JP5394485B2 - 印環細胞検出器及び関連する方法 - Google Patents
印環細胞検出器及び関連する方法 Download PDFInfo
- Publication number
- JP5394485B2 JP5394485B2 JP2011516868A JP2011516868A JP5394485B2 JP 5394485 B2 JP5394485 B2 JP 5394485B2 JP 2011516868 A JP2011516868 A JP 2011516868A JP 2011516868 A JP2011516868 A JP 2011516868A JP 5394485 B2 JP5394485 B2 JP 5394485B2
- Authority
- JP
- Japan
- Prior art keywords
- signet ring
- cell
- color
- candidate
- image
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 26
- 210000004027 cell Anatomy 0.000 claims description 72
- 238000013527 convolutional neural network Methods 0.000 claims description 27
- 210000001519 tissue Anatomy 0.000 claims description 20
- 210000000170 cell membrane Anatomy 0.000 claims description 19
- 239000003086 colorant Substances 0.000 claims description 11
- 238000001574 biopsy Methods 0.000 claims description 7
- 238000012706 support-vector machine Methods 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 3
- 238000013528 artificial neural network Methods 0.000 claims 3
- 238000010586 diagram Methods 0.000 description 9
- WZUVPPKBWHMQCE-UHFFFAOYSA-N Haematoxylin Chemical compound C12=CC(O)=C(O)C=C2CC2(O)C1C1=CC=C(O)C(O)=C1OC2 WZUVPPKBWHMQCE-UHFFFAOYSA-N 0.000 description 8
- 238000001914 filtration Methods 0.000 description 6
- 108091006146 Channels Proteins 0.000 description 5
- 108090000862 Ion Channels Proteins 0.000 description 5
- 102000004310 Ion Channels Human genes 0.000 description 5
- 230000011278 mitosis Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 3
- 239000000975 dye Substances 0.000 description 3
- YQGOJNYOYNNSMM-UHFFFAOYSA-N eosin Chemical compound [Na+].OC(=O)C1=CC=CC=C1C1=C2C=C(Br)C(=O)C(Br)=C2OC2=C(Br)C(O)=C(Br)C=C21 YQGOJNYOYNNSMM-UHFFFAOYSA-N 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 210000005081 epithelial layer Anatomy 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000000394 mitotic effect Effects 0.000 description 2
- 230000007170 pathology Effects 0.000 description 2
- 206010006187 Breast cancer Diseases 0.000 description 1
- 208000026310 Breast neoplasm Diseases 0.000 description 1
- 208000003252 Signet Ring Cell Carcinoma Diseases 0.000 description 1
- 208000005718 Stomach Neoplasms Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000002498 deadly effect Effects 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 206010017758 gastric cancer Diseases 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000001000 micrograph Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 201000008123 signet ring cell adenocarcinoma Diseases 0.000 description 1
- 238000010186 staining Methods 0.000 description 1
- 201000011549 stomach cancer Diseases 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
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
-
- 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
- G06V20/698—Matching; Classification
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N1/00—Sampling; Preparing specimens for investigation
- G01N1/28—Preparing specimens for investigation including physical details of (bio-)chemical methods covered elsewhere, e.g. G01N33/50, C12Q
- G01N1/30—Staining; Impregnating ; Fixation; Dehydration; Multistep processes for preparing samples of tissue, cell or nucleic acid material and the like for analysis
- G01N1/31—Apparatus therefor
- G01N1/312—Apparatus therefor for samples mounted on planar substrates
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20061—Hough transform
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- 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)
- General Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Radiology & Medical Imaging (AREA)
- Medical Informatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
- Investigating Or Analysing Biological Materials (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Description
本出願は、2008年7月3日に出願された米国特許仮出願第61/077,969号の利益を主張し、その全開示は参照によりここに組み込まれている。
本開示は、デジタル病理学に関する。より詳細には、本開示は、組織試料中の印環細胞を自動的に検出する印環細胞検出器及び対応する方法に関する。
Claims (12)
- 生検組織試料の画像内の印環細胞を自動的に検出する方法であって、
前記画像は少なくとも2つの異なる色を有し、前記少なくとも2つの異なる色の1つの色は細胞膜を最もよく表現しており、
コンピュータ処理により、前記少なくとも2つの異なる色のうちの前記細胞膜を最もよく表現する前記1つの色を有する前記画像の部分を、前記少なくとも2つの異なる色のうちの他の色を有する前記画像の部分から分離するステップと、
コンピュータ処理により、前記少なくとも2つの異なる色のうちの前記細胞膜を最もよく表現する前記1つの色を有する前記画像の部分において、複数の方向における画像強度の変化を用いて、前記細胞膜であろうエッジを同定するステップと、
細胞膜であろう前記同定されたエッジから、コンピュータ処理により、各々が、考え得る印環細胞の中心を表す点である、その周りで前記細胞膜が放射形対象に見える点を決定するステップと、
前記考え得る印環細胞の中心を表す前記点の各々に対し、
前記画像の各画素の色を核に期待される色と比較して、前記核に期待される色を有する画素を核の画素として分類することと、
前記画素から前記核の画素が連結した群を抽出することと、
前記抽出された核の画素が連結した群が、押しつぶされた形状がその周辺に存在する核を有するかどうかを判定することと、
その点を候補印環細胞の中心として選択することと、
によって、前記考え得る印環細胞の中心を表す前記点のうち、前記押しつぶされた形状を備えた隣接する核を有する点を、候補印環細胞として、コンピュータ処理により選択するステップと、
前記候補印環細胞の中心を表す前記選択された点に対し、畳み込みニューラルネットワークコンピュータ処理を適用して、前記候補印環細胞のどれが印環細胞なのかを決定するステップと、
を有する方法。 - 前記その周りで前記細胞膜が放射形対象に見える点を決定するステップは、ハフ変換のピークを見つけるステップを含み、考え得る印環細胞の前記中心を表す前記点は、前記ハフ変換の前記ピークが所与のしきい値を達成しているときに選択される、請求項1に記載の方法。
- 前記選択することは、分類器を用いて実行される、請求項1に記載の方法。
- 前記分類器は畳み込みニューラルネットワークコンピュータ処理を有する、請求項3に記載の方法。
- 前記分類器はサポートベクトルマシンコンピュータ処理を有する、請求項3に記載の方法。
- 前記畳み込みニューラルネットワークコンピュータ処理を適用するステップは、印環細胞ではない候補点の供給に対し、印環細胞であることが知られている候補点の供給について訓練された畳み込みニューラルネットワークコンピュータを用いて行われる、請求項1に記載の方法。
- 生検組織試料の画像内の印環細胞を自動的に検出する印環細胞検出器であって、
前記画像は少なくとも2つの異なる色を有し、前記少なくとも2つの異なる色の1つの色は細胞膜を最もよく表現しており、
前記少なくとも2つの異なる色のうちの前記細胞膜を最もよく表現する前記1つの色を有する前記画像の部分を、前記少なくとも2つの異なる色のうちの他の色を有する前記画像の部分から分離する命令と、
前記少なくとも2つの異なる色のうちの前記細胞膜を最もよく表現する前記1つの色を有する前記画像の部分において、複数の方向における画像強度の変化を用いて、前記細胞膜であろうエッジを同定する命令と、
細胞膜であろう前記同定されたエッジから、各々が、考え得る印環細胞の中心を表す点である、その周りで前記細胞膜が放射形対象に見える点を決定する命令と、
前記考え得る印環細胞の中心を表す前記点の各々に対し、
前記画像の各画素の色と核に期待される色とを比較して、前記核に期待される色を有する画素を核の画素として分類することと、
前記画素から前記核の画素のいずれの連結した群を抽出することと、
核の画素の前記抽出された連結した群が、押しつぶされた形状がその周辺に存在する核を有するかどうかを判定することと、
その点を候補印環細胞の中心として選択することと、
によって、前記考え得る印環細胞の中心を表す前記点のうち、前記押しつぶされた形状を備えた隣接する核を有する点を候補印環細胞として選択する命令と、
前記候補印環細胞の中心を表す前記選択された点に畳み込みニューラルネットワークを適用して、前記候補印環細胞のどれが印環細胞なのかを決定する命令と、
を実行するためのプロセッサを有する検出器。 - 前記その周りで前記細胞膜が放射形対象に見える点を決定する命令は、
ハフ変換のピークを見つける命令を含み、考え得る印環細胞の前記中心を表す前記点は、前記ハフ変換の前記ピークが所与のしきい値を達成しているときに選択される、請求項7に記載の検出器。 - 前記その点を候補印環細胞の中心として選択することは、分類器を用いて実行される、請求項7に記載の検出器。
- 前記分類器は畳み込みニューラルネットワークを有する、請求項9に記載の検出器。
- 前記分類器はサポートベクトルマシンを有する、請求項9に記載の検出器。
- 前記畳み込みニューラルネットワークは、印環細胞でない候補点の供給に対し、印環細胞であることが知られている候補点の供給について訓練された畳み込みニューラルネットワークを有する、請求項7に記載の検出器。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US7796908P | 2008-07-03 | 2008-07-03 | |
US61/077,969 | 2008-07-03 | ||
PCT/US2009/049486 WO2010003043A2 (en) | 2008-07-03 | 2009-07-02 | Signet ring cell detector and related methods |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2011527056A JP2011527056A (ja) | 2011-10-20 |
JP5394485B2 true JP5394485B2 (ja) | 2014-01-22 |
Family
ID=41466603
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2011516868A Active JP5394485B2 (ja) | 2008-07-03 | 2009-07-02 | 印環細胞検出器及び関連する方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US8582860B2 (ja) |
JP (1) | JP5394485B2 (ja) |
WO (1) | WO2010003043A2 (ja) |
Families Citing this family (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012063107A1 (en) * | 2010-11-08 | 2012-05-18 | Manipal Institute Of Technology | Automated tuberculosis screening |
US8538161B2 (en) * | 2011-03-22 | 2013-09-17 | Nec Laboratories America, Inc. | Dynamic radial contour extraction by splitting homogeneous areas |
TWI496112B (zh) * | 2013-09-13 | 2015-08-11 | Univ Nat Cheng Kung | 細胞影像分割方法以及核質比評估方法 |
US9430829B2 (en) * | 2014-01-30 | 2016-08-30 | Case Western Reserve University | Automatic detection of mitosis using handcrafted and convolutional neural network features |
CN107408197A (zh) * | 2015-03-11 | 2017-11-28 | 西门子公司 | 基于解卷积网络的细胞图像和视频的分类的系统和方法 |
US10304188B1 (en) | 2015-03-27 | 2019-05-28 | Caleb J. Kumar | Apparatus and method for automated cell analysis |
JP6549546B2 (ja) * | 2016-10-18 | 2019-07-24 | 北海道瓦斯株式会社 | 融雪制御装置、ニューラルネットワークの学習方法、融雪制御方法及び融雪制御用プログラム |
WO2018091486A1 (en) | 2016-11-16 | 2018-05-24 | Ventana Medical Systems, Inc. | Convolutional neural networks for locating objects of interest in images of biological samples |
KR102669330B1 (ko) | 2016-12-01 | 2024-05-28 | 버클리 라잇츠, 인크. | 미세유체 디바이스에서의 마이크로-객체의 자동화된 검출 및 재포지셔닝 |
JP6568664B2 (ja) * | 2017-06-29 | 2019-08-28 | 住友化学株式会社 | 特異部検知システム及び特異部検知方法 |
EP3699863A4 (en) | 2017-10-24 | 2020-10-14 | Toru Nagasaka | IMAGE INTERPRETATION DEVICE |
JP7076698B2 (ja) * | 2017-11-17 | 2022-05-30 | 国立研究開発法人国立がん研究センター | 画像解析方法、画像解析装置、プログラム、学習済み深層学習アルゴリズムの製造方法および学習済み深層学習アルゴリズム |
US10970838B2 (en) * | 2018-07-18 | 2021-04-06 | Case Western Reserve University | Hough transform-based vascular network disorder features on baseline fluorescein angiography scans predict response to anti-VEGF therapy in diabetic macular edema |
US10372967B1 (en) * | 2018-07-18 | 2019-08-06 | Intervet Inc. | Automated parasite analysis system |
JP7383939B2 (ja) * | 2019-09-03 | 2023-11-21 | 東ソー株式会社 | 学習装置、学習方法、細胞判別装置、細胞判別方法、細胞判別学習プログラムおよび細胞判別プログラム |
EP4339962A1 (en) | 2021-06-04 | 2024-03-20 | Toru Nagasaka | Image analysis method, image analysis device, and computer program for implementing image analysis method |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8548745B2 (en) * | 2000-06-08 | 2013-10-01 | The Regents Of The University Of California | Visual-servoing optical microscopy |
EP2299307A3 (en) | 2000-11-03 | 2011-05-04 | Cytyc Corporation | Cytological imaging method |
JP2005502872A (ja) | 2001-09-07 | 2005-01-27 | バースタイン テクノロジーズ,インコーポレイティド | 光バイオディスクシステムを使用した、核の形態に基づく白血球の型の識別および定量 |
WO2004055735A1 (ja) * | 2002-12-16 | 2004-07-01 | Canon Kabushiki Kaisha | パターン識別方法、その装置及びそのプログラム |
GB2398379A (en) * | 2003-02-11 | 2004-08-18 | Qinetiq Ltd | Automated digital image analysis |
US7415148B2 (en) * | 2003-08-04 | 2008-08-19 | Raytheon Company | System and method for detecting anomalous targets including cancerous cells |
US20050136549A1 (en) * | 2003-10-30 | 2005-06-23 | Bioimagene, Inc. | Method and system for automatically determining diagnostic saliency of digital images |
US7760927B2 (en) * | 2003-09-10 | 2010-07-20 | Bioimagene, Inc. | Method and system for digital image based tissue independent simultaneous nucleus cytoplasm and membrane quantitation |
JP4764273B2 (ja) | 2006-06-30 | 2011-08-31 | キヤノン株式会社 | 画像処理装置、画像処理方法、プログラム、記憶媒体 |
JP4717760B2 (ja) | 2006-08-31 | 2011-07-06 | 三菱電機株式会社 | 物体認識装置および映像物体測位装置 |
WO2008133951A2 (en) * | 2007-04-24 | 2008-11-06 | Massachusetts Institute Of Technology | Method and apparatus for image processing |
-
2009
- 2009-07-02 US US12/496,795 patent/US8582860B2/en active Active
- 2009-07-02 WO PCT/US2009/049486 patent/WO2010003043A2/en active Application Filing
- 2009-07-02 JP JP2011516868A patent/JP5394485B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
US20100172568A1 (en) | 2010-07-08 |
WO2010003043A2 (en) | 2010-01-07 |
WO2010003043A3 (en) | 2011-04-07 |
US8582860B2 (en) | 2013-11-12 |
JP2011527056A (ja) | 2011-10-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5394485B2 (ja) | 印環細胞検出器及び関連する方法 | |
US11756318B2 (en) | Convolutional neural networks for locating objects of interest in images of biological samples | |
Allehaibi et al. | Segmentation and classification of cervical cells using deep learning | |
Chen et al. | Deep learning based automatic immune cell detection for immunohistochemistry images | |
US10529072B2 (en) | Systems and methods for detection of structures and/or patterns in images | |
JP6710135B2 (ja) | 細胞画像の自動分析方法及びシステム | |
US8379961B2 (en) | Mitotic figure detector and counter system and method for detecting and counting mitotic figures | |
Díaz et al. | A semi-automatic method for quantification and classification of erythrocytes infected with malaria parasites in microscopic images | |
Zhang et al. | Automation‐assisted cervical cancer screening in manual liquid‐based cytology with hematoxylin and eosin staining | |
US8600143B1 (en) | Method and system for hierarchical tissue analysis and classification | |
Quinn et al. | Automated blood smear analysis for mobile malaria diagnosis | |
US9196036B2 (en) | Device and method for determining objects in a color recording | |
US11538261B2 (en) | Systems and methods for automated cell segmentation and labeling in immunofluorescence microscopy | |
US11790673B2 (en) | Method for detection of cells in a cytological sample having at least one anomaly | |
Memeu | A rapid malaria diagnostic method based on automatic detection and classification of plasmodium parasites in stained thin blood smear images | |
CN113658174A (zh) | 基于深度学习和图像处理算法的微核组学图像检测方法 | |
Hu et al. | Automatic detection of tuberculosis bacilli in sputum smear scans based on subgraph classification | |
Malon et al. | Identifying histological elements with convolutional neural networks | |
Riana et al. | Comparison of nucleus and inflammatory cell detection methods on Pap smear images | |
Sertel et al. | Computer-aided prognosis of neuroblastoma: classification of stromal development on whole-slide images | |
Maity et al. | Computer-assisted approach to anemic erythrocyte classification using blood pathological information | |
Gupta et al. | Microscopy cancer cell imaging in b-lineage acute lymphoblastic leukemia | |
Chang et al. | Modified YOLO network model for metaphase cell detection in antinuclear antibody images | |
Lezoray et al. | Automatic segmentation and classification of cells from broncho alveolar lavage | |
Naruenatthanaset | Red blood cell segmentation and classification from microscopic images using machine learning |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20120413 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20130326 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20130909 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20131001 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20131016 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5394485 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313113 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |