JP5861428B2 - 細胞挙動検出装置、細胞挙動検出方法、及びプログラム - Google Patents
細胞挙動検出装置、細胞挙動検出方法、及びプログラム Download PDFInfo
- Publication number
- JP5861428B2 JP5861428B2 JP2011268813A JP2011268813A JP5861428B2 JP 5861428 B2 JP5861428 B2 JP 5861428B2 JP 2011268813 A JP2011268813 A JP 2011268813A JP 2011268813 A JP2011268813 A JP 2011268813A JP 5861428 B2 JP5861428 B2 JP 5861428B2
- Authority
- JP
- Japan
- Prior art keywords
- likelihood
- value
- vector
- cell
- candidate patch
- 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
Images
Landscapes
- Image Analysis (AREA)
- Investigating Or Analysing Biological Materials (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Apparatus Associated With Microorganisms And Enzymes (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
- Image Processing (AREA)
Description
<非特許文献1>Detection of Hematopoietic Stem
Cells in Microscopy Images Using a Bank of Ring Filters Sung Eun Eom, Ryoma
Bise, and Takeo Kanade, The IEEE International Symposium on Biomedical Imaging,
April, 2010.
<非特許文献2>Cell Image Analysis: Algorithms,
System and Applications Takeo Kanade, Zhaozheng Yin, Ryoma Bise, SeungIl Huh,
Sung Eun Eom, Michael Sandbothe, and Mei Chen,IEEE Workshop on Applications of
Computer Vision (WACV) 2011, January, 2011.
Invariant Feature Transform)特徴量である。SIFT特徴量は、スケール、移動、回転に不変(invariant)な特徴量である。本実施の形態では、SIFT特徴量などの特徴量を用いて、候補パッチ3ごとに尤度P(f1)〜P(f5)を算出する。ここで、P(・)は、尤度を示す記号である。
<非特許文献3>A decision-theoretic
generalization of on-line learning and an application to boosting, Yoav Freund,
Robert E. Schapire, Journal of Computer and System Sciences, 55(1):119-139,
1997, December, 1996
Oriented Gradients)特徴量等を組み合わせて用いるようにしても良い。フーリエ記述子は、輪郭を周期関数に変換し、その周期関数をフーリエ級数展開することによって得られるフーリエ係数を輪郭の形状の記述に用いる形状の特徴量である。HOG特徴量は、画像の局所領域から輝度勾配、輝度強度を取り出す特徴量である。
(1)L(1)=(1、−1、−1、−1、−1)
(2)L(2)=(1、1、−1、−1、−1)
(3)L(3)=(1、1、1、−1、−1)
(4)L(4)=(1、1、1、1、−1)
(5)L(5)=(1、1、1、1、1)
(1)L(1)・P=2.94
(2)L(2)・P=4.90
(3)L(3)・P=2.94
(4)L(4)・P=0.98
(5)L(5)・P=−0.98
2………細胞
3………候補パッチ
4………候補パッチ列
Claims (6)
- 単一フレームのタイムラプス画像から、細胞死のイベントが発生する可能性がある細胞候補の領域である候補パッチを検出する候補パッチ検出手段と、
複数フレームのタイムラプス画像群から、前記候補パッチ内の細胞の挙動を追跡し、前記候補パッチが時系列順に対応付けられる候補パッチ列を作成する候補パッチ列作成手段と、
前記候補パッチ列に含まれる前記候補パッチごとに、M期であることの尤もらしさを示す尤度を算出する尤度算出手段と、
前記尤度の値を正負の最大値が等しくなるように規格化し、規格化後の前記尤度の値が時系列順に並べられるベクトルを尤度ベクトルとし、更に、1番目の成分からi(iは1より大きい自然数)番目の成分までを正である第1の値とし、i+1番目の成分から最後の成分までを、第1の値と絶対値が等しく正負の符号が異なる第2の値とするベクトルをラベルベクトルとし、前記尤度ベクトルと前記ラベルベクトルとの内積が最大となるiの値をM期終了フレームと特定するM期終了フレーム特定手段と、
を具備する細胞挙動検出装置。 - 前記M期終了フレーム後のフレームにおいて、前記細胞死のイベントが発生しているか否かを判定するイベント判定手段、
を更に具備する請求項1に記載の細胞挙動検出装置。 - 前記イベント判定手段は、前記尤度ベクトルと前記ラベルベクトルとの内積の最大値を前記候補パッチ列のフレーム数で割った値が、閾値を下回る場合には、前記細胞死のイベントが発生していないと判定する
請求項2に記載の細胞挙動検出装置。 - 前記イベント判定手段は、前記尤度ベクトルと前記ラベルベクトルとの内積が最大となるiの値が、前記候補パッチ列の最終フレームである場合には、前記細胞死のイベントが発生していないと判定する
請求項3に記載の細胞挙動検出装置。 - コンピュータの制御部が実行する細胞挙動検出方法であって、
前記制御部が、単一フレームのタイムラプス画像から、細胞死のイベントが発生する可能性がある細胞候補の領域である候補パッチを検出するステップと、
前記制御部が、複数フレームのタイムラプス画像群から、前記候補パッチ内の細胞の挙動を追跡し、前記候補パッチが時系列順に対応付けられる候補パッチ列を作成するステップと、
前記制御部が、前記候補パッチ列に含まれる前記候補パッチごとに、M期であることの尤もらしさを示す尤度を算出するステップと、
前記制御部が、前記尤度の値を正負の最大値が等しくなるように規格化し、規格化後の前記尤度の値が時系列順に並べられるベクトルを尤度ベクトルとし、更に、1番目の成分からi(iは1より大きい自然数)番目の成分までを正である第1の値とし、i+1番目の成分から最後の成分までを、第1の値と絶対値が等しく正負の符号が異なる第2の値とするベクトルをラベルベクトルとし、前記尤度ベクトルと前記ラベルベクトルとの内積が最大となるiの値をM期終了フレームと特定するステップと、
を含む細胞挙動検出方法。 - コンピュータを、
単一フレームのタイムラプス画像から、細胞死のイベントが発生する可能性がある細胞候補の領域である候補パッチを検出する候補パッチ検出手段と、
複数フレームのタイムラプス画像群から、前記候補パッチ内の細胞の挙動を追跡し、前記候補パッチが時系列順に対応付けられる候補パッチ列を作成する候補パッチ列作成手段と、
前記候補パッチ列に含まれる前記候補パッチごとに、M期であることの尤もらしさを示す尤度を算出する尤度算出手段と、
前記尤度の値を正負の最大値が等しくなるように規格化し、規格化後の前記尤度の値が時系列順に並べられるベクトルを尤度ベクトルとし、更に、1番目の成分からi(iは1より大きい自然数)番目の成分までを正である第1の値とし、i+1番目の成分から最後の成分までを、第1の値と絶対値が等しく正負の符号が異なる第2の値とするベクトルをラベルベクトルとし、前記尤度ベクトルと前記ラベルベクトルとの内積が最大となるiの値をM期終了フレームと特定するM期終了フレーム特定手段と、
して機能させるためのプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2011268813A JP5861428B2 (ja) | 2011-12-08 | 2011-12-08 | 細胞挙動検出装置、細胞挙動検出方法、及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2011268813A JP5861428B2 (ja) | 2011-12-08 | 2011-12-08 | 細胞挙動検出装置、細胞挙動検出方法、及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2013118848A JP2013118848A (ja) | 2013-06-17 |
JP5861428B2 true JP5861428B2 (ja) | 2016-02-16 |
Family
ID=48771824
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2011268813A Active JP5861428B2 (ja) | 2011-12-08 | 2011-12-08 | 細胞挙動検出装置、細胞挙動検出方法、及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5861428B2 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6284024B2 (ja) * | 2014-04-28 | 2018-02-28 | 横河電機株式会社 | 細胞生死判定システム、細胞生死判定方法 |
US11300766B2 (en) | 2016-06-13 | 2022-04-12 | Sony Corporation | Apparatus, information processing apparatus, program, and information processing method |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20070086024A (ko) * | 2004-12-08 | 2007-08-27 | 고꾸리쯔 다이가꾸 호우징 오사까 다이가꾸 | 세포 평가방법, 세포 측정용 시스템 및 세포 측정용프로그램 |
JP2006238802A (ja) * | 2005-03-03 | 2006-09-14 | Olympus Corp | 細胞観察装置、細胞観察方法、顕微鏡システム、及び細胞観察プログラム |
JP4744187B2 (ja) * | 2005-05-10 | 2011-08-10 | オリンパス株式会社 | 細胞観察装置 |
EP2283463B1 (en) * | 2008-05-30 | 2014-10-29 | GE Healthcare Bio-Sciences Corp. | System and method for detecting and eliminating one or more defocused or low contrast-to-noise ratio images |
JP2010022319A (ja) * | 2008-07-23 | 2010-02-04 | Nikon Corp | 細胞移動方向予測の評価手法、細胞観察画像の画像処理プログラム及び画像処理装置 |
JP5228826B2 (ja) * | 2008-11-17 | 2013-07-03 | 大日本印刷株式会社 | 細胞画像解析装置および細胞画像解析方法 |
JP2011010621A (ja) * | 2009-07-03 | 2011-01-20 | Nikon Corp | 培養物観察の画像処理方法、画像処理プログラム及び画像処理装置 |
-
2011
- 2011-12-08 JP JP2011268813A patent/JP5861428B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2013118848A (ja) | 2013-06-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Allah et al. | Edge U-Net: Brain tumor segmentation using MRI based on deep U-Net model with boundary information | |
US9384385B2 (en) | Face recognition using gradient based feature analysis | |
Türetken et al. | Reconstructing curvilinear networks using path classifiers and integer programming | |
Manivannan et al. | Structure prediction for gland segmentation with hand-crafted and deep convolutional features | |
US8363961B1 (en) | Clustering techniques for large, high-dimensionality data sets | |
Liu et al. | A semi-Markov model for mitosis segmentation in time-lapse phase contrast microscopy image sequences of stem cell populations | |
US7480400B2 (en) | Detection of fiber pathways | |
Sun et al. | SRPN: similarity-based region proposal networks for nuclei and cells detection in histology images | |
US20120201436A1 (en) | Method and system for image analysis and interpretation | |
JP6116044B2 (ja) | 細胞挙動解析装置、細胞挙動解析方法、及びプログラム | |
CA2922296A1 (en) | System and method for clustering data | |
Chessel | An overview of data science uses in bioimage informatics | |
Dufour et al. | Signal processing challenges in quantitative 3-d cell morphology: More than meets the eye | |
Gadermayr et al. | CNN cascades for segmenting whole slide images of the kidney | |
EP3073444A2 (en) | A computer implemented system and method for image texture determination | |
KR102260631B1 (ko) | 중복 이미지 파일 검색 방법 및 장치 | |
JP5861428B2 (ja) | 細胞挙動検出装置、細胞挙動検出方法、及びプログラム | |
Lopez et al. | A clinical decision support tool to detect invasive ductal carcinoma in histopathological images using support vector machines, Naïve-Bayes, and K-nearest neighbor classifiers | |
Hamidinekoo et al. | Comparing the performance of various deep networks for binary classification of breast tumours | |
Kallipolitis et al. | Creating visual vocabularies for the retrieval and classification of histopathology images | |
US10534980B2 (en) | Method and apparatus for recognizing object based on vocabulary tree | |
Saha et al. | A newly proposed object detection method using faster R-CNN inception with ResNet based on Tensorflow | |
Vatamanu et al. | Content based image retrieval using local binary pattern operator and data mining techniques | |
JP5834805B2 (ja) | 細胞挙動解析装置、細胞挙動解析方法、及びプログラム | |
JP2017188063A (ja) | 画像検索システム、画像検索方法、及び画像検索用プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20141024 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20150826 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20150901 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20151102 |
|
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: 20151124 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20151207 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5861428 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |