JP5387146B2 - 病理組織画像解析装置、病理組織画像解析方法、病理組織画像解析プログラム - Google Patents

Description

本発明は、生体組織の画像を解析することにより行われる病理組織画像診断を支援する病理組織画像解析システムに関する。

デジタル化された病理組織画像をコンピュータ処理することにより、病理組織画像の診断に有用な解析を行う画像解析装置およびシステムの関連技術が開示されている。
例えば、病理組織画像内の腺管、および異なる複数の腺管からなる腺管領域を、細胞核領域に囲まれた閉領域に基づき検出する手段と、腺腔領域の周囲一定幅内の細胞核の数に基づき腺管の検出を行う手段を備え、これら手段により検出された腺管に含まれる細胞核における核の大きさの均一性、形状の均一性、および極性の乱れを評価することにより病理組織画像の解析を行う手法が考えられる。

尚、上記病理組織画像のうち、特に大腸生検の病理組織画像で見られる高分化腺癌は、蛇行した腺管が多く、腺管の形状は概略円形とは遠いものが多く存在する。また腫大した空泡状の核が多いことが特徴である。
さらに、腺管領域の細胞核の偽重層が目立ち、このため、細胞核の重層部分が基底側に配列していなく不規則な分布をしており、この傾向が顕著である。

このため、上記手法では、細胞核が整列していない場合や、空泡状の細胞核がある場合には、細胞核の領域が囲む閉じた領域として抽出することができず、また、腺腔領域に基づき腺管を検出する場合にも、腺腔領域が閉じていない場合にはこの領域を抽出することができないといった不都合が生じ得る。

さらには、高倍率の画像を用いたとしても、腺管を形成する複数の細胞核がつながっている場合は、細胞核の一つ一つを分離して識別することは困難であり、また、空泡状の細胞核は画像上白抜きされているため、空泡状の細胞核を一つの核として識別することができず、このため、腺管における細胞核の大きさや形状の均一性や極性の乱れを正確に評価することができないといった不都合が生じ得た。

これに対する関連技術として、組織画像における細胞内に占める細胞核の面積に対する細胞内に占める細胞質の面積の割合を示すＮＣ比（細胞内にしめる核の面積／細胞内にしめる細胞質の面積）に基づいて、病理画像に含まれる細胞核と細胞質の分布の情報を定量的に求め、その情報に基づき癌部位の分布や癌の進行度を決定するシステムが開示されている（特許文献１）。尚、このシステムは、特に前立腺癌の診断に有用であるとされている。

また、これに対する関連技術として、輝度情報によって腺腔を選択し、画像内における腺腔の輪郭を設定し、腺腔からの等距離線での濃紫色の頻度分布を得て、ピーク位置を観察することによって腺管と血管を区別して腺管認識を行い、病理画像に含まれる同心状の構造（特に、前立腺の構造）の解析を行う手法が開示されている（特許文献２）。

更に、この関連技術として、画像処理を用いて細胞核の構築情報を抽出し、これを特徴量として過去の類似の症例画像を検索すること（類似画像検索）によって、医師の診断支援を可能とする手法が開示されている（特許文献３）。尚、この手法は、特に、胃生検診断において有用とされている。
この関連技術では、上記細胞核の構築情報を抽出するのに、まず細胞核領域の分離のため輝度成分による判別分析法を用い閾値を求め、この閾値をわずかにずらすことによって細胞核構築領域を検出している。
そして、細胞質の面積に対して細胞核構築領域が占める面積占有率と、細胞核構築領域の平均面積を細胞核構造特徴量として類似検索法を提供している。尚、細胞核構築領域は、腺管領域を示している。

特開２００４−２８６６６６号公報 特開２００５−３５２５７１号公報 特開２００９−９２９０号公報

しかしながら、上記特許文献１に開示された関連技術では、ＮＣ比を用いた診断であり、画像内の特定の領域に含まれる細胞核の面積と細胞質の面積とを総合的に比較しているだけであって、各細胞核の配列について評価をおこなっていない。
このため、ＮＣ比によって測定できる癌細胞の特徴は、核の腫大などに限られ、腺管を評価するにあたっては、ＮＣ比の情報では不十分であり、正確に評価することができないという不都合があった。

また、上記特許文献２に開示の関連技術は、腺管と血管の区別には適応しうるが、腺管の形成の評価には腺管の厚みが関係し、等距離線では腺管領域の境界を越えて評価が行われてしまうといった不都合が生じ得る。
更には、腺腔が閉領域であり、等距離線は閉曲線を前提とした手法であるため、実際の腺管のように突起した構造や輪状ひだ状の構造を有する場合や、腺腔が閉領域でない場合には適用できないという不都合があった。

更に、上記特許文献３に開示の技術では、上述のような輝度成分の判別分析では、濃い青色に染色される輝度の高いリンパ球が腺管領域として誤検出されてしまう不都合があった。
さらに、この特許文献３に開示の技術では、ヘマトキシリン・エオジン（ＨＥ：Ｈｅｍａｔｏｘｙｌｉｎ−Ｅｏｓｉｎ ｓｔａｉｎ）染色により薄く染まる、腺管領域内に存在するゴブレットセルを、背景領域とみなして扱っており、このため、腺管領域の検出が不正確となってしまう不都合が生じ得る。
さらには、腺管を特徴付ける量が比率であり、比率だけの一次統計量では腺管を評価するのには不十分であった。

［発明の目的］
本発明は、上記関連技術の有する不都合を改善し、病理組織画像解析による病理診断における癌の鑑別精度を有効に向上させる病理組織画像解析装置、病理組織画像解析方法、病理組織画像解析プログラムを提供することを、その目的とする。

上記目的を達成するために、本発明に係る病理組織画像解析装置は、外部から入力された生体組織画像の解析を行い、この解析の結果に基いて前記生体組織画像の組織領域内に含まれる腺管を抽出すると共に当該腺管を含む腺管領域から一定の異型度を有した腺管を抽出する画像解析本体部を備えた病理組織画像解析装置であって、前記画像解析本体部は、前記組織領域内における腺管の特徴を示す予め設定された腺管特徴情報に基づき前記組織領域から前記腺管領域を検出する腺管領域検出手段と、前記検出された腺管領域内に含まれる細胞核を予め設定された色素基準に基づき抽出する細胞核抽出手段と、前記腺管における予め設定された基底部領域に対する前記抽出された細胞核の分布状態に基づき前記腺管の異型度を算出する腺管異型度算出手段と、を備えた構成をとっている。

又、本発明にかかる病理組織画像解析方法は、外部から入力された生体組織画像の解析を行い、この解析の結果に基き前記生体組織画像における組織領域内に含まれる腺管から一定の異型度を有した腺管を抽出する病理組織画像解析方法であって、前記組織領域内における腺管の特徴を示す予め設定された腺管特徴情報に基づき前記組織領域から前記腺管領域を検出し、前記検出された腺管領域内に含まれる細胞核を予め設定された色素基準に基づき抽出し、前記腺管における予め設定された基底部領域に対する前記抽出された細胞核の分布状態に基づき前記腺管の異型度を算出することを特徴としている。

又、本発明にかかる病理組織画像解析プログラムは、外部から入力された生体組織画像の解析を行い、この解析の結果に基き前記生体組織画像における組織領域内に含まれる腺管から一定の異型度を有した腺管を抽出するための病理組織画像解析プログラムであって、前記組織領域内における腺管の特徴を示す予め設定された腺管特徴情報に基づき前記組織領域から前記腺管領域を検出する腺管領域検出機能、前記検出された腺管領域内に含まれる細胞核を予め設定された色素基準に基づき抽出する細胞核抽出機能、前記腺管における予め設定された基底部領域に対する前記抽出された細胞核の分布状態に基づき前記腺管の異型度を算出する腺管異型度算出機能、を予め設定されたコンピュータに実行させることを特徴としている。

本発明は、以上のように構成され機能するので、これによると、病理組織画像における間質を抽出除去することにより腺管領域を検出する手段と、腺管を形成している細胞核の配列分布を腺管単位に評価する手段とを備えた構成とすることにより、各腺管の異型度を正確に算出できるため、これにより、病理組織画像解析によって病理診断を行うときに高精度に癌の鑑別を行うことを可能とし、医師による診断を有効に支援する病理組織画像解析装置、病理組織画像解析方法、病理組織画像解析プログラムを提供することができる。

本発明による病理組織画像解析装置の一実施形態を示す概略ブロック図である。 図１に開示した病理組織画像解析装置における入力画像である大腸生検画像の一例を示す説明図である。 図１に開示した病理組織画像解析装置における入力画像の一部を拡大表示した説明図である。 図１に開示した病理組織画像解析装置における全体の動作処理ステップを示したフローチャートである。 図１に開示した病理組織画像解析装置における入力画像に含まれた良性上皮性腫瘍としての管状線腫の一例を示す説明図である。 図１に開示した病理組織画像解析装置における入力画像に含まれた悪性上皮性腫瘍としての高分化腺癌の一例を示す説明図である。 図１に開示した病理組織画像解析装置における入力画像から間質候補領域の抽出を行う動作の動作処理ステップを示すフローチャートである。 図８（ａ）は、図１に開示した病理組織画像解析装置における明度強調処理に利用されるシグモイド曲線の一例を示す説明図、図８（ｂ）は、明度強調処理に利用される青色の明度のヒストグラムのいつ例を示す説明図、図８（ｃ）は、図８（ｂ）における明度を強調したヒストグラムの一例を示す説明図である。 図１に開示した病理組織画像解析装置における入力画像から腺管候補領域の抽出を行う動作の動作処理ステップを示すフローチャートである。 図１０（ａ）は、図１に開示した病理組織画像解析装置における入力画像中の悪性上皮性腫瘍である高分化腺癌の間質および腺管を構成する細胞核と腺管の上皮細胞の検出例を示す説明図であり、図１０（ｂ）は、良性上皮性腫瘍である管状腺腫の入力画像における間質および腺管を構成する細胞核と腺管の上皮細胞の検出例を示す説明図である。 図１に開示した病理組織画像解析装置における腺管形成の評価判定を行う動作処理ステップを示したフローチャートである。 図１２（ａ）は、図１に開示した病理組織画像解析装置における入力画像に含まれる管状の腺管を模式的に示した説明図、図１２（ｂ）は、入力画像に含まれる線状の腺管を模式的に示した説明図である。 図１に開示した病理組織画像解析装置における線状腺管内の細胞核分布を評価する動作の処理ステップを示したフローチャートである。 図１４（ａ）は、図１に開示した病理組織画像解析装置における線状腺管を細線化した細線化領域を示す説明図、図１４（ｂ）は、図１４（ａ）の細線化領域を一画素分右にシフトした場合を示す説明図、図１４（ｃ）は、図１４（ａ）の細線化領域を一画素分下にシフトした場合を示す説明図、図１４（ｂ）は、図１４（ａ）の細線化領域を一画素分右下にシフトした場合を示す説明図である。 図１に開示した病理組織画像解析装置における入力画像に含まれる線状腺管の基底部領域を模式的に示した説明図である。

［実施形態］
次に、本発明の実施形態について、その基本的構成内容を説明する。

本発明の生体画像解析装置（画像解析本体部）１００は、図１に示すように、外部から入力された生体画像（病理組.織画像）を取得する入力手段１０１と、この入力手段１０１を介して送り込まれた生体画像における組織領域（組織画像領域）の色を予め設定された色素情報に基づき調整する画像色調調整手段１０２と、画像色調調整手段１０２により色調整がなされた生体画像から背景領域を除去して組織領域を抽出する組織領域抽出手段１０３とを備えている。

また、生体画像解析装置（以下「画像解析装置」という）１００は、組織領域抽出手段１０３により抽出された組織領域に含まれる間質のテクスチャ特徴により間質領域の候補を抽出する間質候補領域抽出手段１０４と、予め設定された腺管の特徴を示す特徴情報に基づき腺管領域（複数の異なる腺管からなる）の候補を抽出する腺管候補領域抽出手段１０５と、上記間質候補領域抽出手段１０４および腺管候補領域抽出手段１０５によって候補領域として抽出された間質候補領域および腺管候補領域を付き合わせ、間質領域と腺管領域が排他的領域となるようにそれぞれの領域を設定して間質領域および腺管領域を決定する間質領域・腺管領域検出手段１０６を有する。

更に、画像解析装置１００は、決定された腺管領域から予め設定されたヘマトキシリンのシグナルを抽出することにより細胞核を検出する腺管内の細胞核検出手段１０７と、腺管内の核の分布によって各腺管の異型度を評価する（算出する）腺管形成評価手段１０８と、腺管形成評価手段１０８による異型度の評価結果を予め設定されたディスプレイに対して出力する出力手段１０９を備えた構成となっている。

尚、画像解析装置１００は、コンピュータシステムであって、ＣＰＵ（プロセッサ）が予め設定されたプログラムの実行処理を行うことにより、上記画像解析装置（画像解析本体部）１００の備えた各手段（図１）の動作を実現するものとする。

入力手段１０１は、画像解析装置１００の外部から入力され、デジタル化された生体画像（画像データ）を一時的に記憶するメモリ領域を有する。
尚、本実施形態における画像データは、ＨＥ染色処理されたものであり、各細胞の核（細胞核）が青紫色に、細胞質や間質成分がピンク色に染色されたものとする。
図２は、入力手段１０１に入力された画像データの一例を示す。この画像データは、大腸生検画像例を示し、ＨＥ染色により染色されたものである。尚、図３は、図２の一部領域を拡大表示した図を示す。

画像色調調整手段１０２は、入力手段１０１から入力された生体画像（画像データ）におけるホワイト色とヘマトキシリンの色シグナルを予め設定されたホワイト色とヘマトキシリン色に基づき調整する色調調整機能を有する。
又、画像色調調整手段１０２は、色調の調整を行った画像データを組織領域抽出手段１０３に送る。

組織領域抽出手段１０３は、画像色調調整手段１０２から送り込まれた画像データに対して、その画像データにおける彩度と明度に基づき、白色に近い背景領域を除去する処理を行う（背景領域除去処理機能）。
また、組織領域抽出手段１０３は、予め設定された閾値面積より小さい白色の孔を埋める画像処理を施すことにより、大きい塊の組織として組織領域を抽出する。
これにより、組織領域抽出手段１０３は、空泡状の核（例えば、図３の３０２領域）で白色抜けしている部分、白色に近いゴブレットセル（例えば、図３の３０３領域）、および、間質の白色抜けしている部分を含めた組織領域を設定することができる。

間質候補領域抽出手段１０４は、組織領域抽出手段１０３を介して送り込まれた画像データについて、間質の特徴であるピンク色と、濃い青色に染色される扁平小片のリンパ球（図３の、例えば３０１領域）と、間質の色が抜けている白色とがモザイク状に含まれるテクスチャ特徴をもつ画像領域を、上記組織領域内における間質の候補領域として抽出する。

腺管候補領域抽出手段１０５は、ヘマトキシリンシグナルが高く細胞核と推定される領域と、腺管上皮細胞である紫色に染色された領域（紫色領域）と、白色に近い色かつ円形度の高いゴブレットセルと推定される領域を抽出する。また、腺管候補領域抽出手段１０５は、これら三つの領域を予め設定された色素情報に基づく推定判定を行うことにより、上記組織領域内の腺管が含まれる腺管候補領域を抽出（検出）する。

ここで、腺管候補領域抽出手段１０５が、生体画像から腺管候補領域を抽出する動作について、詳説する。
まず、腺管候補領域抽出手段１０５は、生体画像における色相に基づき紫色領域（purplearea）を抽出する。
ここで、生体画像における紫色は腺管を構成する上皮細胞を示す。この紫色を抽出する処理では、予め設定されたＨＳＶ値（色相（H；hue）、彩度（S；saturation）、明度（V；value））の色相Ｈの色範囲内である画素の検出の検出を行うものとする。

また、腺管候補領域抽出手段１０５は、生体画像から白色に近似し、予め設定された面積より小さく、且つ一定の円形度より高いゴブレット領域（gobletarea）の抽出を行う（ゴブレット領域抽出機能）。
ここで、腺管候補領域抽出手段１０５は、上記円形度について、円形度（＝（４π×面積）／（周囲長×周囲長））や、形状を楕円近似して扁平度（＝（長径―短径）／長径）や、離心率（＝焦点間の距離／長径）等により測定するものとする。

更に、腺管候補領域抽出手段１０５は、ステップＳ９０１とステップＳ９０２で抽出された領域の和集合を、腺管上皮細胞候補領域（epitheliarea）として設定する。
ここで、この腺管上皮細胞候補領域（epitheliarea）は、以下の［式１］に示す、紫色領域（purplearea）とゴブレット領域（gobletarea）との和集合として設定される。
［式１］
epitheliarea = purplearea ∪ gobletarea

また、腺管候補領域抽出手段１０５は、生体画像からヘマトキシリンにより青紫色に染色された領域を、細胞核領域（nucleiarea）として抽出する細胞核領域抽出機能を有する。
この細胞核領域抽出機能では、ヘマトキシリンシグナルのグレースケール画像にガウスフィルタをかけ、予め設定された閾値に基づき２値画像に変換し、細胞核相当の大きさのクラスタを選択すると共に、一定値の孔画像より小さい孔を埋める処理を施し、細胞核領域とする。

尚、上述の小さい孔を埋める処理は、空泡状の細胞核を埋めてしまうことにより除去することとなり、これにより、抽出される腺管候補領域を簡易に特定することができる。

また、腺管候補領域抽出手段１０５は、上記抽出された領域の和集合を腺管候補領域（ductarea）として設定する。つまり、腺管候補領域（ductarea）は、以下の［式２］に示す、腺管上皮細胞候補領域（epitheliarea）と細胞核領域（nucleiarea）との和集合として検出される
［式２］
ductarea = epitheliarea ∪ nucleiarea

尚、腺管は、腺管を構成する細胞核と、紫色に染まる上皮細胞と、上皮細胞に存在するゴブレットセルからなる。
更に、腺管候補領域抽出手段１０５は、上記設定された腺管候補領域（ductarea）に囲まれる面積の小さい孔を埋め、埋めた孔は上皮細胞領域（epitheliarea）に含め、腺管候補領域（ductarea）を更新設定する。

また、上記説明で用いた閾値および一定幅は、腺管画像データに基づき予め算出しておいたものであってもよい。更に、この閾値は、学習アルゴリズムや判別分析法などを用いて予め算出されたものとであってもよい。

間質領域・腺管領域検出手段１０６は、間質候補領域抽出手段１０４と腺管候補領域抽出手段１０５によって候補領域として抽出された、上記間質候補領域と腺管候補領域を、付き合わせて比較する候補領域比較機能と、間質領域と腺管領域が排他的になるようにそれぞれの領域を決定すると共に、組織領域抽出手段１０３によって抽出された組織領域と重なる領域を間質領域および腺管領域として抽出する間質腺管領域設定機能を備えている。

腺管内の細胞核検出手段１０７は、間質領域・腺管領域検出手段１０６で設定された腺管領域とヘマトキシリンシグナルの高い領域が重なった領域を抽出することにより腺管内の細胞核を検出する細胞核検出機能を有する。
尚、本実施形態では、上記細胞核抽出機能における、ヘマトキシリンシグナルがある閾値間である領域を細胞核領域（nucleiarea）とする。

また、腺管の細胞核領域でない上皮細胞領域（epitheliarea）は、腺管内の細胞核検出手段１０７によって、以下の［式３］に示す、腺管領域と細胞核領域でない領域との積集合として検出される。
［式３］
epitheliarea = ductarea ∩ ¬nucleiareaとする。

ここで、図１０（ａ）および図１０（ｂ）は、それぞれ、悪性上皮性腫瘍である高分化腺癌、良性上皮性腫瘍である管状腺腫の画像において、間質および腺管を構成する細胞核と、腺管の上皮細胞と、を検出した一例を示すものとする。

腺管形成評価手段１０８は、検出された腺管内の細胞核が、予め設定された基底部領域の位置に基づき不規則な分布をしているか、または、基底部領域側に分布、配列しているかの評価を行うことにより、腺管の異型度を算出する。
ここで、例えば、算出された異型度が予め設定された基準異型度値より、低ければ通常の腺管または良性の癌、異型度が高ければ悪性の癌だと判断できる。

腺管形成評価手段１０８は、腺管内の細胞核が不規則な分布をしているか予め設定された基底側（基底部領域）に配列、分布しているかを評価する。これにより、腺管形成評価手段１０８は、腺管内における細胞核の分布状態（配列状態）の規則性を評価する（細胞核分布評価機能）

ここで、腺管内の細胞核の分布を評価する機能（細胞核分布評価機能）について、詳説する。

腺管形成評価手段１０８は、間質領域・腺管領域検出手段１０６により検出された、生態画像における各腺管を、個々のクラスタとして抽出すると共に各腺管に対してラベリングを行う（腺管ラベリング処理機能）。

また、腺管形成評価手段１０８は、一つ一つの腺管毎に、以下示す条件１〜３それぞれに基づく閾値判定処理（１〜３）を行う（腺管閾値判定機能）。

まず、腺管形成評価手段１０８は、各腺管内の細胞核のクラスタ数が予め設定された一定値（条件１：「クラスタ判定閾値」という）より大きいか否かの判定を行う（閾値判定処理１）。
尚、例えば、組織領域中の管状腺腫は、細胞核がきれいに配列しているため、細胞核領域は連結して（つながって）検出される。このため、設定された細胞核のクラスタ数が、クラスタ判定閾値より少なくなる傾向がある。
一方、高分化腺癌の場合は、細胞核の配列が乱れているため、一つの細胞核であっても空泡状の細胞核は連結して検出されない。このため、設定された細胞核のクラスタ数がより多く検出される。

また、腺管形成評価手段１０８は、細胞核の面積和に対する腺管の面積の割合（細胞核の面積和／腺管の面積）が予め設定された一定値（条件２：「腺管面積判定閾値」という）より大きいか否かの判定を行う（閾値判定処理２）。
ここで、管状腺腫の細胞核の面積は、基底側から上皮の１／２程度であるため、腺管に対する核の面積比は１／２を大幅には超えないものと考えられる。

更に、腺管形成評価手段１０８は、細胞核の平均面積、つまり細胞核の面積和に対する細胞核の数の割合（細胞核の面積和／細胞核の数）が予め設定された一定値（条件３：「細胞核平均面積判定閾値」という）より大きいか否かの判定を行う（閾値判定処理３）。
ここで、高分化腺癌の細胞核は通常腫大しているため、腺管形成評価手段１０８は、細胞核の大きさについての評価を行うこともできる。
また、正常な腺管は細胞核の面積が小さいため、この条件（条件３）に基づく判定により、腺管形成評価手段１０８は、正常な腺管（管状腺腫）と高分化腺癌とをより正確に判別することができる。

更に、腺管形成評価手段１０８は、腺管の形状が、管状であるか線状であるかの判定を行う腺管形状判定機能を備えている。
ここで、腺管形成評価手段１０８は、腺管の形状を判定するために、予め２値化された画像データ中の各腺管に対して縮退処理（縮退画像処理）を行う縮退処理機能を備えている。
尚、図１２（ａ）は管状の腺管を、図１２（ｂ）は線状の腺管を模式的に示したものである。

この縮退画像処理では、腺管形成評価手段１０８が画像における腺管における孔（例えば図１２（ａ）の１２０３）を埋める画像処理を行う。
ここで、例えば図１２（ａ）の１２０１の領域は、上記縮退画像処理により除去された領域であり、図１２（ａ）の１２０２は、この縮退画像処理後も残った領域を示している。

また、腺管形成評価手段１０８は、腺管の面積に対して縮退画像処理を行った後に残った領域（図１２（ａ）の１２０２）の面積率が、予め設定された一定値以上の場合に、この腺管の形状を管状と判定する（管状腺管判定機能）。

腺管形成評価手段１０８は、管状と判定された腺管（管状腺管）について、腺管内における細胞核配列の分布を評価する管状腺管細胞核分布判定機能を有する。
ここで、腺管形成評価手段１０８は、縮退画像処理を行うことにより除去した領域（例えば図１２（ａ）の１２０１）を管状腺管における基底部領域として、この基底側領域側における細胞核の占有面積率を算出する。

また、腺管形成評価手段１０８は、細胞核の占有面積率が予め設定された一定値より小さい場合には、細胞核は基底部領域側に分布（配列）していないものと判定する。
この場合、出力手段１０９は、この腺管を異型腺管として出力する。

また、腺管形成評価手段１０８は、上記腺管形状判定機能で管状と判定されなかった腺管、つまり、線状と判定された腺管について、この線状腺管内における細胞核（配列）の分布状態の評価判定を行う（線状腺管細胞核分布判定機能）

ここで、線状腺管における細胞核配列を評価する線状腺管細胞核分布判定機能の内容について詳説する。

腺管形成評価手段１０８は、上記入力画像における線状と判定された腺管（線状腺管）を細線化する処理を行い（細線化処理機能）、細線化画像の生成を行う。
この細線化画像は、例えば図１４（ａ）に示すように、細線化された線状腺管の画像であって、細線化領域（＝１）および背景領域（＝０）の画素により構成される。
尚、細線化画像の細線化領域は、線状腺管の長手方向に沿って、線状腺管の幅を２分する位置に設定されるものとする。

次に、腺管形成評価手段１０８は、細線化画像（図１４（ａ））における各画素それぞれについて、周囲（縦、横、斜め）の８方向に１画素分シフトする処理を行う。
ここで、腺管形成評価手段１０８は、細線化領域の画素における、シフトした画素のビットがシフト前の元の画素のビットと重複しない画素の数を算出し、重複しない画素の数が最大となる方向を決定する（シフト方向決定機能）。

具体的には、例えば、図１４（ｂ）は、細線化画像を右に一画素分シフトしたときに細線化画像の細線化領域（１）が重複しない画素（グレーの領域）を示す。
また、図１４（ｃ）は細線化画像の細線化領域（１）を下に、また、図１４（ｄ）は細線化画像の細線化領域（１）を右下にそれぞれ一画素分シフトした場合に、元の細線化画像における細線化領域（１）が重複しない画素（グレーの領域）をそれぞれ示す。
ここでは、右下にシフトした図１４（ｄ）が重複しない画素の数が最大となるため、重複しない画素の数が最大となる方向は「右下」と決定される。

腺管形成評価手段１０８は、細線化領域を上記算出された方向に、腺管の厚さ分の範囲内でシフトし、シフト先の画素をシフト抽出画素として抽出する（シフト画素抽出処理）。
これを、線状腺管における一方の長手方向の輪郭まで連続して行うと共に、シフト抽出画素と腺管領域との和集合をとる（基底部領域設定機能）。
これにより、予め細線化領域が設定された位置から線状腺管の輪郭までの領域、つまり線状腺管における長手方向を縦とした場合の線状腺管内の縦半分領域を、基底部領域として抽出することができる。
ここで抽出された基底部領域は、例えば、図１５の斜線部１５０１に示すように、線状腺管の縦（長手方向）半分領域となる。

腺管形成評価手段１０８は、上記抽出された腺管の縦半分領域（基底部領域）における細胞核の占有面積率を算出する。
ここで、算出された専有面積率が予め設定された一定値範囲以内である場合、つまり、細胞核が腺管のどちらかの縦半分領域の一方に片寄っていないと判定される場合、出力手段１０９は、この腺管を異型腺管として出力する。

出力手段１０９は、腺管形成評価手段１０８により算出された腺管の異型度を算出結果として、予め設定されたディスプレイに出力する出力表示機能を備えている。
尚、出力手段１０９は、この出力表示機能により、画像解析装置１００の有する任意の手段によって算出された結果、および処理結果をディスプレイに対して出力するものとする。

［実施形態の動作説明］
次に、本実施形態における全体の動作について、その概略を説明する。
まず、間質領域・腺管領域検出手段１０６が、組織領域内における腺管の特徴を示す予め設定された腺管特徴情報に基づき前記画像から前記腺管領域を検出し（腺管領域検出工程）、腺管内の細胞核検出手段１０７が、検出された腺管領域内に含まれる細胞核を予め設定された色素基準に基づき抽出し（細胞核抽出工程）、腺管形成評価手段１０８が、各腺管における予め設定された基底部領域に対する前記抽出された細胞核の分布状態に基づき前記腺管の異型度を算出する（腺管異型度算出工程）。
ここで、上記腺管領域検出工程、細胞核抽出工程、および腺管異型度算出工程については、その実行内容をプログラム化し、コンピュータに実行させるように構成してもよい。

次に、本実施形態の動作について、図４のフローチャートに基づいて詳説する。

まず、画像色調調整手段１０２が、生体画像におけるホワイト色およびヘマトキシリン色を、予め設定された色（色調）に調整する（ステップＳ４０１：色調調整行程）。
ここで、予めホワイト色の色相値域と青紫色の色相値域とを設定しておき、この色相をずらすことにより、設定した範囲に調整する。

次に、組織領域抽出手段１０３が、画像色調調整手段１０２により色調整処理された生体画像において、白色に近い背景領域を除去することにより、生体画像における組織領域の抽出（組織領域抽出処理）を行う（ステップＳ４０２：組織領域抽出行程）。
ここで、上記組織領域抽出処理では、組織領域抽出手段１０３は、上記白色に近似する色に対して、予め設定された彩度と明度に基づき（閾値処理）を行うことにより、生体画像における、ある面積以下大きさの孔を埋める処理を行う。
また、組織領域抽出手段１０３は、小片組織やノイズを除去するため、予め設定された一定面積以上の大きな組織領域を、評価対象の組織領域として抽出する。

次に、間質候補領域抽出手段１０４が、（組織領域の抽出された）生体画像における腺管領域ではない領域（間質領域）を、間質候補領域として検出する（ステップＳ４０３：間質候補領域検出行程）。

ここで、以下に示すサブステップ（ステップＳ７０１〜７０５：図７）に基づき、
上記間質候補領域抽出手段１０４により行われる
病理組織画像データ等の生体画像から間質候補領域を抽出する動作（間質候補領域検出行程）について、図７のフローチャートに基づき詳説する。

まず、間質候補領域抽出手段１０４は、上記生体画像から色相に基づきピンク色領域（pinkarea）を抽出する。また、間質候補領域抽出手段１０４は、生体画像の各画素に対して色処理を行い、エオジンによりピンク色に染まった画素の検出を行う（ステップＳ７０１）。
ここで、上記ピンク色領域を抽出する色処理（ピンク色領域抽出処理）では、エオジンによって染められた色として、予め定められたＨＳＶ値の色相Ｈの色範囲内である画素を検出するものとする。
尚、本実施形態では、エオジンによって染められた色としてＨＳＶ値に基づく色範囲を利用しているが、ＲＧＢ（赤(R)・緑(G)・青(B)）値やＣＭＹ（藍色(Cyan)、深紅色(Magenta)、黄色(Yellow)）値を利用する設定としてもよい。

次に、間質候補領域抽出手段１０４は、生体画像からヘマトキシリンシグナルが高い濃青色で、且つ予め設定された面積より小さいリンパ球領域（lympharea）の抽出を行う（ステップＳ７０２）。
尚、ヘマトキシリンは細胞核を染めるが、リンパ球もよく染める。また、ヘマトキシリンで染められたリンパ球の色は濃青色で、細胞核が染められる青紫色よりも明度が高い。

このため、間質候補領域抽出手段１０４は、リンパ球と細胞核の判別のために、青色の明度を強調し（明度強調処理）、ヘマトキシリンシグナルを算出する。
この明度強調処理では、間質候補領域抽出手段１０４は、青色の明度のヒストグラム（図８の（ｂ））を、例えばシグモイド曲線（図８の（ａ））を用いて、明度を強調したヒストグラム（図８の（ｃ））に変換して、ヘマトキシリンシグナルとして算出する。

ここで、間質候補領域抽出手段１０４がヘマトキシリンシグナルに変換すると共に閾値処理を行うことにより、細胞核とリンパ球の色による判別精度を向上させることができる。

次に、間質候補領域抽出手段１０４は、上記ステップＳ７０１とステップＳ７０２で抽出された領域の和集合を間質候補領域として設定する（ステップＳ７０３）。
この間質候補領域（stromaarea）は、以下の［式４］で示す、ピンク色領域（pinkarea）とリンパ球領域（lympharea）との和集合として設定される。
［式４］
storomaarea = pinkarea ∪ lympharea

ここで、間質領域のテクスチャ特徴は、エオジン染色のピンク色、染色されたリンパ球の濃青色、および色の抜けている白色が、モザイク状になっているものとする。

次に、間質候補領域抽出手段１０４は、ステップＳ７０３で設定された間質候補領域により囲まれた白色に近似した、予め設定された面積より小さい孔を埋める画像処理を行うことにより、予め設定された間質候補領域を更新する（ステップＳ７０４：間質候補領域更新設定）。

そして、間質候補領域抽出手段１０４は、更新設定された間質領域に対して、膨張縮退処理を施し、間質候補領域の更新を行う（ステップＳ７０５）。

次に、腺管候補領域抽出手段１０５は、生体画像の腺管候補領域を検出する（ステップＳ４０４）。
ここで、この生体画像から腺管候補領域を抽出する動作について、図９に示すサブステップ（ステップＳ９０１〜９０５）のフローチャートに基づき説明する。

まず、腺管候補領域抽出手段１０５は、生体画像における色相に基づき紫色領域（purplearea）を抽出する（ステップＳ９０１）。

次に、腺管候補領域抽出手段１０５は、生体画像から白色に近く、予め設定された面積より小さく、円形度より高いゴブレット領域（gobletarea）の抽出を行う（ステップＳ９０２：ゴブレット領域抽出行程）。

次に、腺管候補領域抽出手段１０５は、ステップＳ９０１とステップＳ９０２で抽出された領域の和集合を、腺管上皮細胞候補領域（epitheliarea）として設定する（ステップＳ９０３）。

次に、腺管候補領域抽出手段１０５は、生体画像からヘマトキシリンにより青紫色に染色された領域を、細胞核領域（nucleiarea）として抽出する（ステップＳ９０４：細胞核領域抽出行程）。

次に、腺管候補領域抽出手段１０５は、ステップＳ９０３とステップＳ９０４で抽出された領域の和集合を腺管候補領域（ductarea）として設定する（ステップＳ９０５）。

次いで、腺管候補領域抽出手段１０５は、ステップＳ９０５で設定された腺管候補領域（ductarea）に囲まれる面積の小さい孔を埋め、埋めた孔は上皮細胞領域（epitheliarea）に含め、腺管候補領域（ductarea）を更新設定する（ステップＳ９０６）。

尚、本実施形態においては、上記ステップＳ４０３とステップＳ４０４の処理順序はどちらが先に行われてもよい。

次に、間質領域・腺管領域検出手段１０６が、組織領域抽出手段１０３により抽出された組織領域を加味し、間質候補領域抽出手段１０４および腺管候補領域抽出手段１０５によりそれぞれ検出された間質候補領域および腺管候補領域が相互に排他集合となるよう、間質領域（stromaarea）と腺管領域（ductarea）を検出する（ステップＳ４０５）。

ここで、腺管領域（ductarea）は、以下の［式５］に示す、組織領域と腺管候補領域と間質候補領域でない領域と、の積集合として検出される。
［式５］
ductarea = ductarea ∩ (¬stromaarea) ∩ tissuearea）

また、間質領域（stromaarea）は、以下の式６に示す、間質候補領域と組織領域の積集合として検出される。
［式６］
stromaarea = stromaarea ∩ tissuearea

次に、腺管内の細胞核検出手段１０７は、間質領域・腺管領域検出手段１０６によって検出された腺管領域内における細胞核を抽出する（ステップＳ４０６）。

次に、腺管形成評価手段１０８は、腺管内の細胞核が不規則な分布をしているか基底側に配列しているかを評価する（ステップＳ４０７）。
腺管内における細胞核の分布状態（配列状態）の規則性を評価する（細胞核分布評価行程）

ここで、腺管内の細胞核の分布を評価する動作（腺管形成評価手段１０８による細胞核分布評価行程）について、図１１のフローチャートに基づき説明する。

まず、腺管形成評価手段１０８は、間質領域・腺管領域検出手段１０６により検出された、生態画像における腺管それぞれを、個々のクラスタとして抽出すると共に、各腺管に対してラベリングを行う（ステップＳ１１０１：腺管ラベリング処理工程）。

次に、腺管形成評価手段１０８は、各腺管それぞれに対して、以下示す条件１〜３それぞれに基づく閾値判定処理（１〜３）を行う（ステップＳ１１０２：腺管閾値判定行程）。

ここで、腺管形成評価手段１０８は、まず、各腺管内の細胞核のクラスタ数が予め設定された一定値（条件１：「クラスタ判定閾値」という）より大きいか否かの判定を行う（閾値判定処理１）。
ここで、例えば、管状腺腫は、細胞核がきれいに配列しているため、細胞核領域は連結して（つながって）検出される。このため、設定された細胞核のクラスタ数が、クラスタ判定閾値より少なくなる傾向がある。
一方、高分化腺癌の場合は、細胞核の配列が乱れているため、一つの細胞核であっても空泡状の細胞核は連結して検出されない。このため、設定された細胞核のクラスタ数がより多く検出される。

また、腺管形成評価手段１０８は、細胞核の面積和に対する腺管の面積の割合（細胞核の面積和／腺管の面積）が予め設定された一定値（条件２：「腺管面積判定閾値」という）より大きいか否かの判定を行う（閾値判定処理２）。
ここで、管状腺腫の細胞核の面積は、基底側から上皮の１／２程度であるため、腺管に対する核の面積比は１／２を大幅には超えないものと考えられる。

更に、腺管形成評価手段１０８は、細胞核の平均面積、つまり細胞核の面積和に対する細胞核の数の割合（細胞核の面積和／細胞核の数）が予め設定された一定値（条件３：「細胞核平均面積判定閾値」という）より大きいか否かの判定を行う（閾値判定処理３）。
ここで、高分化腺癌の細胞核は通常腫大しているため、腺管形成評価手段１０８は、細胞核の大きさについての評価を行うこともできる。
また、正常な腺管は細胞核の面積が小さいため、この条件（条件３）に基づく判定により、腺管形成評価手段１０８は、正常な腺管（管状腺腫）と高分化腺癌とをより正確に判別することができる。

次に、腺管形成評価手段１０８は、腺管の形状が、管状であるか線状であるかの判定を行う（ステップＳ１１０３：腺管形状判定行程）。
ここで、腺管形成評価手段１０８は、腺管の形状を判定するために、２値画像として表現された各腺管に縮退画像処理を施す。尚、図１２（ａ）は管状の腺管を、図１２（ｂ）は線状の腺管を模式的に示す。

この縮退画像処理では、腺管形成評価手段１０８が画像における腺管における孔（例えば図１２（ａ）の１２０３）を埋める処理を行う。
ここで、例えば図１２（ａ）の１２０１の領域は、縮退画像処理により除去された領域であり、図１２（ａ）の１２０２は、この縮退画像処理後も残った領域を示している。

また、腺管形成評価手段１０８は、腺管の面積に対して縮退画像処理を行った後に残った領域（図１２（ａ）の１２０２）の面積率が、予め設定された一定値以上の場合に、この腺管の形状を管状と判定する（管状腺管判定工程）。

ここで、腺管の形状が管状であると判定された場合、ステップＳ１１０４へと処理を進め、腺管の形状が線状であると判定された場合はステップＳ１１０５に処理を進める。

次に、腺管形成評価手段１０８は、上記ステップＳ１１０３で管状と判定された腺管について、腺管内における細胞核配列の分布を評価する核分布状態判定機能を実行する（ステップＳ１１０４：管状腺管細胞核分布判定行程）。
ここで、腺管形成評価手段１０８は、ステップＳ１１０２で縮退画像処理を行われることにより除去された領域（例えば図１２（ａ）の１２０１）を腺管における基底部領域として、この基底側領域側における細胞核の占有面積率を算出する。
ここで、腺管形成評価手段１０８は、細胞核の占有面積率が予め設定された一定値より小さい場合には、細胞核は基底部領域側に分布（配列）していないと判定し、この腺管を
異型腺管として出力する。

一方、上記ステップＳ１１０３（腺管形状判定工程）で管状と判定された腺管、つまり線状と判定された腺管について、腺管形成評価手段１０８は、この腺管内における細胞核（配列）の分布状態の評価判定を行う（ステップＳ１１０５：線状腺管細胞核分布判定工程）

ここで、線状の腺管における細胞核配列を評価する動作（線状腺管細胞核分布判定工程）について、図１３のフローチャートに基づき説明する。

まず、腺管形成評価手段１０８は、上記入力画像における線状と判定された腺管（線状腺管）を細線化する処理を行い（ステップＳ１３０１：細線化処理工程）、細線化画像を生成する。
この細線化画像は、例えば図１４（ａ）に示すように、細線化された線状腺管の画像であって、細線化領域（＝１）および背景領域（＝０）の画素により構成される。
尚、細線化画像の細線化領域は、線状腺管の長手方向に沿って、線状腺管の幅を２分する位置に設定されるものとする。

次に、腺管形成評価手段１０８は、細線化画像（図１４（ａ））における各画素それぞれについて、周囲（縦、横、斜め）の８方向に１画素分シフトする。
ここで、腺管形成評価手段１０８は、細線化領域の画素における、シフトした画素のビットがシフト前の元の画素のビットと重複しない画素の数を算出すると共に、重複しない画素の数が最大となる方向を決定する（ステップＳ１３０２：シフト方向決定工程）。

具体的には、例えば、図１４（ｂ）は、細線化画像を右に一画素分シフトしたときに細線化画像の細線化領域（１）が重複しない画素（グレーの領域）を示す。
また、図１４（ｃ）は細線化画像の細線化領域（１）を下に、また、図１４（ｄ）は細線化画像の細線化領域（１）を右下にそれぞれ一画素分シフトした場合に、元の細線化画像における細線化領域（１）が重複しない画素（グレーの領域）をそれぞれ示す。
ここでは、右下にシフトした図１４（ｄ）が重複しない画素の数が最大となるため、重複しない画素の数が最大となる方向は「右下」と決定される。

次に、腺管形成評価手段１０８は、細線化領域をステップＳ１３０２で算出された方向に、腺管の厚さ分の範囲内でシフトし、シフト先の画素を抽出する。これを、線状腺管の輪郭まで連続して行うことにより、予め細線化領域が設定された位置から線状腺管の輪郭までの領域、つまり線状腺管における長手方向を縦とした場合の縦半分領域（図１５の斜線部１５０１）を、基底部領域として抽出する（ステップＳ１３０３：基底部領域設定工程）。これにより、抽出された基底部領域は、図１５の斜線部１５０１に示すように、線状腺管の縦半分領域となる。

次に、腺管形成評価手段１０８は、ステップＳ１３０３で抽出された腺管の縦半分領域（基底部領域）における細胞核の占有面積率を算出する。
ここで、算出された専有面積率が予め設定された一定値範囲以内である場合、つまり、細胞核が腺管のどちらかの縦半分領域の一方に片寄っていないと判定される場合、腺管形成評価手段１０８は、この腺管を異型腺管として送出する（ステップＳ１３０４）。

次に、出力手段１０９は、腺管形成評価手段１０８により出力された異形腺管を予め設定されたディスプレイに対して出力表示（ステップＳ１１０６）する。
次いで、腺管形成評価手段１０８は、腺管毎に上述の評価処理を行う（ステップＳ１１０２へ）。

以上のように、本実施形態における病理組織画像解析装置では、病理組織画像（生態組織画像）から腺管領域を抽出し、腺管領域内の細胞核が不規則な分布であるか、基底側に配列しているかを評価することにより、高い精度で腺腫と腺癌の鑑別をすることができる。

また、間質のテクスチャ特徴と腺管の特徴を抽出する（腺管検出工程）ことによって、空泡状の核で構成される腺管や、腺管を構成する細胞核領域が閉領域として抽出できない場合や、腺腔が閉じていない場合や、腺管が輪状ヒダ（状）の構造を有する場合であっても精度良く腺管を検出することが可能になる。

更に、生体組織画像内における腺管を形成する細胞核の一つ一つが識別できない場合であっても、腺管の基底側（基底部領域）を抽出し、基底側を基準とした領域での細胞核の分布および占有率を評価することにより、腺管の異型度を定量的に算出することができる。
このため、病理医は、腺管領域内の細胞核分布の定量的な情報を用いて、腺管における癌の良性度、または悪性度をより精度よく診断すること、つまり、病理診断における癌の鑑別精度を向上させることが可能となる。

本発明は、生体組織の画像解析を行うコンピュータ装置に対して有用に適用することができる。

１００ 画像解析装置
１０１ 入力手段
１０２ 画像色調調整手段
１０３ 組織領域抽出手段
１０４ 間質候補領域抽出手段
１０５ 腺管候補領域抽出手段
１０６ 間質領域・腺管領域検出手段
１０７ 腺管内の細胞核検出手段
１０８ 腺管形成評価手段
１０９ 出力手段

Claims (10)

1. 外部から入力された生体組織画像の解析を行い、この解析の結果に基いて前記生体組織画像の組織領域内に含まれる腺管を抽出すると共に当該腺管を含む腺管領域から一定の異型度を有した腺管を抽出する画像解析本体部を備えた病理組織画像解析装置であって、
   前記画像解析本体部は、
   前記組織領域内における腺管の特徴を示す予め設定された腺管特徴情報に基づき前記組織領域から前記腺管領域を検出する腺管領域検出手段と、
   前記検出された腺管領域内に含まれる細胞核を予め設定された色素基準に基づき抽出する細胞核抽出手段と、
   前記腺管における予め設定された基底部領域に対する前記抽出された細胞核の分布状態に基づき前記腺管の異型度を算出する腺管異型度算出手段と、
   を備えたことを特徴とする病理組織画像解析装置。
2. 前記請求項１に記載の病理組織画像解析装置において、
   前記組織領域内における予め設定されたテクスチャ特徴に基づき前記組織領域内に含まれる間質からなる間質領域を検出する間質領域検出手段を有し、
   前記腺管領域検出手段が、前記組織領域内で前記間質領域および前記腺管領域を相互排他的に決定することにより前記腺管領域を抽出する領域決定抽出機能を備えたことを特徴とする病理組織画像解析装置。
3. 前記請求項１に記載の病理組織画像解析装置において、
   前記腺管異型度算出手段は、
   前記抽出された腺管領域に含まれる前記各腺管に対して縮退処理を行い前記各腺管の形状を強調表示する縮退処理機能と、
   前記腺管の形状を検知すると共に当該各腺管の形状が管状であるか線状であるかの判定を行う腺管形状検知判定機能と、
   を備えたことを特徴とする病理組織画像解析装置。
4. 前記請求項１に記載の病理組織画像解析装置において、
   前記組織領域内における予め設定されたテクスチャ特徴に基づき前記組織領域内に含まれる間質からなる間質領域を検出する間質領域検出手段を有し、
   前記腺管領域検出手段が、前記組織領域内で前記間質領域および前記腺管領域を相互排他的に決定することにより前記腺管領域を抽出する領域決定抽出機能を備え、
   前記腺管異型度算出手段が、
   前記抽出された腺管領域に含まれる前記各腺管に対して縮退処理を行い前記各腺管の形状を強調表示する縮退処理機能と、
   前記腺管の形状を検知すると共に当該各腺管の形状が管状であるか線状であるかの判定を行う腺管形状検知判定機能と、
   を備えたことを特徴とする病理組織画像解析装置。
5. 前記請求項２、４に記載の病理組織画像解析装置において、
   前記腺管内の前記各細胞核の大きさを検知すると共に、当該細胞核の大きさが予め設定された細胞核基準サイズより小さい場合に前記腺管を管状腺管と判定する管状腺管判定機能を備えたことを特徴とする病理組織画像解析装置。
6. 前記請求項２、４、５に記載の病理組織画像解析装置において、
   前記腺管内の前記細胞核の数を計測すると共に、当該細胞核の数が予め設定された細胞核基準計測数に基づきより小さい場合に前記腺管を管状腺管と判定する管状腺管判定機能を備えたことを特徴とする病理組織画像解析装置。
7. 前記請求項３、４に記載の病理組織画像解析装置において、
   前記腺管異型度算出手段は、
   前記管状と判定された各腺管内における縮退処理が行われた領域を管状基底部領域として設定する管状基底部領域設定機能と、
   前記管状腺管における細胞核が前記管状基底部領域内に分布している割合に基づき前記腺管の異型度を算出する管状腺管異型度算出機能を備えたことを特徴とする病理組織画像解析装置。
8. 前記請求項３、４に記載の病理組織画像解析装置において、
   前記線状と判定された各腺管に対して細線化処理を行うことにより細線化画像を生成する細線化画像生成機能と、
   前記腺管の輪郭線における一方側の長手方向の輪郭線と前記細線化画像との間の領域を線状基底部領域として設定する線状基底部領域設定機能と、
   前記線状腺管内の細胞核が前記線状基底部領域内に分布している割合に基づき前記腺管の異型度を算出する線状腺管異型度算出機能を備えたことを特徴とする病理組織画像解析装置。
9. 外部から入力された生体組織画像の解析を行い、この解析の結果に基き前記生体組織画像における組織領域内に含まれる腺管から一定の異型度を有した腺管を抽出する病理組織画像解析方法であって、
   前記組織領域内における腺管の特徴を示す予め設定された腺管特徴情報に基づき前記組織領域から前記腺管領域を検出し、
   前記検出された腺管領域内に含まれる細胞核を予め設定された色素基準に基づき抽出し、
   前記腺管における予め設定された基底部領域に対する前記抽出された細胞核の分布状態に基づき前記腺管の異型度を算出することを特徴とした病理組織画像解析方法。
10. 外部から入力された生体組織画像の解析を行い、この解析の結果に基き前記生体組織画像における組織領域内に含まれる腺管から一定の異型度を有した腺管を抽出するための病理組織画像解析プログラムであって、
    前記組織領域内における腺管の特徴を示す予め設定された腺管特徴情報に基づき前記組織領域から前記腺管領域を検出する腺管領域検出機能、
    前記検出された腺管領域内に含まれる細胞核を予め設定された色素基準に基づき抽出する細胞核抽出機能、
    前記腺管における予め設定された基底部領域に対する前記抽出された細胞核の分布状態に基づき前記腺管の異型度を算出する腺管異型度算出機能、
    を予め設定されたコンピュータに実行させることを特徴とした病理組織画像解析プログラム。

Images