterian-St. Luke's Medical Center Dual resolution method and apparatus for use in automated classification of pap smear and other samples
US4213036A (en) * 1977-12-27 1980-07-15 Grumman Aerospace Corporation Method for classifying biological cells
US4513438A (en) * 1982-04-15 1985-04-23 Coulter Electronics, Inc. Automated microscopy system and method for locating and re-locating objects in an image
US4661913A (en) * 1984-09-11 1987-04-28 Becton, Dickinson And Company Apparatus and method for the detection and classification of articles using flow cytometry techniques
US5134662A (en) * 1985-11-04 1992-07-28 Cell Analysis Systems, Inc. Dual color camera microscope and methodology for cell staining and analysis
US5086476A (en) * 1985-11-04 1992-02-04 Cell Analysis Systems, Inc. Method and apparatus for determining a proliferation index of a cell sample
US4998284A (en) * 1987-11-17 1991-03-05 Cell Analysis Systems, Inc. Dual color camera microscope and methodology for cell staining and analysis
US4965725B1 (en) * 1988-04-08 1996-05-07 Neuromedical Systems Inc Neural network based automated cytological specimen classification system and method

Also Published As

Publication number Publication date
AU670938B2 (en) 1996-08-08
JPH07504283A (ja) 1995-05-11
DE69322498D1 (de) 1999-01-21
EP0628186A4 (en) 1995-02-01
CA2130338C (en) 2000-06-06
AU3722893A (en) 1993-09-03
EP0628186A1 (en) 1994-12-14
CA2130338A1 (en) 1993-08-19
ES2127810T3 (es) 1999-05-01
US5787188A (en) 1998-07-28
DE69322498T2 (de) 1999-07-01
WO1993016436A1 (en) 1993-08-19
EP0628186B1 (en) 1998-12-09

Similar Documents

Publication Publication Date Title
JP3050406B2 (ja) 正常な生物医学検体を確認する方法
US7027627B2 (en) Medical decision support system and method
US5848177A (en) Method and system for detection of biological materials using fractal dimensions
US6246785B1 (en) Automated, microscope-assisted examination process of tissue or bodily fluid samples
US20100201800A1 (en) Microscopy system
US8649580B2 (en) Image processing method, image processing apparatus, and computer-readable recording medium storing image processing program
JPH0475463B2 (ja)
EP1787156A1 (en) Automated diagnosis of malaria and other infections
EP2116974B1 (en) Statistics collection for lesion segmentation
JPH07225190A (ja) 対象物評価の相互連関方法
JPH0418267B2 (ja)
JP2003521669A (ja) 検体の予備処理機能を備えた検査体系
US11948294B2 (en) Device and method for supporting bone marrow reading based on image analysis
RU2295297C2 (ru) Способ исследования и диагностики состояния биологического объекта или его части
WO2008111071A1 (en) Modifying software to cope with changing machinery
US7558427B2 (en) Method for analyzing image data
WO1994014063A1 (en) Order-based analyses of cell and tissue structure
US20220260825A1 (en) Scanning/pre-scanning quality control of slides
DE69831573T2 (de) Inspektionssystem mit probenvorschau
Ghodhbani et al. U-NET Architecture for automatic MS lesions segmentation using MR images
JPH1090163A (ja) 粒子分析装置
WO2024075274A1 (ja) 細胞分類装置、細胞分類方法及びプログラム
Zubair et al. Detection of Lung Nodules in Chest Radiographs Using Wiener Filter and D-CNN Model
CN115423800A (zh) 一种医疗影像数据的处理方法及系统
CN117011593A (zh) 一种基于深度学习的尿蛋白自动识别和分类方法

Legal Events

Date Code Title Description
R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

LAPS Cancellation because of no payment of annual fees