JP6324338B2 - 細胞診断支援装置、細胞診断支援方法、遠隔診断支援システム、及びサービス提供システム - Google Patents
細胞診断支援装置、細胞診断支援方法、遠隔診断支援システム、及びサービス提供システム Download PDFInfo
- Publication number
- JP6324338B2 JP6324338B2 JP2015063103A JP2015063103A JP6324338B2 JP 6324338 B2 JP6324338 B2 JP 6324338B2 JP 2015063103 A JP2015063103 A JP 2015063103A JP 2015063103 A JP2015063103 A JP 2015063103A JP 6324338 B2 JP6324338 B2 JP 6324338B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- cell
- unit
- cells
- classification
- 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
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
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
- G01N33/483—Physical analysis of biological material
- G01N33/4833—Physical analysis of biological material of solid biological material, e.g. tissue samples, cell cultures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10088—Magnetic resonance imaging [MRI]
-
- 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
- G06T2207/10132—Ultrasound 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
- G06T2207/20—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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30024—Cell structures in vitro; Tissue sections in vitro
-
- 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
- G06T2207/30096—Tumor; Lesion
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Chemical & Material Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Hematology (AREA)
- Molecular Biology (AREA)
- Urology & Nephrology (AREA)
- Optics & Photonics (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Analytical Chemistry (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Image Analysis (AREA)
- Investigating Or Analysing Biological Materials (AREA)
- Image Processing (AREA)
Description
<画像処理装置の機能構成>
図1は、本発明の実施形態による画像処理装置の機能構成を示すブロック図である。画像処理装置1は、入力部10と、特徴抽出部11と、一分類判定部12と、複数分類判定部13と、描画部14と、記録部15と、制御部91と、メモリ90と、を有している。当該画像処理装置は、バーチャルスライド等の組織・細胞画像取得装置内に実装しても良いし、後述する(第3乃至第4の実施形態)ように、組織・細胞画像取得装置とネットワークを介して接続されるサーバー内に実装しても良い。
一分類判定部12は、抽出した特徴量から細胞の変形具合を算出し、一分類に関して、正常細胞か異常細胞かを分類する。
図2は、本発明の実施形態による画像処理装置1のハードウェア構成例を示す図である。
以下、各要素の構成と動作について詳細に説明する。
複数の方向成分の特徴量を求める。一例として、0度の方向の特徴量を求めるフィルターを図3に示す。例えば、図3の領域1(細胞及び細胞核以外の領域)、領域2(細胞の領域)、領域3(細胞核の領域)のフィルター係数を、各々0、1、−1とする。図4に示すように、式1を用いて、対象画像の左上から右下に対して、各フィルターの計算結果を求め、計算結果の総和を処理数Nで割ることで、0度(i=0)のフィルターの特徴量fiを求める。ただし、式1において、pjは画素値、kjはフィルター係数、mはフィルター係数の数を示す。同様に、図5に示すように、0度から359度までの方向の特徴量を求めるフィルターを用いて、各方向の特徴量を算出する。次に、図5に示すように、0度から359度までの各特徴量(f0〜f359)を用いて、特徴量の分布を算出する。ただし、図5では、各方向の特徴量を求めるフィルターを用いたが、一方向の特徴量を求めるフィルターと対象画像を1度ずつ回転させた画像を用いて、各方向の特徴量fiを求めてもよい。
一分類判定部12は、図6に示すように、前記特徴抽出部11で求めた特徴量fiの分布から、式2と式3を用いて、特徴量fiの分布の分散値varを算出する。式2において、favはfiの平均値、fsdはfiの標準偏差を示す。また、式3において、tは求める複数の方向成分の数、例えば、360を示す。
複数分類判定部13は、前記一分類判定部12で求めた予め設定されている複数の一分類の結果である異常細胞(例:がん)らしさの値と任意の閾値Thを比較し、閾値Thを超えた異常細胞(例:がん)の種別のみを異常細胞(例:がん)らしさ判定結果に表示する。図7の例では、がんらしさ判定結果に、低分化管状腺がんを表示している。異常細胞(例:がん)の進行度やタイプによっては、複数の異常細胞(例:がん)の種別と判定される場合がある。そのため、複数の異常細胞(例:がん)らしさの値が閾値Thを超える場合もあり、その場合は、異常細胞(例:がん)らしさ判定結果に、複数の異常細胞(例:がん)の種別を表示する。
描画部14は、一分類判定部12において、異常細胞(例えば、がん等)と判定された項目については、図7において、「画像」ボタンを押下した場合、図8に示すように、異常細胞(例:がん)が疑われる箇所を示すために、入力した対象画像内に検出枠を描画する。一方、正常細胞と判定された項目については、図7において、「画像」ボタンを押下した場合、検出枠を入力した対象画像上に描画せず、入力した対象画像をそのまま表示する。
記録部15は、描画部14で入力した対象画像上に検出枠を描画するための座標情報とその対象画像をメモリ90に保存する。
図9は、本発明の実施形態による画像処理装置1の動作を説明するためのフローチャートである。以下では、各処理部(入力部10、特徴抽出部11等)を動作主体として記述するが、CPU201を動作主体とし、CPU201がプログラムとしての各処理部を実行するように読み替えても良い。
入力部10は、入力された画像を受け付け、当該入力画像を特徴抽出部11に出力する。
特徴抽出部11は、上述の式1を用いて、複数の方向成分の特徴量fiを求める。
一分類判定部12は、特徴抽出部11が出力した特徴量fiを用いて、上述の式2,3により特徴量fiの分布を示す分散値varを算出する。
一分類判定部12は、算出した分散値varと閾値Thを比較する。すなわち、分散値var≧閾値Thの場合、処理はステップ805に移行する。一方、var<閾値Thの場合、処理はステップ806に移行する。
一分類判定部12は、分類結果resに異常細胞(例えば、1)を設定する。
一分類判定部12は、分類結果resに正常細胞(例えば、0)を設定する。
複数判定部13は、予め設定されている全ての種別について一分類判定部12を行うため、上記ステップ802から806を繰り返す。ステップ802から806のステップを繰り返すことにより、予め設定されている全ての種別について、正常細胞か異常細胞かを判定することが可能となる。なお、各種別について特徴量fiを求めるためのフィルター(図3)の係数は異なるため、別の種別について分類処理を行う場合には当該フィルター係数は変更され、ステップ802に処理が移行することとなる。全種別の判定が終了したと判定されるとステップ808に移行する。
描画部14は、異常細胞と判定された種別については、図7に示す画像ボタンを押下時に、異常細胞を示す検出枠を画像上に描画して表示する。描画部14は、正常細胞と判定された種別については、図7に示す画像ボタンを押下時に、検出枠を画像上に描画することはしない。
記録部15は、描画部14で入力した対象画像上に検出枠を描画するための座標情報とその対象画像をメモリ90(記憶装置203に相当)に保存する。
第2の実施形態に係る画像処理装置1を図10に示す。図10に示すように、第1の実施形態の図1と同じ構成を多く含むが、特徴抽出部11、一分類判定部12の動作が図1と異なる。また、学習部16が追加になっている。従って、ここでは処理の異なる構成と追加の構成について図10、また、図9とは異なる全体の処理フローについて図13を用いて説明をする。
以下、図1と異なる各要素の構成と動作について詳細に説明する。
学習部16は、特徴抽出部11と一分類判定部12と同一の構成を内部に含んでおり、これらを用いて、例えば、従来技術である機械学習の技術を用いて、細胞の変形具合を学習する。なお、学習部16によって学習される入力画像と評価対象として入力される画像は異なるものである。
特徴抽出部11は、メモリからフィルター係数wj、オフセット値biを読込み、入力部10から出力された判定したい入力画像に対し、式5を用いて、図11に示すように、0度から359度までの方向の特徴量を求めるフィルターを用いて、各方向の特徴量fiを算出する。
一分類判定部12は、メモリから重みw、オフセット値bを読込み、式5を用いて、図11に示すように、前記特徴抽出部11で求めた特徴量fiから、細胞が正常であるか異常であるかを判定する。
本発明の実施形態による画像処理装置1のハードウェア構成例は、図2と同様である。ただし、第2の実施形態の場合、画像処理装置1は、第1の実施形態とは異なり、メモリ202に学習部16を格納する。それ以外の画像処理装置1のハードウェア構成は、画像処理装置1と同じである。
図12は、本発明の実施形態による画像処理装置1の学習部16の動作を説明するためのフローチャートである。以下では、学習部16を動作主体として記述するが、CPU201を動作主体とし、CPU201がプログラムとしての各処理部を実行するように読み替えても良い。
入力部10は、学習用に入力された画像を受け付け、当該入力画像を学習部16に出力する。
学習部16は、上述の式1を用いて、複数の方向成分の特徴量fiを求める。
学習部16は、式4と式5を用いて、細胞の変形具合を学習し、重みw、フィルター係数wj、オフセットb、biを算出する。
学習部16は、算出した重みw、フィルター係数wj、オフセットb、biをメモリ90に保存する。なお、重みw、フィルター係数wj、オフセットb及びbiは、学習により、予め設定されている全ての種別(例えば、全ての種類のがん細胞)について求められることになる。
入力部10は、判定したい入力画像を受け付け、当該入力画像を特徴抽出部11に出力する。
特徴抽出部11は、メモリ90からフィルター係数wj、オフセットbiを読込み、上述の式5を用いて、複数の方向成分の特徴量fiを求める。
一分類判定部12は、メモリ90から重みw、オフセットbを読込み、式4により、計算結果yを算出する。
一分類判定部12は、算出した計算結果yと閾値Th2を比較する。すなわち、計算結果y≧閾値Th2の場合、処理はステップ1305に移行する。一方、計算結果y<閾値Th2の場合、処理はステップ1306に移行する。
一分類判定部12は、分類結果resに異常細胞(例えば、1)を設定する。
一分類判定部12は、分類結果resに正常細胞(例えば、0)を設定する。
複数分類判定部13は、予め設定されている全ての種別について一分類判定部12を行うため、上記ステップ1302から1306を繰り返す。ステップ1302から1306のステップを繰り返すことにより、予め設定されている全ての種別について、正常細胞か異常細胞かを判定することが可能となる。別の種別について判定する場合には、メモリから当該種別用のフィルター係数wj及びオフセットbiを読み込み、当該種別に対応する特徴量fiを求めることになる。全種別の判定が終了したと判定されるとステップ1308に移行する。
描画部14は、異常細胞と判定された種別については、図7に示す画像ボタンを押下時に、異常細胞を示す検出枠を画像上に描画して表示する。描画部14は、正常細胞と判定された種別については、図7に示す画像ボタンを押下時に、検出枠を画像上に描画することはしない。
記録部15は、描画部14で入力した対象画像上に検出枠を描画するための座標情報とその対象画像をメモリ90(記憶装置203に相当)に保存する。
図14は、本発明の第3の実施形態による遠隔診断支援システム1400の構成を示す機能ブロック図である。遠隔診断支援システム1400は、サーバー1403と、画像取得装置1405と、を有する。
図15は、本発明の第4の実施形態によるネット受託サービス提供システム1500の構成を示す機能ブロック図である。ネット受託サービス提供システム1500は、サーバー等1503と、画像取得装置1505と、を有している。
画像取得装置1505内の画像処理装置1は、格納部1504から識別器等を読込み、
その識別器を用いて、画像取得装置1505の撮像部1501にて新たに撮影した画像内の細胞について、正常細胞か異常細胞かを判定し、画像処理装置1の出力装置204の表示画面に判定結果を表示する。
(i)本発明による第1の実施形態の画像処理装置は、複数の方向成分の特徴量を算出する処理と、細胞の変形具合を示す分散値を求める処理と、一分類に関して、1つの画像から正常細胞か異常細胞かを分類する処理と、予め設定されている複数の一分類の分類結果を用いて組織・細胞を分類し、異常細胞(例:がん)の進行度に応じた異常細胞(例:がん)らしさ判定する処理と、を実行する。より具体的には、式1に示されるように、複数の方向成分の特徴量を求め、式2と式3に示されるように、複数の方向成分の特徴量fiを用いて、細胞の変形具合を示す分散値varを求める。特徴量fiを求める際、複数方向のフィルターを使用するのではなく、対象画像を複数方向に回転させて、特徴量fiを求めても良い。算出した分散値varは、細胞の均一性を表しており、分散値から正常細胞が異常細胞かを分類することができるようになる。
特徴抽出部11や学習部16では、図3に示すようなフィルターを用いて複数の方向成分の特徴量を求めたが、HOG等の他の特徴量を用いてもよく、同様の効果を有する。
10 入力部
11 特徴抽出部
12 一分類判定部
13 複数分類判定部
14 描画部
15 記録部
16 学習部
90 メモリ
91 制御部
201 CPU
202 メモリ
203 記憶装置
204 出力装置
205 入力装置
206 通信デバイス
1400 遠隔診断支援システム
1500 ネット受託サービス提供システム
Claims (6)
- 対象画像に対して画像処理するための各種プログラムを実行するプロセッサと、
画像処理の結果を格納するためのメモリと、を有し、
前記プロセッサは、
細胞を撮像した画像を入力する第1の処理と、
複数方向の特徴量を求めるフィルターを一の対象画像に対して用いて、又は前記対象画像を回転させつつ一方向の特徴量を求めるフィルターを用いて、前記対象画像から複数の方向成分の特徴量を抽出するとともに、前記特徴量の分散を算出する第2の処理と、
複数の前記特徴量の分散と閾値との比較結果に基づいて、前記対象画像が一の分類に該当するか否かを判断する第3の処理と、
予め設定されているすべての分類に対して前記第3の処理が終了したかを判定し、終了するまでは前記フィルターの係数を変更しつつ前記第2の処理及び前記第3の処理を繰り返す第4の処理と、
前記第4の処理において終了の判定がされた場合、予め設定されているすべての分類に関する前記第3の処理の判断の結果と閾値との比較結果に基づいて最終的な判定結果を表示する第5の処理と、
を実行することを特徴とする、細胞診断支援装置。 - 請求項1において、
前記プロセッサは、前記判断する処理において、複数の方向成分の前記特徴量を機械学習することで求めた識別器を用いて一分類を判断する、細胞診断支援装置。 - 対象画像において所望の細胞を分類する細胞診断支援方法であって、
前記対象画像に対して画像処理するための各種プログラムを実行するプロセッサが、細胞を撮像した画像を入力する第1のステップと、
前記プロセッサが、複数方向の特徴量を求めるフィルターを一の対象画像に対して用いて、又は前記対象画像を回転させつつ一方向の特徴量を求めるフィルターを用いて、前記対象画像から複数の方向成分の特徴量を抽出するとともに、前記特徴量の分散を算出する第2のステップと、
前記プロセッサが、前記対象画像に対して、複数の前記特徴量の分散と閾値との比較結果に基づいて、前記対象画像が一の分類に該当するか否かを判断する第3のステップと、
前記プロセッサが、予め設定されているすべての分類に対して前記第3のステップが終了したかを判定し、終了するまでは前記フィルターの係数を変更しつつ前記第2のステップ及び前記第3のステップを繰り返す第4のステップと、
前記プロセッサが、前記第4のステップにおいて終了の判定がされた場合、予め設定されているすべての分類に関する前記第3のステップの判断の結果と閾値との比較結果に基づいて最終的な判定結果を表示する第5のステップと、
を含む、細胞診断支援方法。 - 請求項3において、
前記プロセッサは、前記第3のステップにおいて、複数の方向成分の前記特徴量を機械学習することで求めた識別器を用いて一分類を判断する、細胞診断支援方法。 - 画像データを撮影する撮像装置を有する画像取得装置と、
請求項1に記載の細胞診断支援装置を有するサーバーと、を有し、
前記画像取得装置は、前記サーバーに前記画像データを送信し、
前記サーバーは、受信した前記画像データを前記細胞診断支援装置で処理して前記判断された細胞の画像と判断結果をメモリに格納するとともに、前記画像取得装置に送信し、
前記画像取得装置は、受信した前記判断された細胞の画像と判断結果を表示装置に表示することを特徴とする遠隔診断支援システム。 - 画像データを撮影する撮像装置と、請求項1に記載の細胞診断支援装置と、を含む画像取得装置と、
請求項1に記載の細胞診断支援装置を有するサーバーと、を有し、
前記画像取得装置は、前記サーバーに前記画像データを送信し、
前記サーバーは、受信した前記画像データを前記細胞診断支援装置で処理し、前記判断された細胞の画像と識別器をメモリに格納するとともに、前記判断された細胞の画像と識別器を前記画像取得装置に送信し、
前記画像取得装置は、受信した前記判断された細胞の画像と識別器を格納し、
前記画像取得装置に含まれる前記細胞診断支援装置は、識別器を用いて他の細胞の画像を判断するとともに、判断結果を表示装置に表示することを特徴とするサービス提供システム。
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015063103A JP6324338B2 (ja) | 2015-03-25 | 2015-03-25 | 細胞診断支援装置、細胞診断支援方法、遠隔診断支援システム、及びサービス提供システム |
CN201680014083.7A CN107430757A (zh) | 2015-03-25 | 2016-01-28 | 细胞诊断支援装置、细胞诊断支援方法、远程诊断支援系统、服务提供系统及图像处理方法 |
US15/556,546 US10453192B2 (en) | 2015-03-25 | 2016-01-28 | Cytologic diagnosis support apparatus, cytologic diagnosis support method, remote diagnosis support system, service providing system, and image processing method |
EP16768145.1A EP3276573A4 (en) | 2015-03-25 | 2016-01-28 | Cytodiagnosis assistance device, cytodiagnosis assistance method, remote diagnosis assistance system, service provision system, and image processing method |
PCT/JP2016/052426 WO2016152242A1 (ja) | 2015-03-25 | 2016-01-28 | 細胞診断支援装置、細胞診断支援方法、遠隔診断支援システム、サービス提供システム、及び画像処理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015063103A JP6324338B2 (ja) | 2015-03-25 | 2015-03-25 | 細胞診断支援装置、細胞診断支援方法、遠隔診断支援システム、及びサービス提供システム |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2016184224A JP2016184224A (ja) | 2016-10-20 |
JP2016184224A5 JP2016184224A5 (ja) | 2017-04-27 |
JP6324338B2 true JP6324338B2 (ja) | 2018-05-16 |
Family
ID=56978080
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2015063103A Active JP6324338B2 (ja) | 2015-03-25 | 2015-03-25 | 細胞診断支援装置、細胞診断支援方法、遠隔診断支援システム、及びサービス提供システム |
Country Status (5)
Country | Link |
---|---|
US (1) | US10453192B2 (ja) |
EP (1) | EP3276573A4 (ja) |
JP (1) | JP6324338B2 (ja) |
CN (1) | CN107430757A (ja) |
WO (1) | WO2016152242A1 (ja) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6632288B2 (ja) * | 2014-12-12 | 2020-01-22 | キヤノン株式会社 | 情報処理装置、情報処理方法、プログラム |
JP2016146174A (ja) * | 2015-02-06 | 2016-08-12 | パナソニックIpマネジメント株式会社 | 決定方法およびプログラム |
JP6670222B2 (ja) * | 2016-11-01 | 2020-03-18 | 株式会社日立ハイテク | 画像診断支援装置及びシステム、画像診断支援方法 |
JP6979278B2 (ja) * | 2017-04-07 | 2021-12-08 | 株式会社日立ハイテク | 画像診断支援装置及び画像診断支援システム、並びに画像診断支援方法 |
WO2019039595A1 (ja) * | 2017-08-25 | 2019-02-28 | 学校法人東京医科大学 | 子宮頸部の細胞診カテゴリーの推定装置および推定方法 |
CN109685058B (zh) * | 2017-10-18 | 2021-07-09 | 杭州海康威视数字技术股份有限公司 | 一种图像目标识别方法、装置及计算机设备 |
JP7135303B2 (ja) * | 2017-11-15 | 2022-09-13 | 大日本印刷株式会社 | コンピュータプログラム、検出装置、撮像装置、サーバ、検出器、検出方法及び提供方法 |
JP2019105703A (ja) * | 2017-12-12 | 2019-06-27 | 有限会社 高度技術研究所 | 位相差画像検査装置及び位相差画像検査方法 |
KR20210015834A (ko) | 2018-06-05 | 2021-02-10 | 스미또모 가가꾸 가부시키가이샤 | 진단 지원 시스템, 진단 지원 방법 및 진단 지원 프로그램 |
EP3970158A1 (en) * | 2019-05-16 | 2022-03-23 | PAIGE.AI, Inc. | Systems and methods for processing images to classify the processed images for digital pathology |
CN110263656B (zh) * | 2019-05-24 | 2023-09-29 | 南方科技大学 | 一种癌细胞识别方法、装置和系统 |
CN111047577B (zh) * | 2019-12-12 | 2021-02-26 | 太原理工大学 | 一种畸形尿红细胞分类统计方法与系统 |
CN115294570B (zh) * | 2022-08-11 | 2024-05-28 | 武汉希诺智能医学有限公司 | 一种基于深度学习的细胞图像识别方法 |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6418238B1 (en) * | 1997-09-22 | 2002-07-09 | Olympus Optical Co., Ltd. | Image detection apparatus and image detection method capable of detecting roundish shape |
GB2398379A (en) | 2003-02-11 | 2004-08-18 | Qinetiq Ltd | Automated digital image analysis |
JP5365011B2 (ja) * | 2008-01-29 | 2013-12-11 | 日本電気株式会社 | 病理診断支援装置、病理診断支援方法、およびプログラム |
JP5648479B2 (ja) * | 2008-10-09 | 2015-01-07 | 日本電気株式会社 | 病理組織診断支援システム、病理組織診断支援プログラム、病理組織診断支援方法 |
JP5321145B2 (ja) | 2009-03-04 | 2013-10-23 | 日本電気株式会社 | 画像診断支援装置、画像診断支援方法、画像診断支援プログラム、及びその記憶媒体 |
JP2011095182A (ja) * | 2009-10-30 | 2011-05-12 | Sysmex Corp | 細胞分析装置及び細胞分析方法 |
WO2013076927A1 (ja) * | 2011-11-24 | 2013-05-30 | パナソニック株式会社 | 診断支援装置および診断支援方法 |
CN102682305B (zh) * | 2012-04-25 | 2014-07-02 | 深圳市迈科龙医疗设备有限公司 | 宫颈液基细胞学自动筛查方法和系统 |
JP6362062B2 (ja) * | 2012-12-07 | 2018-07-25 | キヤノン株式会社 | 画像生成装置および画像生成方法 |
WO2014088049A1 (en) | 2012-12-07 | 2014-06-12 | Canon Kabushiki Kaisha | Image generating apparatus and image generating method |
EP3046478B1 (en) * | 2013-09-20 | 2018-10-10 | Transmural Biotech S.l. | Image analysis techniques for diagnosing diseases |
JP2015114172A (ja) * | 2013-12-10 | 2015-06-22 | オリンパスソフトウェアテクノロジー株式会社 | 画像処理装置、顕微鏡システム、画像処理方法、及び画像処理プログラム |
CN103839066A (zh) * | 2014-03-13 | 2014-06-04 | 中国科学院光电技术研究所 | 一种源于生物视觉的特征提取方法 |
EP3124967B1 (en) * | 2014-03-27 | 2018-11-28 | Konica Minolta, Inc. | Image-processing device and image-processing program |
CN104036235B (zh) * | 2014-05-27 | 2017-07-07 | 同济大学 | 基于叶片hog特征和智能终端平台的植物物种识别方法 |
-
2015
- 2015-03-25 JP JP2015063103A patent/JP6324338B2/ja active Active
-
2016
- 2016-01-28 US US15/556,546 patent/US10453192B2/en active Active
- 2016-01-28 EP EP16768145.1A patent/EP3276573A4/en not_active Withdrawn
- 2016-01-28 CN CN201680014083.7A patent/CN107430757A/zh active Pending
- 2016-01-28 WO PCT/JP2016/052426 patent/WO2016152242A1/ja active Application Filing
Also Published As
Publication number | Publication date |
---|---|
EP3276573A1 (en) | 2018-01-31 |
US10453192B2 (en) | 2019-10-22 |
US20180053296A1 (en) | 2018-02-22 |
JP2016184224A (ja) | 2016-10-20 |
WO2016152242A1 (ja) | 2016-09-29 |
CN107430757A (zh) | 2017-12-01 |
EP3276573A4 (en) | 2018-10-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6324338B2 (ja) | 細胞診断支援装置、細胞診断支援方法、遠隔診断支援システム、及びサービス提供システム | |
US10872411B2 (en) | Diagnostic imaging assistance apparatus and system, and diagnostic imaging assistance method | |
JP6979278B2 (ja) | 画像診断支援装置及び画像診断支援システム、並びに画像診断支援方法 | |
CN110428475B (zh) | 一种医学图像的分类方法、模型训练方法和服务器 | |
WO2018070285A1 (ja) | 画像処理装置、及び画像処理方法 | |
JP5868231B2 (ja) | 医用画像診断支援装置、医用画像診断支援方法ならびにコンピュータプログラム | |
CN110599421B (zh) | 模型训练方法、视频模糊帧转换方法、设备及存储介质 | |
US20220215548A1 (en) | Method and device for identifying abnormal cell in to-be-detected sample, and storage medium | |
JP7076681B2 (ja) | 画像処理方法及び装置、並びにニューラルネットワークモデルのトレーニング方法 | |
KR20190087681A (ko) | 자궁경부암에 대한 피검체의 발병 여부를 판정하는 방법 | |
US11972560B2 (en) | Machine learning device, image diagnosis support device, machine learning method and image diagnosis support method | |
JP2006346094A (ja) | 検出情報の出力方法及び医用画像処理システム | |
JP6665999B2 (ja) | データ処理装置、決定木生成方法、識別装置及びプログラム | |
JP6757054B2 (ja) | 皮膚組織の病理画像を用いた診断支援のためのシステム及び方法 | |
JPWO2020174863A1 (ja) | 診断支援プログラム、診断支援システム及び診断支援方法 | |
Fan et al. | Positive-aware lesion detection network with cross-scale feature pyramid for OCT images | |
JP7412279B2 (ja) | 画像診断方法、画像診断支援装置、及び計算機システム | |
WO2022185905A1 (ja) | 画像診断支援装置、画像診断支援方法、遠隔診断支援システム、ネット受託サービスシステム | |
JP2021056919A (ja) | 機械学習装置 | |
Shunmuga Priya et al. | Enhanced Skin Disease Image Analysis Using Hybrid CLAHE-Median Filter and Salient K-Means Cluster | |
US20210192734A1 (en) | Electronic method and device for aiding the determination, in an image of a sample, of at least one element of interest from among biological elements, associated computer program | |
CN115661176A (zh) | 基于ct图像的三维体构建方法、装置、存储介质以及终端 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20170321 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20170321 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20180109 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180227 |
|
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: 20180320 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20180410 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6324338 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
S533 | Written request for registration of change of name |
Free format text: JAPANESE INTERMEDIATE CODE: R313533 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |