JP6494903B2 - 分析システム、分析プログラム及び分析方法 - Google Patents

Description

本技術は、分析対象を経時的に撮像した動画像を分析対象とする分析システム、分析プログラム及び分析方法に関する。

ｉＰＳ細胞の作成（特許文献１参照）により、再生医療、組織工学、細胞工学等の分野の進歩は著しく、細胞の状態の評価や、細胞に対する薬物等の効果や影響の評価に対する要望が非常に大きくなっている。特に神経細胞においても、ｉＰＳ細胞等の胚性幹細胞から神経細胞を作製する方法が確立されてきており（特許文献２参照）、神経細胞の有効な分析方法が求められている。

細胞の分析方法として、分析対象の細胞を経時的に撮像した動画を解析し、そこから得られる情報に基づいて細胞の分析を行う方法が研究されている。例えば特許文献３には、細胞を含む動画において動きベクトルを検出し、動画に含まれる細胞の動きの協同性を評価する画像処理装置が開示されている。

特開２０１１−１８８８６０号公報 特開２００６−５２５２１０号公報 特開２０１２−１０５６３１号公報

しかしながら、特許文献３に記載の画像処理装置は、動画からひとつの評価値を算出するものであり、動画における細胞の経時的な動きを評価するものではない。本発明者らは、細胞等の分析対象が経時的に撮像された動画像において、分析対象の経時的な動きを評価することが可能な分析手法を新たに見出した。

以上のような事情に鑑み、本技術の目的は、分析対象を経時的に撮像した動画像から分析対象の経時的な動きを評価することが可能な分析システム、分析プログラム及び分析方法を提供することにある。

上記目的を達成するため、本技術の一形態に係る分析システムは、特徴量算出部を具備する。
上記特徴量算出部は、分析対象を経時的に撮像した分析対象動画像において、動き量の特徴を示す特徴量を時間範囲毎に算出する。

分析対象動画像おける動き量（動きベクトル）は、分析対象動画像に含まれる分析対象の動きに応じて変動し、各時間範囲における特徴量は当該時間範囲における動き量の特徴を表す。したがって、特徴量を指標として動き量の時間変化を評価することが可能であり、即ち分析対象の動きを評価することが可能である。

上記分析システムは、上記特徴量の時間変化又は空間変化を可視化する特徴量表示部をさらに具備してもよい。

この構成によれば、ユーザが可視化された特徴量の時間変動や空間変動を利用して分析対象の動きを評価することが可能となる。

上記分析システムは、上記特徴量の時間変化を可視化して上記分析対象動画像に重畳させ、特徴量表示動画像を生成する特徴量表示部をさらに具備してもよい。

特徴量表示動画像には分析対象動画像と、分析対象動画像に伴なって変動する特徴量が表示されるため、ユーザは特徴量によって表される動き量の特徴を参照しながら分析対象動画像を観察することが可能となる。

上記分析システムは、上記分析対象動画像の特定の範囲を算出範囲として指定する範囲指定部をさらに具備し、上記特徴量算出部は、上記算出範囲毎に上記特徴量を算出してもよい。

この構成によれば、分析対象動画像の特定の範囲（算出範囲）毎に特徴量が算出されるため、その範囲毎に分析対象の動きを評価することが可能である。算出範囲は、ユーザによって指定された範囲であってもよく、分析対象動画像を複数に分割した範囲であってもよい。

上記特徴量は、動きの量や方向の平均値、最大値、最小値、、標準偏差、分散、変動係数又は周波数特徴量若しくはこれらの組み合わせであってもよい。

上記各種の特徴量は動き量の特徴を表すため、これらの特徴量を指標として分析対象の動きを評価することが可能である。なお、これらの特徴量は、いずれか一つ又は複数が利用されてもよい。特徴量の種類によって表される動き量の特徴が異なるため、評価したい分析対象の動きに応じて適切な特徴量を選択することが可能である。

上記周波数特徴量は、周波数解析によって得られる平均強度、ピーク周波数又は平均パワー周波数であってもよい。

上記各種の周波数特徴量は、高速フーリエ変化（ＦＦＴ）、ウェーブレット変換、最大エントロピー法（ＭＥＭ）等の周波数解析によって得られ、動き量の周波数に関する情報を含む。しがって、これらの特徴量を指標として分析対象の動きを動き量の周波数の点から評価することが可能である。なお、これらの特徴量は、いずれか一つ又は複数が利用されてもよい。

上記分析対象は神経細胞であってもよい。

神経細胞の動き（振動等）は、神経細胞に印加されている刺激の種類（抑制性や興奮性等）や神経細胞ネットワークの形成状態によって影響を受ける。しかしその動きは心筋細胞の拍動等と比較して微小であり、より精度の高い分析が要求される。本分析システムは、特徴量を指標として細胞の動きを高精度に分析することが可能であるため、神経細胞は本分析システムによる分析対象として好適である。

上記分析システムは、上記分析対象動画像を構成する静止画において、分析対象が存在する領域である分析対象領域を特定する分析対象領域特定部をさらに具備し、
上記特徴量算出部は、上記分析対象動画像において、上記分析対象領域について上記特徴量を算出してもよい。

この構成によれば、特徴量算出部は、分析対象動画像において、分析対象（細胞等）が存在する領域のみについて、特徴量を算出することが可能である。分析対象動画像において分析対象が存在しない領域（細胞の間等）については特徴量が算出されないため、
特徴量算出部は高速に特徴量を算出することができ、ノイズの発生を防止することも可能である。

上記特徴量算出部は、上記分析対象領域において動き速度が閾値以上の領域である動き領域を利用して上記特徴量を算出してもよい。

動き領域は、分析対象領域のうち動き速度が閾値以上の領域であり、即ち分析対象において動きが大きい部分である。分析対象の中には、特定の部分（例えば神経細胞における神経突起）のみが大きく動くものがあり、特徴量算出部が動き領域を特定することにより、動きが大きい部分の動きを抽出し、解析することが可能となる。

上記特徴量算出部は、上記分析対象領域に占める上記動き領域の割合を上記特徴量として算出してもよい。

動き領域割合は、分析対象領域のうち、動き領域がどの程度であるかを示し、分析対象における動きの傾向を表す。これにより、例えば動き領域割合が大きい場合、分析対象（細胞等）の全体が振動しており、動き領域割合が小さい場合、分析対象の特定部分が振動している等と判断することが可能となる。

上記特徴量算出部は、上記分析対象領域における動き速度の平均値を上記特徴量として算出してもよい。

分析対象領域における動き速度の平均値は、分析対象の全体的な動きを表す。平均する動き速度を分析対象領域に限ることによって、分析対象が存在しない領域（細胞の間等）の動き速度が平均されることを防止することが可能である。

上記特徴量算出部は、上記動き領域における動き速度の平均値を上記特徴量として算出してもよい。

動き領域における動き速度の平均値は、分析対象のうち、動いている部分の動き速度を表す。これにより、例えば、分析対象において特定の部分のみが活発に振動している場合、その部分のみの動き速度を判断することが可能となる。仮に分析対象の全体において動き速度の平均値を求めると、振動していない部分の動き速度も平均されてしまうため、活発に振動している部分の動き速度の解析が困難となるが、上記構成により、このような場合であっても解析が可能となる。

上記特徴量算出部は、動き量の周波数解析によって得られるパワースペクトル密度の所定の周波数帯における面積を周波数特徴量として算出してもよい。

この構成によれば、所定の周波数帯における振動の情報が特徴量として抽出されるため、
分析対象のうち注目する部分（例えば神経細胞の神経突起）の周波数帯のみに限定して解析を行うことが可能となる。換言すれば、分析対象の振動のうち、注目する周波数帯以外の振動は解析の対象から除外することが可能となり、分析対象が複数の周波数の振動を有している場合であっても、有効に解析を行うことが可能となる。

上記目的を達成するため、本技術の一形態に係る分析プログラムは、特徴量算出部としてコンピュータを機能させる。
上記特徴量算出部は、分析対象を経時的に撮像した分析対象動画像において、動き量の特徴を示す特徴量を時間範囲毎に算出する。

上記目的を達成するため、本技術の一形態に係る分析方法は、分析対象を経時的に撮像した分析対象動画像において、動き量の特徴を示す特徴量を時間範囲毎に算出する。

以上のように、本技術によれば、分析対象が経時的に撮像された分析対象動画像から分析対象の経時的な動きを評価することが可能な分析システム、分析プログラム及び分析方法を提供することが可能である。

本技術の第１の本実施形態に係る分析システムの構成を示す模式図である。 同分析システムの動作を示すフローチャートである。 同分析システムの動画像取得部が取得する分析対象動画像の例である。 同分析システムの算出範囲指定部が指定する算出範囲の例である。 同分析システムの特徴量算出部が算出する時間−動き量波形の例である。 同分析システムの特徴量算出部による特徴量の算出方法の模式図である。 同分析システムの特徴量算出部によって算出されるパワースペクトル密度を示す模式図である。 同分析システムの特長量表示部による特徴量表示動画像の生成を示す模式図である。 同分析システムの特徴量表示部によって生成される特徴量表示動画像の例である。 同分析システムの特徴量表示部によって表示される時間窓毎の周波数特性の例である。 同分析システムの特徴量表示部によって表示される特徴量の表の例である。 本技術の第２の本実施形態に係る分析システムの構成を示す模式図である。 同分析システムの動作を示すフローチャートである。 同分析システムの分析対象領域特定部によって特定される分析対象領域を示す模式図である。 同分析システムの分析対象領域特定部によって特定される分析対象領域の例である。 同分析システムの動き量検出部によって、分析対象領域について検出される動き速度を示す模式図である。 同分析システムの動き量検出部によって検出される動き領域の例である。 同分析システムの特徴量算出部によって算出されるパワースペクトル密度を示す模式図である。 同分析システムの特徴量算出部によって算出される特徴量の例である。 同分析システムの特徴量表示部によって生成される特徴量表示動画像の例である。 同分析システムの特徴量表示部によって表示される特徴量の表の例である。 同分析システムの特徴量表示部によって表示される特徴量のグラフの例である。 同分析システムの特徴量表示部によって表示される特徴量のグラフの例である。 同分析システムの特徴量表示部によって表示される特徴量を選択するためのインターフェースの例である。 同分析システムの特徴量表示部によって表示される特徴量を選択するためのインターフェースの例である。

（第１の実施形態）
本技術の第１の実施形態に係る分析システムについて説明する。

図１は、本実施形態に係る分析システム１００の構成を示す模式図であり、図２は分析システム１００の動作を示すフローチャートであるである。図１に示すように分析システム１００は、動画像取得部１０１、動き量検出部１０２、範囲指定部１０３、特徴量算出部１０４及び特徴量表示部１０５を有する。分析システム１００は、情報処理装置によって実現される機能的構成とすることができ、単一の情報処理装置によって実現されてもよく、ネットワークを介して接続された複数の情報処理装置によって実現されてもよい。

動画像取得部１０１は、「分析対象動画像」を取得する。分析対象動画像は、分析対象の細胞や細胞群を経時的に撮像した動画像であり、動画像は連続的に撮像された複数のフレームから構成される動画や、タイムラプス撮影により撮像された静止画を含む。分析対象動画像の撮像速度は分析対象に応じて適宜設定することが可能であり、分析対象が神経細胞の場合は５０ｆｐｓ（ｆｒａｍｅ／ｓｅｃ）以下、例えば１ｆｐｍ（ｆｒａｍｅ／ｍｉｎ）とすることができる。分析対象が心筋細胞の場合は１５０ｆｐｓ以上とすることができる。

分析対象動画像は、明視野撮像、暗視野撮像、位相差撮像、蛍光撮像、共焦点撮像、多光子励起蛍光撮像、吸収光撮像、乱光撮像等の各種の光学的な撮像方法を利用して撮像された動画像であるものとすることができる。

図３は、分析対象動画像の例であり、複数の神経細胞を含む動画像である。動画像取得部１０１は、図示しない撮像装置（顕微鏡撮像装置）から分析対象動画像を取得してもよく、ストレージに格納されている動画像やネットワークから供給された動画像を分析対象動画像として取得するものとすることも可能である。この際、動画像取得部１０１は、予め撮像された動画像から、分析対象の種類に応じて所定の周期でサンプリングし、分析対象動画像を取得してもよい。動画像取得部１０１は、取得した分析対象動画像を動き量検出部１０２に供給する。

動き量検出部１０２は、分析対象動画像における「動き量」（動きベクトル）を検出する（図２、Ｓｔ１０１）。動き量は、分析対象動画像を構成するフレーム間において、対応する各画素又は画素群の時間に伴なう移動量及び移動方向を含み、ブロックマッチング等の画像処理手法によって検出することが可能である。動き量検出部１０２は、検出した動き量を範囲指定部１０３に供給する。

範囲指定部１０３は、分析対象動画像において「算出範囲」を指定する。算出範囲は、分析対象動画像において後述する特徴量を算出するための範囲であり、一つ又は複数の範囲とすることができる。図４は分析対象動画像において指定された算出範囲の例を示し、白線で区画された各範囲が算出範囲である。

範囲指定部１０３は、ユーザによって指示された範囲を算出範囲として指定してもよく、予め定められた範囲を算出範囲として指定してもよい。予め定められた範囲は、例えば、図４に示すように分析対象動画像を多分割（例えば１０×１０）した範囲とすることができる。また、範囲指定部１０３は、分析対象動画像の全体を一つの算出範囲として指定してもよい。範囲指定部１０３は、算出範囲と算出範囲毎の動き量を特徴量算出部１０４に供給する。

特徴量算出部１０４は、算出範囲毎に「特徴量」を算出する。（図２、Ｓｔ１０２）。特徴量は、分析対象動画像における時間範囲毎の動き量の特徴を示す量である。この時間範囲は、一定の時間範囲であってもよく、可変の時間範囲であってもよい。具体的には特徴量算出部１０４は、算出範囲毎の動き量から、動き量の時間変動である時間−動き量波形を算出する。図５は時間−動き量波形の例であり、横軸（ｆｒａｍｅ）は分析対象動画像のフレーム、即ち撮像時間を示し、縦軸（ｍｏｔｉｏｎ）は動き量を示す。

特徴量算出部１０４は、時間−動き量波形を利用して特徴量を算出する。具体的には特徴量は、拍動エリア（細胞の存在する面積）、動き量の平均値、最大値、最小値、標準偏差、分散又は変動係数等を含む。特徴量算出部１０４は、時間−動き量波形において特徴量を算出する時間範囲を移動させながら、特徴量を連続的に算出する。特徴量を算出する時間範囲は、特徴量の種類や分析対象の動き等に応じて適宜設定することが可能である。

さらに、特徴量は、「周波数特徴量」を含む。特徴量算出部１０４は、時間−動き量波形に対して周波数解析を施すことにより周波数特徴量を算出することが可能である。図６は、特徴量算出部１０４による周波数特徴量の算出方法を示す図である。特徴量算出部１０４は予め、ＤＣ（直流）成分の除去やフィッティング等の前処理を行った上で、図６に示すように、時間−動き量波形に対して時間窓（ｗｉｎｄｏｗ）を設定する。

特徴量算出部１０４は、時間窓を移動させながら、時間窓に含まれる波形に対して高速フーリエ変換（ＦＦＴ）解析を行い（図２、Ｓｔ１０３）、得られた結果からパワースペクトル密度（ｐｏｗｅｒ ｓｐｅｃｔｒａｌ ｄｅｎｓｉｔｙ：ＰＳＤ）を算出する。図７に、パワースペクトル密度の例を示す。

特徴量算出部１０４は、周波数解析によって得られる平均強度、ピーク周波数又は平均パワー周波数（ＭＰＦ：ｍｅａｎ ｐｏｗｅｒ ｆｒｅｑｕｅｎｃｙ）等を周波数特徴量として算出することができる（図２、Ｓｔ１０４）。周波数解析には高速フーリエ変換（ＦＦＴ）、ウェーブレット変換、最大エントロピー法（ＭＥＭ）等の各種周波数解析手法が含まれる。なお、ＭＰＦは、パワースペクトル密度において面積比が等しくなる周波数である。図６に、面積Ａと面積Ｂが等しくなるＭＰＦを示す。特徴量算出部１０４は、算出した特徴量を特徴量表示部１０５に供給する。なお、特徴量算出部１０４は同一の時間範囲から複数種の特徴量を算出してもよい。

特徴量表示部１０５は、特徴量の時間変化又は空間変化を可視化する。具体的には特徴量表示部１０５は、特徴量を可視化して分析対象動画像に重畳させ、特徴量表示動画像を生成する（図２、Ｓｔ１０５）ことができる。図８は、特徴量表示動画像の生成方法を示す模式図である。特徴量表示部１０５は、特徴量の値の大小に応じて色彩を付し、あるいは濃淡を付し、特徴量が算出された算出範囲に対応させて配置することによって特徴量を可視化することができる。特徴量表示部１０５は、上記可視化された特徴量を、分析対象動画像において特徴量が算出された時間範囲に対応するフレームに重畳させ、特徴量表示動画像を生成する。

図８に示す特徴量表示動画像は、分析対象動画像を１００分割した算出範囲（図４参照）からＭＰＦを算出し、分析対象動画像に重畳させた例である。特徴量表示部１０５は生成した特徴量表示動画像をディスプレイに供給し、表示させるものとすることができる。これにより、ユーザは特徴量によって表される動き量の特徴を参照しながら分析対象動画像を観察することが可能となる。

特徴量表示部１０５は、ＭＰＦ以外にも各種の特徴量を分析対象動画像に重畳させ、特徴量表示動画像を生成することができる。図９は、各種の特徴量を分析対象動画像に重畳させた特徴量表示動画像の例である。図９（ａ）は動き量平均、図９（ｂ）は動き量分散値、図９（ｃ）はＭＰＦ（周波数）がそれぞれ重畳された特徴量である。これらの図に示すように、特徴量の種類によって観察できる特徴が異なり、例えば動き量分散値は神経突起付近で大きく、周波数成分は細胞体で周波数が低い等の特徴を観察することが可能となる。

また、特徴量表示部１０５は、上述した時間窓毎の周波数特性を表示させ、特徴量の空間変化を可視化してもよい（図２、Ｓｔ１０６）。図１０は、時間窓毎の周波数特性の例である。１０（ａ）はＧＡＢＡが投与されたｉＰＳ由来の神経細胞の周波数特性であり、図１０（ｂ）はグルタミン酸が投与された同神経細胞の周波数特性である。

ＧＡＢＡは神経細胞に抑制性の刺激を与える生理活性物質であり、投与された神経細胞は、低周波数の動き（振動）を生じる。グルタミン酸は神経細胞に興奮性の刺激を与える生理活性物質であり、投与された神経細胞は、高周波数の動きを生じる。図１０（ａ）に示す周波数特性では、低周波数の動きが活発化しており、ＧＡＢＡによる神経細胞への影響が検出できることがわかる。

さらに特徴量表示部１０５は、特徴量算出部１０４によって算出された特徴量を表やグラフとして表示してもよい（図２、Ｓｔ１０７）。図１１は、特徴量を示す表の例である。同図に示すように、特徴量の表やグラフが表示されることによって、ユーザは特徴量の値や傾向を把握しやすくなる。

本実施形態に係る分析システム１００は以上のように構成される。分析システム１００によれば、特徴量を利用して分析対象動画像における分析対象の動きを評価することが可能である。具体的には分析システム１００は、生理活性物質の効果の評価、薬剤の効果、毒性の評価、神経細胞の品質管理、神経細胞の分化状態の評価、異常細胞やネットワーク異常の領域の特定、病態由来の細胞の評価による病態の評価等に利用することが可能である。

分析システム１００の分析対象は特に限定されない。しかしながら、分析システム１００の分析対象として神経細胞が好適である。神経細胞の動き（振動等）は、神経細胞に印加されている刺激の種類（抑制性や興奮性等）や神経細胞ネットワークの形成状態によって影響を受ける。しかしその動きは心筋細胞の拍動等と比較して微小であり、より精度の高い分析が要求される。分析システム１００は、特徴量を指標として細胞の動きを高精度に分析することが可能であるため、神経細胞は本分析システムによる分析対象として好適である。

（第２の実施形態）
本技術の第２の実施形態に係る分析システムについて説明する。

図１２は、本実施形態に係る分析システム２００の構成を示す模式図であり、図１３は分析システム２００の動作を示すフローチャートであるである。図１２に示すように分析システム２００は、動画像取得部２０１、分析対象領域特定部２０２、動き量検出部２０３、特徴量算出部２０４及び特徴量表示部２０５を有する。分析システム２００は、情報処理装置によって実現される機能的構成とすることができ、単一の情報処理装置によって実現されてもよく、ネットワークを介して接続された複数の情報処理装置によって実現されてもよい。

動画像取得部２０１は、「分析対象動画像」を取得する。分析対象動画像は、分析対象の細胞や細胞群を経時的に撮像した動画像であり、動画像は連続的に撮像された複数のフレームから構成される動画や、タイムラプス撮影により撮像された静止画を含む。分析対象動画像の撮像速度は分析対象に応じて適宜設定することが可能であり、分析対象が神経細胞の場合は５０ｆｐｓ（ｆｒａｍｅ／ｓｅｃ）以下、例えば１ｆｐｍ（ｆｒａｍｅ／ｍｉｎ）とすることができる。分析対象が心筋細胞の場合は１５０ｆｐｓ以上とすることができる。

分析対象動画像は、明視野撮像、暗視野撮像、位相差撮像、蛍光撮像、共焦点撮像、多光子励起蛍光撮像、吸収光撮像、乱光撮像等の各種の光学的な撮像方法を利用して撮像された動画像であるものとすることができる（図３参照）。

動画像取得部２０１は、図示しない撮像装置（顕微鏡撮像装置）から分析対象動画像を取得してもよく、ストレージに格納されている動画像やネットワークから供給された動画像を分析対象動画像として取得するものとすることも可能である。この際、動画像取得部２０１は、予め撮像された動画像から、分析対象の種類に応じて所定の周期でサンプリングし、分析対象動画像を取得してもよい。動画像取得部１０１は、取得した分析対象動画像を分析対象領域特定部２０２に供給する。

分析対象領域特定部２０２は、分析対象動画像を構成する静止画（以下、分析対象静止画）から「分析対象領域」を特定する（図１３、Ｓｔ２０１）。分析対象静止画は、分析対象動画像の最初のフレームであってもよく、任意のフレームであってもよい。また、分析対象静止画は、分析対象動画像から所定の時間毎に抽出されたフレームであってもよい。分析対象領域は、分析対象静止画の視野において分析対象が存在する領域であり、例えば細胞が存在する領域である。

分析対象領域特定部２０２は、分析対象静止画に画像処理を施し、分析対象領域を特定する。図１４は分析対象静止画における分析対象領域を模式的に示す図である。同図における区画Ｄは、分析対象領域の特定単位を示し、分析対象静止画の一つ又は複数の画素を含む範囲とすることができる。斜線を付した区画Ｄが、分析対象領域特定部２０２によって分析対象が存在すると特定された区画であり、分析対象区画Ｄ１とする。分析対象区画Ｄ１の集合が分析対象領域である。図１５は、分析対象静止画において特定された分析対象領域の例であり、白色の領域が分析対象領域である。

分析対象領域特定部２０２は、分析対象静止画に対し、ダイナミックレンジによる検出やマッチング等の画像処理によって、分析対象領域を特定するものとすることができる。この際、分析対象領域特定部２０２は、閾値によって、分析対象領域として検出する分析対象を選択することが可能であり、例えば神経細胞の細胞体を検出するか、神経突起を検出するか、あるいは両方を検出するか等を選択することが可能である。

動き量検出部２０３は、分析対象動画像における「動き量」（動きベクトル）を検出する（図１３、Ｓｔ２０２）。動き量は、分析対象動画像を構成するフレーム間において、対応する各画素又は画素群の時間に伴なう移動量及び移動方向を含み、ブロックマッチング等の画像処理手法によって検出することが可能である。

ここで、動き量検出部２０３は、分析対象領域特定部２０２によって特定された分析対象領域（分析対象区画Ｄ１の集合）対して動き量を検出する。具体的には、動き量検出部２０３は、分析対象静止画のフレームから、次の分析対象静止画のフレームの間の分析対象動画像について、分析対象領域を構成する各分析対象区画Ｄ１における動き量を検出する。動き量検出部２０３は、各分析対象区画Ｄ１の動き量を動き速度に変換することができる。

図１６は、分析対象動画像における動き速度を模式的に示す図であり、各分析対象区画Ｄ１において検出された動き速度を数値で示す。分析対象区画Ｄ１において、動き速度が一定値（ここでは１）以上の区画を動き検出区画Ｄ２とする。動き検出区画Ｄ２の集合が動き領域である。図１７は、分析対象動画像における動き領域の例であり、動き領域を白色の領域として示す。

図１６に示すように、分析対象静止画（図１４参照）において分析対象区画Ｄ１とされなかった区画Ｄについては、動き量が検出されない。これにより、分析対象動画像の視野において分析対象が存在しない領域（例えば細胞と細胞の間）については、動き量が検出されず、動き量の検出を高速化すると共に、ノイズの発生を防止することが可能である。動き量検出部２０３は、分析対象領域、動き領域及び動き量を特徴量算出部２０４に供給する。

特徴量算出部２０４は、動き領域において「特徴量」を算出する（図１３、Ｓｔ２０３）。特徴量は、分析対象動画像における時間範囲毎の動き量の特徴を示す量である。この時間範囲は、一定の時間範囲であってもよく、可変の時間範囲であってもよい。

特徴量算出部２０４は、「動き領域割合」を特徴量として算出することができる。動き領域割合は、分析対象領域に占める動き領域の割合であり、具体的には分析対象区画Ｄ１に占める動き区画Ｄ２の割合である。動き領域割合によって、分析対象が存在すると判定された領域（分析対象領域）のうち、動きが生じている領域（動き領域）がどの程度であるかを判断することが可能となる。例えば動き領域割合が大きい場合、分析対象（細胞等）の全体が振動しており、動き領域割合が小さい場合、分析対象の特定部分が振動している等と判断することができる。

また、特徴量算出部２０４は、「分析対象領域速度」を特徴量として算出することができる。分析対象領域速度は、分析対象領域における動き速度の平均値であり、各分析対象区画Ｄ１（動き区画Ｄ２を含む）の動き速度を平均することにより算出することができる。分析対象領域速度は、分析対象の全体における動き速度の平均値であり、分析対象の全体的な動き速度を判断することができる。平均する動き速度を分析対象領域に限ることによって、分析対象が存在しない領域（細胞の間等）の動き速度が平均されることを防止することが可能である。

また、特徴量算出部２０４は、「動き領域速度」を特徴量として算出することができる。動き領域速度は、動き領域における動き速度の平均値であり、各動き区画Ｄ２の動き速度度を平均することにより算出することができる。動き領域速度は、分析対象のうち、動いている部分の動き速度の平均値であり、例えば、分析対象において特定の部分のみが活発に振動している場合、その部分の動き速度を判断することが可能である。仮に分析対象の全体において動き速度の平均値を求めると、動いていない部分の動き速度も平均されてしまうため、動き領域速度は、分析対象において特定の部分のみが動いている場合に特に有効である。

さらに、特徴量算出部２０４は、「周波数特徴量」を算出することができる。特徴量算出部２０４は、第１の実施形態と同様に時間−動き量波形（図５参照）を算出し、時間−動き量波形に対して周波数解析を施すことにより周波数特徴量を算出することが可能である。

特徴量算出部２０４は、時間窓を移動させながら、時間窓に含まれる波形に対して高速フーリエ変換（ＦＦＴ）解析を行い（図１３、Ｓｔ２０４）、得られた結果からパワースペクトル密度（ｐｏｗｅｒ ｓｐｅｃｔｒａｌ ｄｅｎｓｉｔｙ：ＰＳＤ）を算出する。図１８に、パワースペクトル密度の例を示す。

同図に示すように、特徴量算出部２０４は、所定の周波数帯におけるパワースペクトル密度の面積（ＰＳＤａｒｅａ）を周波数特徴量として算出することができる。ＰＳＤａｒｅａを算出する周波数帯は、観測したい振動の周波数に応じて任意に設定することができ、例えば０〜０．１Ｈｚ以下とすることができる。

図１９は、ＰＳＤａｒｅａをマッピングした例であり、神経細胞の細胞死の過程を示す。図１９（ａ）は、分析開始時刻、図１９（ｂ）は０．７５時間後、図１９（ｃ）は６時間後の０〜０．１ＨｚにおけるＰＳＤａｒｅａである。図中白色はＰＳＤａｒｅａが大きい領域を示し、黒色はＰＳＤａｒｅａが小さい領域を示す。図１９（ａ）においては、細胞の全体において０〜０．１Ｈｚの振動が大きいが、図１９（ｂ）においては、神経突起において同周波数帯の振動が大きく、細胞体において同周波数帯の振動が小さくなっている。図１９（ｃ）においては神経突起においても同周波数帯の振動が停止している。

このように、特徴量算出部２０４が所定の周波数帯におけるＰＳＤａｒｅａを算出することにより、分析対象の振動のうち、注目する周波数帯における振動のみを抽出することが可能であり、周波数が異なる無関係な振動は解析から除外することが可能である。

また、特徴量算出部２０４は、第１の実施形態と同様に、周波数解析によって得られる平均強度、ピーク周波数又は平均パワー周波数（ＭＰＦ：ｍｅａｎ ｐｏｗｅｒ ｆｒｅｑｕｅｎｃｙ）等を周波数特徴量として算出することができる（図１３、Ｓｔ２０５）。周波数解析には高速フーリエ変換（ＦＦＴ）、ウェーブレット変換、最大エントロピー法（ＭＥＭ）等の各種周波数解析手法が含まれる。特徴量算出部２０４は、算出した特徴量を特徴量表示部２０５に供給する。なお、特徴量算出部２０４は同一の時間範囲から複数種の特徴量を算出してもよい。

特徴量表示部２０５は、特徴量の時間変化又は空間変化を可視化する。具体的には特徴量表示部２０５は、特徴量を可視化して分析対象動画像に重畳させ、特徴量表示動画像を生成する（図１３、Ｓｔ２０６）ことができる。特徴量表示部２０５は、第１の実施形態と同様に、特徴量の値の大小に応じて色彩を付し、あるいは濃淡を付し、特徴量が算出された算出範囲に対応させて配置することによって特徴量を可視化することができる。特徴量表示部２０５は、上記可視化された特徴量を、分析対象動画像において特徴量が算出された時間範囲に対応するフレームに重畳させ、特徴量表示動画像を生成する。

図２０は、上述した動き領域を分析対象動画像に重畳させた特徴量表示動画像の例である。同図に示すように、特徴量表示部は、動き速度（図１７参照）の大小に応じて色彩や濃淡を付し、特徴量表示動画像とすることができる。また、特徴量表示部２０５は、図１９に示したようなＰＳＤａｒｅａや動き量平均、動き量分散値、ＭＰＦ等の各種特徴量を利用して、特徴量表示動画像を生成してもよい（図９参照）。また、特徴量表示部２０５は、上述した時間窓毎の周波数特性を表示させ、特徴量の空間変化を可視化してもよい（図１３、Ｓｔ２０７）。

さらに特徴量表示部２０５は、特徴量算出部２０４によって算出された特徴量を表やグラフとして表示してもよい（図１３、Ｓｔ２０８）。図２１乃至図２３は、特徴量表示部２０５によって表示される特徴量の表示態様の例である。図２４は、特徴量表示部２０５に表示させる特徴量の選択のためのインターフェースを示す。図２５は、特徴量を表示させる領域（ＲＯＩ：Ｒｅｇｉｏｎ ｏｆ Ｉｎｔｅｒｅｓｔ、図中白枠)の選択のためのインターフェースを示す。特徴量表示部２０５は、図２４や図２５に示すインターフェイスによって指示された分析対象や特徴量を表示するものとすることができる。また、特徴量表示部２０５は、上述した分析対象領域や動き領域、各種特徴量等を利用して、ＲＯＩを自動的に選択してもよい。

本実施形態に係る分析システム２００は以上のように構成される。分析システム２００によれば、特徴量を利用して分析対象動画像における分析対象の動きを評価することが可能である。具体的には分析システム２００は、生理活性物質の効果の評価、薬剤の効果、毒性の評価、神経細胞の品質管理、神経細胞の分化状態の評価、異常細胞やネットワーク異常の領域の特定、病態由来の細胞の評価による病態の評価等に利用することが可能である。

分析システム２００の分析対象は特に限定されない。しかしながら、分析システム２００の分析対象として神経細胞が好適である。神経細胞の動き（振動等）は、神経細胞に印加されている刺激の種類（抑制性や興奮性等）や神経細胞ネットワークの形成状態によって影響を受ける。しかしその動きは心筋細胞の拍動等と比較して微小であり、より精度の高い分析が要求される。分析システム２００は、特徴量を指標として細胞の動きを高精度に分析することが可能であるため、神経細胞は本分析システムによる分析対象として好適である。

加えて本実施形態によれば、分析対象動画像において分析対象が存在する領域を分析対象領域として抽出し、分析対象領域について動き量の解析や特徴量の算出を実施する。神経細胞は心筋細胞等の他の細胞と比較してもその振動する部分が局所的であり、本実施形態に係る分析システム２００の分析対象によって効果的に分析することが可能である。さらに、分析システム２００においては特定の周波数帯におけるパワースペクトル密度の面積を分析に利用するため、神経細胞の神経突起や細胞体等の周波数の異なる振動をそれぞれ抽出することが可能であり、この点でも神経細胞の分析に適している。

本技術は、上記各実施形態にのみ限定されるものではなく、本技術の要旨を逸脱しない範囲内において変更することが可能である。

なお、本技術は以下のような構成も採ることができる。

（１）
分析対象を経時的に撮像した分析対象動画像において、動き量の特徴を示す特徴量を時間範囲毎に算出する特徴量算出部
を具備する分析システム。

（２）
上記（１）に記載の分析システムであって、
上記特徴量の時間変化又は空間変化を可視化する特徴量表示部をさらに具備する
分析システム。

（３）
上記（１）又は（２）に記載の分析システムであって、
上記特徴量表示部は、上記特徴量の時間変化を可視化して上記分析対象動画像に重畳させ、特徴量表示動画像を生成する
分析システム。

（４）
上記（１）から（３）のうちいずれか一つに記載の分析システムであって、
上記分析対象動画像の特定の範囲を算出範囲として指定する範囲指定部をさらに具備し、
上記特徴量算出部は、上記算出範囲毎に上記特徴量を算出する
分析システム。

（５）
上記（１）から（４）のうちいずれか一つに記載の分析システムであって、
上記特徴量は、動きの量や方向の平均値、最大値、最小値、標準偏差、分散、変動係数又は周波数特徴量若しくはこれらの組み合わせである
分析システム。

（６）
上記（１）から（５）のうちいずれか一つに記載の分析システムであって、
上記周波数特徴量は、周波数解析によって得られる平均強度、ピーク周波数又は平均パワー周波数である
分析システム。

（７）
上記（１）から（６）のうちいずれか一つに記載の分析システムであって、
上記分析対象は神経細胞である
分析システム。

（８）
上記（１）から（７）のうちいずれか一つに記載の分析システムであって、
上記分析対象動画像を構成する静止画において、分析対象が存在する領域である分析対象領域を特定する分析対象領域特定部をさらに具備し、
上記特徴量算出部は、上記分析対象動画像において、上記分析対象領域について上記特徴量を算出する
分析システム。

（９）
上記（１）から（８）のうちいずれか一つに記載の分析システムであって、
上記特徴量算出部は、上記分析対象領域において動き速度が閾値以上の領域である動き領域を利用して上記特徴量を算出する
分析システム。

（１０）
上記（１）から（９）のうちいずれか一つに記載の分析システムであって、
上記特徴量算出部は、上記分析対象領域に占める上記動き領域の割合を上記特徴量として算出する
分析システム。

（１１）
上記（１）から（１０）のうちいずれか一つに記載の分析システムであって、
上記特徴量算出部は、上記分析対象領域における動き速度の平均値を上記特徴量として算出する
分析システム。

（１２）
上記（１）から（１１）のうちいずれか一つに記載の分析システムであって、
上記特徴量算出部は、上記動き領域における動き速度の平均値を上記特徴量として算出する
分析システム。

（１３）
上記（１）から（１２のうちいずれか一つに記載の分析システムであって、
上記特徴量算出部は、動き量の周波数解析によって得られるパワースペクトル密度の所定の周波数帯における面積を周波数特徴量として算出する
分析システム。

（１４）
分析対象を経時的に撮像した分析対象動画像において、動き量の特徴を示す特徴量を時間範囲毎に算出する特徴量算出部
としてコンピュータを機能させる分析プログラム。

（１５）
分析対象を経時的に撮像した分析対象動画像において、動き量の特徴を示す特徴量を時間範囲毎に算出する
分析方法。

１００、２００…分析システム
１０１、２０１…動画像取得部
１０２…動き量検出部
２０２…分析対象領域特定部
１０３…範囲指定部
１０４、２０４…特徴量算出部
１０５、２０５…特徴量表示部

Claims (6)

1. 神経細胞を経時的に撮像した分析対象動画像において、動きの量の周波数特徴量を時間範囲毎に算出する特徴量算出部と、
   前記特徴量の時間変化を可視化して前記分析対象動画像に重畳させ、特徴量表示動画像を生成する特徴量表示部と
   を具備し、
   前記周波数特徴量は、周波数解析によって得られる平均強度、ピーク周波数又は平均パワー周波数である
   分析システム。
2. 請求項１に記載の分析システムであって、
   前記分析対象動画像の特定の範囲を算出範囲として指定する範囲指定部をさらに具備し、
   前記特徴量算出部は、前記算出範囲毎に前記特徴量を算出する
   分析システム。
3. 請求項１又は２のうちいずれか一つに記載の分析システムであって、
   前記分析対象動画像を構成する静止画において、分析対象が存在する領域である分析対象領域を特定する分析対象領域特定部をさらに具備し、
   前記特徴量算出部は、前記分析対象動画像において、前記分析対象領域について前記特徴量を算出する
   分析システム。
4. 請求項１から３のうちいずれか一つに記載の分析システムであって、
   前記特徴量算出部は、動き量の周波数解析によって得られるパワースペクトル密度の所定の周波数帯における面積を周波数特徴量として算出する
   分析システム。
5. 神経細胞を経時的に撮像した分析対象動画像において、動きの量の周波数特徴量を時間範囲毎に算出する特徴量算出部と、
   前記特徴量の時間変化を可視化して前記分析対象動画像に重畳させ、特徴量表示動画像を生成する特徴量表示部
   としてコンピュータを機能させ、
   前記周波数特徴量は、周波数解析によって得られる平均強度、ピーク周波数又は平均パワー周波数である
   分析プログラム。
6. 神経細胞を経時的に撮像した分析対象動画像において、動きの量の周波数特徴量を時間範囲毎に算出し、
   前記特徴量の時間変化を可視化して前記分析対象動画像に重畳させ、特徴量表示動画像を生成し、
   前記周波数特徴量は、周波数解析によって得られる平均強度、ピーク周波数又は平均パワー周波数である
   分析方法。