JP5292886B2 - 画像解析装置、その方法、プログラムおよび記録媒体 - Google Patents

Description

本発明は、細胞、核、細胞小器官の画像から、正確に形状抽出を行うことができる画像解析装置、その方法、プログラムおよび記録媒体に関する。

現在、バイオテクノロジーに基づいた医療分野においては、細胞核あるいは細胞そのものを染色し、その様態を観察することにより、癌をはじめとする様々な病気の診断が行われている。例えば癌診断の分野においては、細胞核の大きさや円形度などが診断をする上で重要な指標となっており、細胞や細胞核の形状に関する情報を正確に定量することは、医学的に大きな意義がある。

細胞の形状や大きさを定量するための方法としては、例えば「細胞画像解析装置」が開示されている（例えば特許文献１）。特許文献1は、異なる染色で発色させた複数の細胞を異なる条件で撮像して複数の画像を取得し、前記複数の画像中の各細胞に含まれる所定の要素を抽出する技術である。

また、細胞の形状や大きさを定量するための他の方法としては、例えば「細胞形状抽出装置および細胞形状抽出方法」が開示されている(例えば特許文献２)。特許文献２は、まず入力画像から細胞中心の候補となる画素群を抽出し、細胞中心として適している画素のみを所定の基準に従って選択し、選択された細胞中心画素の位置情報とその周辺画素の濃度勾配の方向から輪郭を形成している画素の選択を行う処理をすべての細胞中心画素に対して行い、その後に詳細な輪郭抽出を行う技術である。また、特許文献２では、細胞内部に属する画素に対し、近傍画素間で画素値の差を取り(これを文献２では濃度勾配と呼ぶ)、この濃度勾配の値に基づいて輪郭を抽出する。具体的には、濃度勾配の方向と細胞中心方向との一致度を測定し、両者が高い一致度を示した場合にのみ、画素を輪郭を形成する画素と見なす。
特開２００５−２２７０９７号公報 特開２０００−３２１０３１号公報

しかしながら、上記特許文献１においては、あらかじめ異なる染色方法で細胞を染色する必要があり、実験と撮影に膨大な工数を要する。また重なり合った細胞を分離する方法も、異なる染色方法で細胞画像を取得することが前提とされており、汎用性に欠けるものとなっている。また、上記特許文献２では、例えば細胞内部の画素値にムラがある場合やノイズが乗っている場合には、誤って輪郭を抽出してしまう場合がある。また、この方法は細胞中心の位置が正確に得られていることが前提となっており、不正確な細胞中心によって、誤った輪郭を抽出してしまう場合がある。後述する本発明の構成は、特許文献２に「座標変換装置」及び「外れ値検出装置」を加えたものである。しかし、効果としては、座標変換した空間で得られる特徴量（例えば微分値）を用いてはじめて不適切な部分輪郭の認識が容易になるため、その点で本発明と特許文献２は異なる。

さらに、上記特許文献１および特許文献２では、何れも抽出した輪郭の値が異常であるかどうかを検出する機構を持っていないため、誤って検出された輪郭線がそのまま正しいものと見なされてしまう恐れがあるという問題があった。

本発明はこのような実情を鑑みてなされたものであり、画像中の細胞、核、細胞小器官の画像に対し、誤って抽出された輪郭点を外れ値として除外し、正確に輪郭を抽出することが可能な画像解析装置、その方法、プログラムおよび記録媒体提供することを目的とする。

本発明の画像解析装置は、細胞、核、および／又は細胞小器官を含む解析対象物の画像から、前記解析対象物の輪郭を決定する画像解析装置であって、前記解析対象物の輪郭点の座標を抽出する輪郭座標抽出手段と、前記輪郭点の特徴量に基づいて不適切な輪郭点を求める不良輪郭点検出手段と、前記不適切な輪郭点と前記不適切な輪郭点を除いた輪郭点に基づいて輪郭点の座標値を再推定し、適切な輪郭点を生成する適切輪郭点生成手段とを有する。

本発明の画像解析装置は、解析対象物の画像を入力する画像入力手段と、解析対象物の中心を決定する中心手段と、解析対象物の部分画像を抽出する部分画像抽出手段と、をさらに有することを特徴とする。

本発明の画像解析装置は、適切輪郭点生成手段は、不良輪郭点検出手段により検出された不適切な輪郭点を除外し、輪郭点座標抽出手段により抽出された座標値を、線形補間することにより適切な輪郭点を生成することを特徴とする。

本発明の画像解析装置は、適切輪郭点生成手段は、不良輪郭点検出手段により検出された不適切な輪郭点を除外し、輪郭点座標抽出手段により抽出された座標値に、局所重み付き回帰を用いることにより適切な輪郭点を生成することを特徴とする。

本発明の画像解析装置は、不良輪郭点検出手段は、座標変換された輪郭の微分係数に基づいて不適切な輪郭点を求めることを特徴とする。

本発明の画像解析装置は、不良輪郭点検出手段は、座標変換された輪郭の座標値と微分係数に対して、複数クラス数を仮定してクラスタリングを行うことにより不適切な輪郭点を求めることを特徴とする。

本発明の画像解析装置は、輪郭座標抽出手段は、極座標変換に基づいて座標変換テーブルを生成することを特徴とする。

本発明の画像解析装置は、輪郭座標抽出手段は、Ｌｏｇ−Ｐｏｌａｒ変換に基づいて座標変換テーブルを生成することを特徴とする。

本発明の画像解析装置は、輪郭座標抽出手段は、横軸を輪郭の経路長とし、縦軸を中心手段により決定された解析対象物の中心からの動径長とした空間への変換に基づいて座標変換テーブルを生成することを特徴とする。

本発明の画像解析装置は、輪郭点を生成する輪郭生成手段をさらに有し、輪郭生成手段は、座標変換テーブルに基づいて輪郭点を抽出することを特徴とする。

本発明の画像解析方法は、細胞、核、および／又は細胞小器官を含む解析対象物の画像から、前記解析対象物の輪郭を決定する画像解析方法であって、前記解析対象物の輪郭点の座標を抽出するステップと、前記輪郭点の特徴量に基づいて不適切な輪郭点を求めるステップと、前記不適切な輪郭点と前記不適切な輪郭点を除いた輪郭点に基づいて輪郭点の座標値を再推定し、適切な輪郭点を生成するステップと、を有する。

本発明の画像解析方法は、解析対象物の画像を入力するステップと、解析対象物の中心を決定するステップと、解析対象物の部分画像を抽出するステップと、を有することを特徴とする。

本発明の画像解析方法は、求めるステップにより検出された不適切な輪郭点を除外し、座標を抽出するステップにより抽出された座標値を、線形補間することにより適切な輪郭点を生成することを特徴とする。

本発明の画像解析方法は、求めるステップにより検出された不適切な輪郭点を除外し、座標を抽出するステップにより抽出された座標値に、局所重み付き回帰を用いることにより適切な輪郭点を生成することを特徴とする。

本発明の画像解析方法は、座標変換された輪郭の微分係数に基づいて不適切な輪郭点を求めることを特徴とする。

本発明の画像解析方法は、座標変換された輪郭の座標値と微分係数に対して、複数クラス数を仮定してクラスタリングを行うことにより不適切な輪郭点を求めることを特徴とする。

本発明の画像解析方法は、極座標変換に基づいて座標変換テーブルを生成することを特徴とする。

本発明の画像解析方法は、Ｌｏｇ−Ｐｏｌａｒ変換に基づいて座標変換テーブルを生成することを特徴とする。

本発明の画像解析方法は、横軸を輪郭の経路長とし、縦軸を決定するステップにより決定された解析対象物の中心からの動径長とした空間への変換に基づいて座標変換テーブルを生成することを特徴とする。

本発明の画像解析方法は、輪郭点を生成するステップをさらに有し、座標変換テーブルに基づいて輪郭点を抽出することを特徴とする。

本発明のプログラムは、細胞、核、および／又は細胞小器官を含む解析対象物の画像から、前記解析対象物の輪郭を決定する画像解析のプログラムであって、前記解析対象物の輪郭点の座標を抽出する処理と、前記輪郭点の特徴量に基づいて不適切な輪郭点を求める処理と、前記不適切な輪郭点と前記不適切な輪郭点を除いた輪郭点に基づいて輪郭点の座標値を再推定し、適切な輪郭点を生成する処理と、をコンピュータに実行させる。

本発明のプログラムは、解析対象物の画像を入力する処理と、解析対象物の中心を決定する処理と、解析対象物の部分画像を抽出する処理と、輪郭点を生成する処理と、をコンピュータに実行させる。

本発明の記録媒体は、上記プログラムを記録したコンピュータ読取可能な記録媒体である。

本発明によれば、細胞、核、細胞小器官の画像を解析する際、抽出した輪郭線の値の外れ値を検出し、誤って抽出された輪郭点を検出して排除し、正確に輪郭を抽出することが可能となる。

以下に本発明の実施形態について、図面を用いて詳細に説明する。

以下の実施の形態では、DAPI（4',6-DiAmino-2-PhenylIndone）などによって染色された細胞核のグレースケール画像を入力とする場合を例にとって説明するが、染色された細胞核が画像化されていれば、それ以外の染色手法、あるいは撮影方法であっても、以下に説明する方法と同様な手順で実行できる。また、入力画像が細胞核ではなく、細胞そのもの又は細胞小器官であっても、以下に説明する方法と同様な手順で実行可能である。

図１は、本発明の実施形態に係る画像解析装置の構成例を示す。図２は、本発明の実施形態に係る画像解析方法の処理手順を示す。本実施形態では、本発明の実施形態に係る画像解析装置およびその方法について、図１および図２に示す図を用いて詳細に説明する。

図１に示すように、本発明の実施形態に係る画像解析装置は、画像入力装置１と、中心推定装置２と、輪郭抽出装置３と、座標変換装置４と、外れ値（不良輪郭）検出装置５と、出力装置６と、を備える。以下、図１を参照しながら、図２に示すフローチャートに従って処理の流れを説明する。

まず、画像入力装置１は、画像データを読み込む(ステップA1)。この画像データは、DAPI染色法などを用いて細胞核が明瞭に染色されたグレースケール画像であることを仮定するが、それ以外の染色法であっても、またRGB（Red Green Blue）カラー画像であってもよい。RGBカラー画像の場合は、R、G、Bの各チャネルに分解し、細胞核が画像化されているチャネル(通常 Blueが多い)をグレースケール画像として用いればよい。

画像入力装置１は、例えば、光源、励起フィルタ、バリアフィルタ、CCDカメラ、対眼レンズ、対物レンズ、タイクロックミラーなどから構成されるシステムを用いて実現できる。入力画像の例を図４に示す。ここには１０個の細胞核が表示されているが、後述するように、本発明の実施形態においては、このような重なりをもった細胞核からも正確な輪郭抽出が可能となっている。

次に、画像入力装置１は読み込んだ画像を中心推定装置２に送る。中心推定装置２は、画像中の細胞核の中心位置を推定する(ステップA2)。中心位置の推定は、例えば、所与のパラメータによって規定されるカーネルを用いて入力画像に対してフィルタリングを施し、フィルタリングの結果得られた画像の輝度分布を参照しながら推定する。具体的には、フィルタリング後の画像に対し、局所的なピークを探索し、そのピークが所与のパラメータによって規定される近傍領域の輝度値と比較して最も高い場合は、その位置を細胞核の中心として保持する。近傍領域は、例えば、細胞中心の候補となる点を中心とした半径ｘの円盤内に含まれる画素などを選べばよい。半径ｘとしては、標的とする細胞核の半径と同程度に取ればよい。

カーネルとしては、例えば、下記の数１のように定義される Gaussianカーネルを用いることができる。

ここでｘは入力値、ｈはバンド幅である。バンド幅は検出したいスポットの大きさに基づいて定められる。

また、フィルタリングに用いるカーネルとしては、下記の数２のように定義される Epanechnikovカーネルを用いることも可能である。

ここで、｜ｘ｜は入力ベクトルｘの絶対値、記号Ｉｃは、条件Ｃが成立するとき１、それ以外の時０となる指示関数である。

画像フィルタリングに用いるカーネルとしては、下記の数３のように定義される同心円カーネルを用いることもできる。

ここで、ｒ₁、ｒ₂は、それぞれ内心円、外心円の半径である。

さらに、フィルタリングに用いるカーネルとしては、下記の数４のように定義されるメキシカンハットカーネルを用いてもよい。

上述したような方法を用いて、本発明の実施形態に係る中心推定装置２によって得られた細胞核中心を図５(b)に示す。図５(a)は、上述した同心円フィルタを適用した結果であり、細胞核中心１００が正確に得られていることが示されている。

次に、中心推定装置２は、中心が得られた各細胞核に対して、所与の値Ｗで規定される大きさの部分画像(縦，横のサイズがＷ)を生成する(ステップA3)。部分画像の大きさＷは、１個の細胞核全体が含まれるように取ればよい。また、部分画像は、必ずしも縦横の大きさが一致する必要はなく、縦横が異なる大きさの場合でも、同様に本実施形態の手順を遂行できる。また、細胞核中心と部分画像の中心は一致するように取っておくことが望ましい。このようにすれば、後に座標変換装置４において生成される座標変換テーブルを全ての部分画像に共通して使用することができ、計算量の大幅な軽減が可能となる。図６(a)に部分画像の例を示す。

次に、中心推定装置２は、推定した中心位置のリストおよび部分画像を輪郭抽出装置３へ送る。輪郭抽出装置３は、中心推定装置２から全ての細胞核に対する中心位置と部分画像を受け取り、各細胞核の輪郭を抽出する(ステップA4)。具体的に輪郭を抽出するには以下の方法を用いる。

まず部分画像に対して、輝度の値に基づいてクラスタリングを行い、各画素を輝度の高い領域と輝度の低い領域に分離する。一般に、輝度の高い領域に分類された画素は細胞核の内部に属する領域と見なしてよい。領域分離が完了した後、輝度の高い領域に属する全ての画素について隣接する８個の画素を調べ、隣接する画素の中に少なくとも１個の領域外点を持つ画素を、輪郭線に属する画素として検出する。ここで用いるクラスタリングの手法としては、例えばk-means（Ｋ平均）法や、Expectation-Maximization (EM) アルゴリズムなどを用いることができる。このような手法は既知であり、例えば特開２００３−３０３３４４に詳細な方法が記載されている。

輪郭を抽出する方法は、上述した方法に限らず、以下のような方法を用いることもできる。まず部分画像に対して、例えばSobel(ソーベル)フィルタを適用する。これにより、細胞核の輪郭が強調される。さらにフィルタ後の画像に対して、輝度の高い画素を抽出する。輝度の高い画素を抽出するには、例えば所与の値の閾値以上の画素を選ぶ方法でもよいし、あるいは上に述べたk-means法、EMアルゴリズムのようなクラスタリング手法を用いてもよい。また、フィルタとしては、Sobelフィルタに限らず、例えばLaplacian(ラプラシアン) フィルタやCanny(キャニー)フィルタなどを用いてもよい。部分画像に対して、Sobelフィルタを適用した結果の例を図６(b)に示す。

次に、輪郭抽出装置３は、細胞の中心位置と輪郭の座標を座標変換装置４に送る。座標変換装置４は、部分画像中の各点に対して座標変換テーブルを算出し、これを保持する(ステップA5)。具体的な座標変換としては、例えば、部分画像の中心を原点として計測した座標（ｘ、ｙ）を以下に示す数５の極座標に変換してもよい。あるいは、以下に示す数６のLog-Polar変換を用いてもよい。

上述したいずれの変換の場合においても、細胞核のような円形に近い形状を持った対象物に対して適用すれば、変換後の座標空間においてはその輪郭線が直線に近い線分で表されるため、後に説明する外れ値検出や輪郭線の再推定が容易になるという利点がある。

本発明においては、座標変換装置４において、極座標変換を行ってもよいし、Log-Polar変換を行ってもよい。これら二つの変換の相違は、Log-Polar変換の方が、極座標変換に比して中心付近の微細な構造を詳細に表示できるという点であるが、本発明における輪郭抽出に関しては、ほぼ同様な効果が得られる。

座標変換装置４においては、横軸として輪郭線の長さを取り、縦軸に細胞核中心からの動径長を取ることもできる。このときの輪郭線は、必ずしも正確に抽出されている必要はなく、後に述べるように、外れ値検出装置５において異常値が検出され、輪郭抽出装置３において再推定される。極座標変換あるいはLog-Polar変換においては、輪郭線の方向が動径方向に一致する場合に、座標変換後の輪郭点のサンプリングが粗くなる場合があるが、横軸として輪郭に沿った長さを取れば一定の間隔で輪郭点を取ることが可能である。図７(a)に極座標変換を行った例を示す。これは、図６(b)に示される元画像(エッジ強調を施した部分画像)を極座標変換し、横軸を角度、縦軸を動径距離として表示している。

本実施形態では、単純に極座標変換をしているわけでなく、細胞核（細胞、細胞小器官）１個を含む部分画像のサイズを固定して、その部分画像の全ピクセルに対して予め座標変換テーブルを生成して保持している。そのため、その後に処理する全細胞核（細胞、細胞小器官）について同じテーブルを用いることができ、演算量が軽減されて推定時間の短縮が可能となる。

座標変換装置４は、座標変換テーブルと全ての細胞核に対する部分画像を輪郭抽出装置３に送り、輪郭抽出装置３では、得られた座標変換テーブルを利用して、保持していた輪郭線に対して座標変換を施し(ステップA6)、座標変換後の輪郭線を外れ値検出装置５に送る。外れ値検出装置５は、座標変換の施された輪郭の座標を輪郭抽出装置３から受け取り、各輪郭点における微分係数を算出する(ステップA7)。次に座標値と微分係数の値に基づいて、不適切な輪郭位置を外れ値として検出する(ステップA8)。

図３は、外れ値検出装置５における外れ値検出の処理の流れを示したフローチャートである。外れ値検出装置５は、輪郭抽出装置３から送られてきた輪郭の座標を、座標変換テーブルを用いて変換し（ステップB1）、座標変換された座標値を用いて微分係数を計算する（ステップB2）。上記ステップB2で計算された微分係数に基づいて跳躍点を検出する（ステップB3）。跳躍点を検出するには、例えば、微分係数の絶対値が所与の大きさ以上の点、などとすればよい。

次に、検出された跳躍点の個数を調べ（ステップB4）、跳躍点が1個もなければ（ステップB4／ＮＯ）、外れ値はないものとして外れ値検出装置５の処理を終了する。一方、１個以上の跳躍点がある場合（ステップB4／ＹＥＳ）は、輪郭点の座標と微分係数値を用いて輪郭点を複数のクラスに分類する（ステップB5）。輪郭点を複数のクラスに分類するには、たとえば座標変換後のｙ座標と微分係数の組を２次元データとしてプロットし、この２次元空間内でクラスタリングを行えばよい。クラスタリングの方法としては、前述したように、k-means法やEMアルゴリズムなどを用いることができる。最後に、複数のクラスに分けられた輪郭点の中で、最も多くの点が属するクラスを輪郭点とし、それ以外のクラスに属する点を外れ値として処理を終了する（ステップB6）。

図８に外れ値の例(符号102)を示す。外れ値検出装置５は、検出した外れ値と、正常値の組を再度輪郭抽出装置３に送る。外れ値が検出されなかった場合は、正常値のみから成るデータ(すなわち、入力された元の座標値)を再度輪郭抽出装置３に送る。輪郭抽出装置３では、外れ値検出装置５から１個以上の外れ値があるか否かを調べ(ステップA9)、外れ値がなければ（ステップA9／ＮＯ）、座標変換の逆変換を輪郭点に施して元の空間に戻し(ステップA11)、得られた輪郭データを出力装置７に送る。図９に、外れ値を再推定した後、上記ステップA11の処理を施し、元の部分画像に輪郭線をプロットした画像の例を示す。

一方、外れ値がある場合（ステップA9／ＹＥＳ）は、外れ値の近傍にある正常値データに基づいて、座標値を再推定し(ステップA10)、再推定された座標と正常データの組を再度外れ値検出装置５へ送り、外れ値がなくなるまで上記ステップA7からステップA10の処理を繰り返す。

外れ値を再推定するには、たとえば、ターゲットの外れ値の両側にある二つの最近傍正常値を用いて、線形補間によって外れ値を再推定することができる。また、その他の方法として、所与の近傍範囲によって規定される範囲にある正常値に基づいて各正常値に対して重みを算出し、重み付き線形回帰によって外れ値を再推定してもよい。重み付き線形回帰の手法としては、例えばLOESS（LOcal rEgreSSion）やLOWESS（Locally Weigthed Scatterplot Smooth）などを用いることができる。図８に、このような方法で再推定された輪郭(符号１０３)の例を示す。

輪郭抽出装置３では、全ての細胞核に対して輪郭線が抽出された後、全ての輪郭線を出力装置６に送る。全ての輪郭線を受信した出力装置６は、図１０に示すような輪郭抽出の結果を出力する(ステップA12)。出力装置６は、例えば、CRT（Cathode Ray Tube）や液晶モニタ、またはプリンタなどを用いて実現できる。

以下に本発明の実施形態に係る画像解析装置およびその方法の作用について詳細に説明する。

本発明の実施形態に係る画像解析装置およびその方法は、上述したように、標的とする細胞、核、細胞小器官の輪郭候補点を抽出したり、検出した外れ値を除外して輪郭を再推定する輪郭抽出装置３と、輪郭候補点に対して座標変換テーブルを生成するする装置(座標変換装置４)と、変換された座標空間で外れ値を検出する装置(外れ値検出装置５)と、を備える。

輪郭抽出装置３は、座標変換装置４において得られた座標変換テーブルを利用して輪郭候補点を座標変換し、２次元空間中の曲線である輪郭抽出問題を、横軸の独立変数ｘと縦軸の従属変数ｙの回帰分析問題に帰着させ、従来からよく知られているさまざまな統計的手法を適用可能にしている。具体的には、例えば極座標変換を行う場合、横軸に角度θ，縦軸に動径ｘを取って輪郭線を表示する。

また、外れ値検出装置５は、変換された座標空間内での輪郭点のｙ座標値と微分計数値に基づいて、外れ値を検出し、誤って抽出された輪郭点を除外し、より正確な輪郭抽出を可能としている。さらに、本発明においては、外れ値検出装置５で外れ値として除外された点に対し、輪郭抽出装置３により再度推定し、より正確な輪郭を抽出することが可能である。輪郭を再推定するには、線形補間を用いる。線形補間による再推定は、精度的にはあまりよくないものの、高速で推定できるという利点がある。このほかの方法として、局所重み付き回帰を用いることも可能である。

局所重み付き回帰を用いた輪郭点の再推定は以下のように行う。再推定を行いたい輪郭点の横軸座標をｘとし、ｘから距離Ｄ(所与とする)の範囲にある観測値の部分列ｘ_i（ｉ＝1,……,m）を選び、各観測値に対して、重みを下記の数７を用いて算出する。

ここでｄは、ｘ_iの中でｘから最も遠い位置にある部分観測値までの距離である。次に、下記の数８を用いて、まず重みを用いずにｙ座標を回帰推定する。

ここで、α、β、γは、観測値の部分列から求めた1回目の回帰パラメータである。このようにして推定されたｙを用いて、下記の数９および数１０により、ロバスト重みと呼ばれる次の新たな重みを算出する。

ここで、med(.)は、メディアンを表し、記号Ｉｃは、条件Ｃが成立するとき１、それ以外の場合は０となる指示関数である。次に、これら２種類の重みを用いて定義される下記の数１１で重み付き二乗誤差を最小にするように、パラメータａ、ｂ、ｃを決定する。最終的に得られる輪郭点の再推定値ｙ^*は、これらのパラメータを用いて下記の数１２によって算出する。上述した方法は、局所重み付き回帰の一種であるLOESSと呼ばれるものである。本実施形態により、外れ値を排除した上で、上述した局所重み付き回帰を用いて再推定することによって、正確な輪郭抽出を行うことが可能となる。

本実施形態により、細胞、核、細胞小器官の画像を解析する場合に、抽出した輪郭線の値の外れ値を検出し、誤って抽出された輪郭点を検出して排除することで、正確に輪郭を抽出することが可能となる。また、外れ値を排除した上で、局所重み付き回帰を用いて再推定することによって、重なりをもった細胞、核、細胞小器官からも、正確な輪郭抽出を行うことが可能となる。

また、本実施形態では、単純に極座標変換をしているわけでなく、細胞核（細胞、細胞小器官）１個を含む部分画像のサイズを固定して、その部分画像の前ピクセルに対して予め座標変換テーブルを生成して保持している。そのため、その後に処理する前細胞核について同じテーブルを用いることができ、演算量が軽減されて推定時間の短縮が可能となる。

また、本実施形態では、単純な極座標変換をしているわけでなく、「輪郭に沿った長さ」対「同径長」の座標変換を施している。そのため、単純な極座標変換では精度が悪くなる部分、例えば、中心から輪郭に伸ばしたベクトル方向と、輪郭の接線が一致する箇所などであっても、正確な変動をとらえることが可能となる。

尚、各図のフローチャートに示す処理を、ＣＰＵが実行するためのプログラムは本発明によるプログラムを構成する。このプログラムを記録するコンピュータ読み取り可能な記録媒体としては、半導体記憶部や光学的および／又は磁気的な記憶部等を用いることができる。このようなプログラムおよび記録媒体を、前述した各実施形態とは異なる構成のシステム等で用い、そこのＣＰＵで上記プログラムを実行させることにより、本発明と実質的に同じ効果を得ることができる。

以上好適な実施の形態に基づき具体的に説明したが、本発明は上述した画像解析装置、その方法、プログラムおよび記録媒体に限定されるものではなく、その要旨を逸脱しない範囲で種々変更可能であるということは言うまでもない。

本発明の実施形態における画像解析装置の構成例を示すブロック図である。 本発明の実施形態における処理手順の例を示すフローチャートである。 本発明の実施形態における外れ値検出の処理の流れを示すフローチャートである。 本発明の実施形態における入力画像の例を示す図である。 本発明の実施形態における中心推定のフィルタリングの例(a)および中心推定の結果の例(b)を示す図である。 本発明の実施形態における部分画像の例(a)および輪郭抽出のために部分画像に対して Sobelフィルタを施した結果の例（b）を示す図である。 本発明の実施形態における入力画像の例(a)および座標変換後の部分画像の例（b）を示す図である。 本発明の実施形態における外れ値検出前の輪郭抽出の結果の例を示す図である。 本発明の実施形態における外れ値を再推定した後、逆座標変換を行い、元の部分画像に輪郭線をプロットした例を示す図である。 本発明の実施形態における入力画像全体に対し、最終的に得られた輪郭線の例を示す図である。

符号の説明

１ 画像入力装置
２ 中心推定装置
３ 輪郭抽出装置
４ 座標変換装置
５ 外れ値検出装置
６ 出力装置
１００ 細胞核の中心
１０１ 外れ値修正前の輪郭線
１０２ 外れ値
１０３ 再推定後の輪郭線

Claims (23)

1. 細胞、核、および／又は細胞小器官を含む解析対象物の画像から、前記解析対象物の輪郭を決定する画像解析装置であって、
   前記解析対象物の輪郭点の座標を抽出する輪郭座標抽出手段と、
   前記輪郭点の特徴量に基づいて不適切な輪郭点を求める不良輪郭点検出手段と、
   前記不適切な輪郭点と前記不適切な輪郭点を除いた輪郭点に基づいて輪郭点の座標値を再推定し、適切な輪郭点を生成する適切輪郭点生成手段とを有する画像解析装置。
2. 前記解析対象物の画像を入力する画像入力手段と、
   前記解析対象物の中心を決定する中心手段と、
   前記解析対象物の部分画像を抽出する部分画像抽出手段と、をさらに有することを特徴とする請求項１記載の画像解析装置。
3. 前記適切輪郭点生成手段は、前記不良輪郭点検出手段により検出された不適切な輪郭点を除外し、前記輪郭点座標抽出手段により抽出された座標値を、線形補間することにより適切な輪郭点を生成することを特徴とする請求項１又は２に記載の画像解析装置。
4. 前記適切輪郭点生成手段は、前記不良輪郭点検出手段により検出された不適切な輪郭点を除外し、前記輪郭点座標抽出手段により抽出された座標値に、局所重み付き回帰を用いることにより適切な輪郭点を生成することを特徴とする請求項１又は２に記載の画像解析装置。
5. 前記不良輪郭点検出手段は、前記座標変換された輪郭の微分係数に基づいて前記不適切な輪郭点を求めることを特徴とする請求項１から４の何れか１項に記載の画像解析装置。
6. 前記不良輪郭点検出手段は、前記座標変換された輪郭の座標値と微分係数に対して、複数クラス数を仮定してクラスタリングを行うことにより前記不適切な輪郭点を求めることを特徴とする請求項１から４の何れか１項に記載の画像解析装置。
7. 前記輪郭座標抽出手段は、極座標変換に基づいて座標変換テーブルを生成することを特徴とする請求項１から６の何れか１項に記載の画像解析装置。
8. 前記輪郭座標抽出手段は、Ｌｏｇ−Ｐｏｌａｒ変換に基づいて座標変換テーブルを生成することを特徴とする請求項１から６の何れか１項に記載の画像解析装置。
9. 前記輪郭座標抽出手段は、横軸を前記輪郭の経路長とし、縦軸を前記中心手段により決定された前記解析対象物の中心からの動径長とした空間への変換に基づいて座標変換テーブルを生成することを特徴とする請求項２から８の何れか１項に記載の画像解析装置。
10. 前記輪郭点を生成する輪郭生成手段をさらに有し、前記輪郭生成手段は、前記座標変換テーブルに基づいて輪郭点を抽出することを特徴とする請求項７から９の何れか１項に記載の画像解析装置。
11. 細胞、核、および／又は細胞小器官を含む解析対象物の画像から、前記解析対象物の輪郭を決定する画像解析方法であって、
    前記解析対象物の輪郭点の座標を抽出するステップと、
    前記輪郭点の特徴量に基づいて不適切な輪郭点を求めるステップと、
    前記不適切な輪郭点と前記不適切な輪郭点を除いた輪郭点に基づいて輪郭点の座標値を再推定し、適切な輪郭点を生成するステップと、を有する画像解析方法。
12. 前記解析対象物の画像を入力するステップと、
    前記解析対象物の中心を決定するステップと、
    前記解析対象物の部分画像を抽出するステップと、を有することを特徴とする請求項１１記載の画像解析方法。
13. 前記求めるステップにより検出された不適切な輪郭点を除外し、前記座標を抽出するステップにより抽出された座標値を、線形補間することにより適切な輪郭点を生成することを特徴とする請求項１１又は１２に記載の画像解析方法。
14. 前記求めるステップにより検出された不適切な輪郭点を除外し、前記座標を抽出するステップにより抽出された座標値に、局所重み付き回帰を用いることにより適切な輪郭点を生成することを特徴とする請求項１１又は１２に記載の画像解析方法。
15. 前記座標変換された輪郭の微分係数に基づいて前記不適切な輪郭点を求めることを特徴とする請求項１１から１４の何れか１項に記載の画像解析方法。
16. 前記座標変換された輪郭の座標値と微分係数に対して、複数クラス数を仮定してクラスタリングを行うことにより前記不適切な輪郭点を求めることを特徴とする請求項１１から１４の何れか１項に記載の画像解析方法。
17. 極座標変換に基づいて座標変換テーブルを生成することを特徴とする請求項１１から１６の何れか１項に記載の画像解析方法。
18. Ｌｏｇ−Ｐｏｌａｒ変換に基づいて座標変換テーブルを生成することを特徴とする請求項１１から１６の何れか１項に記載の画像解析方法。
19. 横軸を前記輪郭の経路長とし、縦軸を前記決定するステップにより決定された前記解析対象物の中心からの動径長とした空間への変換に基づいて座標変換テーブルを生成することを特徴とする請求項１２から１８の何れか１項に記載の画像解析方法。
20. 前記輪郭点を生成するステップをさらに有し、前記座標変換テーブルに基づいて輪郭点を抽出することを特徴とする請求項１７から１９の何れか１項に記載の画像解析方法。
21. 細胞、核、および／又は細胞小器官を含む解析対象物の画像から、前記解析対象物の輪郭を決定する画像解析のプログラムであって、
    前記解析対象物の輪郭点の座標を抽出する処理と、
    前記輪郭点の特徴量に基づいて不適切な輪郭点を求める処理と、
    前記不適切な輪郭点と前記不適切な輪郭点を除いた輪郭点に基づいて輪郭点の座標値を再推定し、適切な輪郭点を生成する処理と、をコンピュータに実行させるプログラム。
22. 前記解析対象物の画像を入力する処理と、
    前記解析対象物の中心を決定する処理と、
    前記解析対象物の部分画像を抽出する処理と、
    をさらにコンピュータに実行させる請求項２１に記載のプログラム。
23. 請求項２１又は２２に記載のプログラムを記録したコンピュータ読取可能な記録媒体。

Images