JP6667541B2 - スライドサムネイル画像を使用する関心範囲検出のためのシステム及び方法 - Google Patents
スライドサムネイル画像を使用する関心範囲検出のためのシステム及び方法 Download PDFInfo
- Publication number
- JP6667541B2 JP6667541B2 JP2017539655A JP2017539655A JP6667541B2 JP 6667541 B2 JP6667541 B2 JP 6667541B2 JP 2017539655 A JP2017539655 A JP 2017539655A JP 2017539655 A JP2017539655 A JP 2017539655A JP 6667541 B2 JP6667541 B2 JP 6667541B2
- Authority
- JP
- Japan
- Prior art keywords
- tissue
- image
- slide
- mask
- digital 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
- 238000001514 detection method Methods 0.000 title claims description 153
- 238000000034 method Methods 0.000 title claims description 131
- 239000011521 glass Substances 0.000 claims description 47
- 238000010191 image analysis Methods 0.000 claims description 43
- 230000000875 corresponding effect Effects 0.000 claims description 25
- 230000000873 masking effect Effects 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 9
- 238000002493 microarray Methods 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 5
- 238000003703 image analysis method Methods 0.000 claims description 4
- 230000002596 correlated effect Effects 0.000 claims description 3
- 239000000523 sample Substances 0.000 description 17
- 238000004422 calculation algorithm Methods 0.000 description 15
- 230000008569 process Effects 0.000 description 15
- 238000012545 processing Methods 0.000 description 13
- 101100269850 Caenorhabditis elegans mask-1 gene Proteins 0.000 description 11
- 238000003384 imaging method Methods 0.000 description 11
- 239000000975 dye Substances 0.000 description 10
- 238000010186 staining Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 9
- 230000008520 organization Effects 0.000 description 9
- 239000000090 biomarker Substances 0.000 description 8
- 239000006059 cover glass Substances 0.000 description 8
- 230000005055 memory storage Effects 0.000 description 8
- 238000012549 training Methods 0.000 description 6
- 101001012157 Homo sapiens Receptor tyrosine-protein kinase erbB-2 Proteins 0.000 description 5
- 102100030086 Receptor tyrosine-protein kinase erbB-2 Human genes 0.000 description 5
- 238000012937 correction Methods 0.000 description 5
- 230000007170 pathology Effects 0.000 description 5
- 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 4
- 230000003044 adaptive effect Effects 0.000 description 4
- 238000003556 assay Methods 0.000 description 4
- 238000001574 biopsy Methods 0.000 description 4
- 238000003745 diagnosis Methods 0.000 description 4
- 238000007667 floating Methods 0.000 description 4
- 230000000717 retained effect Effects 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 206010028980 Neoplasm Diseases 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 239000008280 blood Substances 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000012634 fragment Substances 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 108090000623 proteins and genes Proteins 0.000 description 2
- 102000004169 proteins and genes Human genes 0.000 description 2
- 238000005406 washing Methods 0.000 description 2
- 101100121123 Caenorhabditis elegans gap-1 gene Proteins 0.000 description 1
- VYZAMTAEIAYCRO-UHFFFAOYSA-N Chromium Chemical compound [Cr] VYZAMTAEIAYCRO-UHFFFAOYSA-N 0.000 description 1
- 208000013715 atelosteogenesis type I Diseases 0.000 description 1
- 238000004113 cell culture Methods 0.000 description 1
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000001900 immune effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000001926 lymphatic effect Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000003068 molecular probe Substances 0.000 description 1
- 230000008450 motivation Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 239000002547 new drug Substances 0.000 description 1
- 102000039446 nucleic acids Human genes 0.000 description 1
- 108020004707 nucleic acids Proteins 0.000 description 1
- 150000007523 nucleic acids Chemical class 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- -1 or antibody Substances 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000004393 prognosis Methods 0.000 description 1
- 230000009257 reactivity Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 230000002792 vascular Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
- G06F3/0481—Interaction techniques based on graphical user interfaces [GUI] based on specific properties of the displayed interaction object or a metaphor-based environment, e.g. interaction with desktop elements like windows or icons, or assisted by a cursor's changing behaviour or appearance
- G06F3/0482—Interaction with lists of selectable items, e.g. menus
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/24—Indexing scheme for image data processing or generation, in general involving graphical user interfaces [GUIs]
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20092—Interactive image processing based on input by user
-
- 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
- G06T2207/20112—Image segmentation details
- G06T2207/20132—Image cropping
-
- 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
- G06T2207/30072—Microarray; Biochip, DNA array; Well plate
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Medical Informatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Multimedia (AREA)
- Image Processing (AREA)
- Investigating Or Analysing Biological Materials (AREA)
- Image Analysis (AREA)
- Microscoopes, Condenser (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Description
[0010]更なる態様では、本発明は、組織スライドのデジタル画像において組織領域を検出する画像解析システムに関する。組織試料はスライド上に載置される。画像解析システムは、プロセッサと記憶媒体とを備える。記憶媒体は、複数のスライドタイプに特有の組織検出ルーチンと、ジェネリック組織検出ルーチンとを含む。画像解析システムは、
スライドタイプに特有の組織検出ルーチンの1つを選択するステップと、
選択されたスライドタイプに特有の組織検出ルーチンが実施される前、及び/又は実施されている最中に、選択されたスライドタイプに特有の組織検出ルーチンが、デジタル画像に描写されているスライドの組織スライドタイプに対応するかをチェックするステップと、
「はい」の場合、デジタル画像中の組織領域を検出する、選択されたスライドタイプに特有の組織検出ルーチンを自動的に実施するステップと、
「いいえ」の場合、デジタル画像中の組織領域を検出する、ジェネリック組織検出ルーチンを自動的に実施するステップとを含む、方法を実施するように構成される。ジェネリック組織検出ルーチンは、本明細書では、「デフォルト」組織検出ルーチン、モジュール、又はアルゴリズムとも呼ばれる。
[0032]輝度画像の場合、画像解析方法は、M>0である全てのピクセル(例えば、生成されたマスクMによってマスキングされない画像の領域)を特定し、特定されたピクセルに対するL’ドメインの下限閾値(L’low:ソートされたL’値の5%値)及び上限閾値(L’high:95%値)を計算する。
[0036]画像解析システムは、UV’low及びUV’highを使用して、WeightedUV画像をUV’ドメインから計算する。WeightedUV画像を作成する際のUV’からWeightedUVへのマッピングは、UV’(x,y)≦UV’low→WeightedUV(x,y)=0を設定すること、UV’low<UV’(x,y)<UV’high→WeightedUV(x,y)=(UV’(x,y)−UV’low)/(UV’high−UV’low)を設定すること、及びUV’(x,y)>UV’high→WeightedL(x,y)=1を設定することを含む。これは、WeightedUV画像のピクセルが、その元のUV’値がUV’low閾値を下回る場合は「0」の値を有し、その元のUV’値がUV’high閾値を上回る場合は「1」の値を有し、他の全ての場合は(UV’(x,y)−UV’low)/(UV’high−UV’low)の値を有することを意味する。(UV’(x,y)−UV’low)/(UV’high−UV’low)の値は、正規化された逆数のクロミナンス値であり、正規化はマスキングされていないピクセルに対して実施される。
[0053]ヒストグラムピークにつながるピクセル強度値を、maxHistLocationとする(これはガラスに対応してもよい)。
max_grayscale_indexとする。この値は「glass_right_cutoff」値を表す。
[0056]右ギャップ=max_grayscale_index−maxHIstLocationとする。
[0058]interval_range_gap=max(1,round(rightgap/5))とする。
[0060]max_rightgap=min(rightgap−1,round(rightgap×0.75)とする。0.75の値は、一般的には0.5〜0.95の範囲、優先的には0.7〜0.8の範囲である、既定のgap_cutoff_fraction値である。
[0062]number_interval_terms=(max_rightgap−min_rightgap)/interval_range_gapとする。
[0064]i=0の場合、number_interval_terms−1は、
[0065]different_cutoffs[i+1]=(glass_left_cutoff−rightgap)+interval_range_gap×i
[0066]different_cutoffs[number_interval_terms+1]=glass_left_cutoff+max_rightgapである。
[0073]FinalMask=CombineTwoMasks(マスク1、マスク2、minimum_area)とする。
[0075]マスク2上の接続構成要素(CC)を実施し、CCの数をMとする。
[0077]i=1:M(M個の接続構成要素全てにわたってループする)の場合、マスク2のi番目のCCを考慮し、マスク1のONピクセルがマスク2のi番目のCCから50ピクセルの距離内にあるか否かを確かめ(Distの知識を使用して行われる)、「はい」の場合、その合計サイズ≧(minimum_area/2)の場合のみこの領域を考慮し、i番目のCCマスクに対応するFinalMaskの全てのピクセルをONに設定する。マスク1のONピクセルが、i番目のCCマスクにおける50ピクセルの距離内にない(即ち、マスク2のi番目のCCが比較的隔離されている)場合、十分に大きい場合、即ちi番目のCCに基づくマスク>(1.5×minimum_area)の場合にのみCCを考慮し、i番目のCCマスクに対応するFinalMaskの全てのピクセルをONに設定する。したがって、要約すると、CombineTwoMasksの役割は、十分に大きい(>1.5×minimum_area)か又は部分的に大きく(>0.5×minimum_area)、それに十分に近い(50ピクセル以内)マスク1の少なくともいくつかのONピクセルを有する、マスク2の小塊のみを考慮することである。minimum_areaの値は、150ピクセルであると経験的に決定されている。
[0079]norm_value=(グレースケール値−different_cutoffs[0]/(different_cutoffs[N−1]−different_cuttoffs[0])とする。
[0081]SWにおける対応する浮動値=1−norm_value
[0082]対応するグレースケール値<different_cutoffs[0]の場合、SWにおける対応する浮動値=1である(ピクセルが十分に暗い場合、割り当てられるソフト重み値=1)。
[0088]CCの高さ<(行/8):(サムネイル画像の高さ、ラベル以下=行)
[0089]CCの面積>55ピクセル(小さいジャンクな小塊は廃棄されてもよい)。
[0091]可能性があるTMAコアを見つけた後、TMAコアが十分に適切であると判断する、CCのサイズの分布が決定される。
[0093]面積≧MedianArea/2であり、面積≦2×MedianAreaである、それらのCCを保持する。
[0096]radius_current_blob_plus_NN_blob[i]=i番目のTMA小塊の半径+i番目のTMA小塊に最も近い小塊の半径
[0097]DistMedian=(NN_dist_values)の中央値
[0098]MADvalue=(NN_dist_values)の平均絶対偏差
[0099]Sdeff=max(50,2×MAD)
[00100]小塊に課せられる規則は次のように表されてもよい。NN_dist_value[i]≦1.3×(DistMedian+max(Sdeff,radius_current_blob_plus_NN_blob[i])→i番目の小塊が有効なTMA小塊である。TMAコアを考慮した場合、任意の2つの最も近いコア間の距離は、TMAではほぼ類似しており、したがって、これら全ての仮定が距離に基づく規則で使用される。
[00111]L’チャネルに対して、下限閾値thLlowがthLlow=MedianL+MADLにしたがって計算され、上限閾値thLhighがthLhigh=MedianL+2×MADLにしたがって計算される。
[00113]クロミナンス画像UVは、UV=sqrt(U^2+V^2)にしたがって計算される。
[00118]ヒステリシス閾値化において「面積の制約を使用する」とは、(下限閾値及び上限閾値を満たす値を有する一組の隣接ピクセルとして)ヒステリシス閾値化によって検出されるピクセル小塊が、前記小塊が少なくとも面積の制約の大きさである場合のみ、生成されたマスクにおいて「マスキングされていない」ピクセル小塊として維持されることを意味する。面積の制約のサイズは、一般的に、130〜170ピクセルの範囲、例えば150ピクセルである。
スライドタイプに特有の組織検出ルーチンの1つを選択するステップと、
選択されたスライドタイプに特有の組織検出ルーチンが実施される前、及び/又は実施されている最中に、選択されたスライドタイプに特有の組織検出ルーチンが、デジタル画像に描写されているスライドの組織スライドタイプに対応するかをチェックするステップと、
「はい」の場合、デジタル画像中の組織領域を検出する、選択されたスライドタイプに特有の組織検出ルーチンを自動的に実施するステップと、
「いいえ」の場合、デジタル画像中の組織領域を検出する、ジェネリック組織検出ルーチンを自動的に実施するステップとを含む、方法を実施するように構成される。
デジタル画像をグレースケール化したもののヒストグラムを計算するステップと、
ヒストグラムから複数の強度閾値を抽出するステップと、
デジタル画像から複数の中間マスクを生成するため、デジタル画像に複数の強度閾値を適用するステップと、
全ての中間マスクを組み合わせることによって二値マスクMを生成するステップとを含む。
ヒストグラムで観察される最大グレースケール強度値である、max−grayscale−index(mgs)を特定するステップと、
ヒストグラム中で最大発生頻度を有するグレースケール強度値である、max−histogram−location(mhl)を特定するステップと、
maximum−histogram−location(mhl)をmax−grayscale−index(mgs)から減算することによって右ギャップを計算するステップと、
glass−left−cutoff=max−histogram−location(mhl)−右ギャップにしたがって、glass−left−cutoffを計算するステップと、
閾値のうち最小のもの(dco[0])がglass_left_cutoff−右ギャップ以上の強度値であるような、また閾値のうち最大のものがglass_left_cutoff+右ギャップ以下であるような、複数の閾値の抽出を実施するステップとを含む。例えば、最小閾値はglass_left_cutoff−右ギャップ+1以上の強度値であることができ、閾値のうち最大のものは、glass_left_cutoff+右ギャップ−1以下であることができる。
irg=max(1,round(rightgap/constant))にしたがって(constantは2〜20、優先的には3〜8の既定の数値)、interval−range−gap(irg)を計算するステップと、
max_rightgap=min(rightgap−1,round(rightgap×gap_cutoff_fraction)にしたがって(gap_cutoff_fractionは0.5〜0.95、優先的には0.7〜0.8の範囲の規定値)、max_rightgap値を計算するステップと、
number_interval_terms=((max_rightgap+rightgap)/interval_range_gap)にしたがって、number_interval_termsを計算するステップと、
計算されたnumber_interval_termsに対してそれらの数が同一であるような、複数の閾値を作成するステップとを含む。
a)グレースケール値が複数の閾値のうち第1の閾値未満である、デジタル画像中の全てのピクセルをマスキングすることによって、第1の中間マスクを作成するステップと、
b)グレースケール値が複数の閾値のうち第2の閾値未満である、デジタル画像中の全てのピクセルをマスキングすることによって、第2の中間マスクを作成するステップであって、第2の閾値が、例えば複数の閾値のうち2番目に高い閾値である、ステップと、
c)第1の小塊を特定するため、第1のマスクのマスキングされていないピクセルに対して、接続構成要素解析を実施するステップと、
d)第2の小塊を特定するため、第2のマスクのマスキングされていないピクセルに対して、接続構成要素解析を実施するステップと、
e)第1及び第2のマスクをマージして、マージされたマスクにするステップとを含み、マージするステップは、
サイズがabosolute−minimum−area未満である第1の小塊を全てマスキングし、サイズがabsolute−minimum−area超過であるがconditonal−minimum−area未満であり、前記第1の小塊の周りにおける既定の近傍範囲内に第1の小塊がない、第1の小塊を全てマスキングするステップと、
第1の小塊の1つ又は複数をマスキングするステップを実施した後、第1及び第2のマスクのマスキングされていない領域を統合して、マージされたマスクのマスキングされていない領域を生成するステップであって、マージされたマスクの他の全ての領域がマスキングされた領域である、ステップと、
マージされたマスクを新しい第1の中間マスクとして使用して、第3の閾値から新しい第2の中間マスクを計算するため、第3の閾値を選択し、複数の閾値それぞれが選択されるまでステップc)〜e)を繰り返し、最終的に生成されるマージされたマスクを、マージされた二値マスクMとして出力するステップとを含む。
上述の実施形態にしたがってサブルーチンを実施することによって、二値マスクMを生成し、
二値マスク(M)をデジタル画像に適用し、組織領域のグリッドを検出するため、デジタル画像のマスキングされていない領域を選択的に解析するように構成される。「コア」は、本明細書で使用するとき、既定の最小距離、例えば少なくとも2mm又はそれ以上スライド上の他の組織領域(他の「コア」)から分離される、スライド上に含まれる個々の組織試料又はその一部である。
組織領域のグリッドが、デジタル画像のマスキングされていない領域で検出されなかった場合、選択されたTMAスライド組織検出ルーチンが、デジタル画像に描写された組織スライドの組織スライドタイプに対応しないと判断し、
TMAスライド組織検出ルーチンの実行を終了し、ジェネリック組織検出ルーチンの実行を開始するように構成される。
二値マスク生成に関する上述の実施形態のうち任意の1つのサブルーチンを実施することによって、二値マスクMを生成し、
二値マスクMをデジタル画像に適用し、
直線で位置付けられた組織領域の数を検出するため、デジタル画像のマスキングされていない領域を選択的に解析するように構成される。
グレースケール画像をデジタル画像の派生物として計算するように構成され、いくつかの実施形態によれば、グレースケール画像は、例えばコントラストの拡張による、「向上した」画像である。(向上した)グレースケール画像は、実施形態によれば、勾配強度画像が計算される前に、複数回(例えば、2倍で瞬時に)ダウンサンプリングされ(低減した分解能とともに記憶され)、
勾配強度画像をグレースケール画像の派生物として計算し、
デジタル画像のヒストグラムを計算し、
ヒストグラムから複数の強度閾値を抽出し、
デジタル画像から複数の中間マスクを生成するため、複数の強度閾値をデジタル画像に適用し、
全ての中間マスクを組み合わせることによって、二値マスク(M)を生成し、
二値マスク(M)をデジタル画像及び勾配強度画像に適用し、
単一の組織領域の中心及び半径を検出するため、勾配強度画像におけるマスキングされていない領域に対して、放射形対称に基づく投票を選択的に実施する。
単一の組織領域が検出されなかった場合、又は検出された半径もしくは検出された中心位置が、細胞株スライドタイプに対して予期される半径もしくは中心位置から逸脱していた場合、選択された細胞株スライド組織検出ルーチンが、デジタル画像に描写された組織スライドの組織スライドタイプに対応しないと判断し、
細胞株スライド組織検出ルーチンの実行を終了し、ジェネリック組織検出ルーチンの実行を開始するように構成される。
デジタル画像のLUV色空間表現のLチャネル画像である輝度画像を、デジタル画像の派生物として計算し、
デジタル画像のLUV色空間表現のU,Vチャネルの派生物であるクロミナンス画像を、デジタル画像からの派生物として計算し、
輝度に基づくマスクを生成するため、輝度画像を反転したものに対してヒステリシス閾値化を実施し、
クロミナンスに基づくマスクを生成するため、クロミナンス画像を反転したものに対してヒステリシス閾値化を実施し、
輝度に基づくマスクとクロミナンスに基づくマスクを組み合わせて、二値マスク(M)を取得し、
二値マスクをデジタル画像に適用し、
拡散された組織領域を検出するため、デジタル画像のマスキングされていない領域を選択的に解析するように構成される。
ヒステリシス閾値化の間に適用された下限閾値及び上限閾値をピクセル値が満たしている隣接ピクセルの各組に対して、ピクセル組が少なくとも経験的に判断された範囲を包含するかを判断するステップであって、例えば、経験的に判断された範囲は、所与の分解能のデジタル画像における組織細胞のピクセルの一般的な数に対応する、ステップと、
「はい」の場合(ピクセル組が少なくとも前記範囲を包含する場合)、前記ピクセル組がマスキングされないようにして二値マスクを生成するステップであって、マスキングされないピクセルとしての前記ピクセルは、前記ピクセルが組織領域と見なされ、マスキングされたピクセルが非組織領域、例えばガラス領域と見なされると示唆するものと見なす、ステップと、
「いいえ」の場合、前記ピクセル組がマスキングされるように、二値マスクを生成するステップとを含む。
[00149]実施形態によれば、組織スライドはガラススライドであり、組織検出ルーチンは、ガラス領域を選択的にマスキングするマスクを生成するように構成され、組織領域は前記マスクのマスキングされない領域である。
デジタル画像のLUV色空間表現のLチャネル画像である輝度画像を、デジタル画像の派生物として計算するか、又は二値マスク(M)を生成するのに既に計算されている輝度画像にアクセスするステップと、
デジタル画像のLUV色空間表現のU,Vチャネルの派生物であるクロミナンス画像を、デジタル画像からの派生物として計算するか、又は二値マスクMを生成するのに既に計算されているクロミナンス画像にアクセスするステップと、
輝度及び/又はクロミナンスを、非組織領域を選択的にマスキングする二値マスク(M)でマスキングするステップと、
重み付き画像SWを、輝度及び/又はクロミナンス画像の派生物として生成するステップであって、重み付き画像の各ピクセルには、輝度画像における対応するピクセルのクロミナンスと明確に相関する、かつ/又は輝度画像における対応するピクセルの暗さと明確に相関する値が割り当てられる、ステップとを含む。
[00156]実施形態によれば、画像解析システムは、選択可能なGUI要素を表示するように構成されたグラフィカルユーザインターフェースを備える。GUI要素により、ユーザが、スライドタイプに特有の組織検出ルーチン又はジェネリック組織検出ルーチンのうち1つを選択することが可能になる。スライドタイプに特有の組織検出ルーチンは、TMAスライドルーチン、対照スライドルーチン、細胞株スライドルーチン、及び塗抹スライドルーチンのうちの1つである。それに加えて、又は別の方法として、画像解析システムは、検出された組織領域を表示し、表示される組織領域のピクセルの色及び/又は明るさは、組織領域ピクセルそれぞれに割り当てられた重み(ソフト重み)に応じて決まる。それに加えて、又は別の方法として、GUIにより、ユーザが、表示された(ソフト重み付き)組織領域の領域に対して余分の焦点を追加することが可能になり、余分な焦点の追加は、スキャナを始動させて、焦点によって更に詳細に示される領域がスキャンされる。
スライドタイプに特有の組織検出ルーチンの1つを選択するステップと、
選択されたスライドタイプに特有の組織検出ルーチンが実施される前、及び/又は実施されている最中に、選択されたスライドタイプに特有の組織検出ルーチンが、デジタル画像に描写されているスライドの組織スライドタイプに対応するかをチェックするステップと、
「はい」の場合、デジタル画像中の組織領域を検出する、選択されたスライドタイプに特有の組織検出ルーチンを自動的に実施するステップと、
「いいえ」の場合、デジタル画像中の組織領域を検出する、ジェネリック組織検出ルーチンを自動的に実施するステップとを含む。
Claims (16)
- 組織スライドのデジタル画像において組織領域を検出するように構成された画像解析システム(220)であって、組織試料が前記組織スライド上に載置され、前記画像解析システムがプロセッサ(220)と記憶媒体とを備え、前記記憶媒体が、複数のスライドタイプに特有の組織検出ルーチン(213、214、215、216)と、ジェネリック組織検出ルーチン(217)とを備え、
前記スライドタイプに特有の組織検出ルーチンの1つを選択するステップと、
前記選択されたスライドタイプに特有の組織検出ルーチンが実施される前、及び/又は実施されている最中に、前記選択されたスライドタイプに特有の組織検出ルーチンが、前記デジタル画像に描写されている前記スライドの組織スライドタイプに対応するかをチェックするステップと、
対応する場合、前記デジタル画像中の前記組織領域を検出する、前記選択されたスライドタイプに特有の組織検出ルーチンを自動的に実施するステップと、
対応しない場合、前記デジタル画像中の組織領域を検出する、前記ジェネリック組織検出ルーチンを自動的に実施するステップとを含む、方法を実施するように構成された、画像解析システム。 - 前記デジタル画像がサムネイル画像である、請求項1に記載の画像解析システム。
- ユーザインターフェースを備え、前記スライドタイプに特有の組織検出ルーチンを選択する前記ステップが、前記ユーザインターフェースを介して組織スライドタイプのユーザ選択を受信するステップと、前記ユーザによって選択された前記組織スライドタイプに割り当てられた前記スライドタイプに特有の組織検出ルーチンの前記1つを選択するステップとを含む、請求項1又は2に記載の画像解析システム。
- 前記ジェネリック組織検出ルーチン、及び前記スライドタイプに特有の組織検出ルーチンの1つ又は複数が、非組織領域を選択的にマスキングする二値マスク(M)を生成するサブルーチンを含み、前記サブルーチンが、
前記デジタル画像をグレースケール化したもののヒストグラム(800)を計算するステップと、
前記ヒストグラムから複数の強度閾値(rts)を抽出するステップと、
前記デジタル画像から複数の中間マスクを生成するため、前記デジタル画像に前記複数の強度閾値を適用するステップと、
全ての前記中間マスクを組み合わせることによって二値マスク(M)を生成するステップとを含む、請求項1から3のいずれか一項に記載の画像解析システム。 - 前記ヒストグラムから前記複数の強度閾値を抽出する前記ステップが、
前記ヒストグラムで観察される最大グレースケール強度値である、max−grayscale−index(mgs)を特定するステップと、
前記ヒストグラム中で最大発生頻度を有するグレースケール強度値である、max−histogram−location(mhl)を特定するステップと、
前記maximum−histogram−location(mhl)を前記max−grayscale−index(mgs)から減算することによって右ギャップを計算するステップと、
glass−left−cutoff=max−histogram−location(mhl)−右ギャップにしたがって、glass−left−cutoffを計算するステップと、
閾値のうち最小のもの(dco[0])がglass_left_cutoff−右ギャップ以上の強度値であるような、また閾値のうち最大のものがglass_left_cutoff+右ギャップ以下であるような、複数の閾値の抽出を実施するステップとを含む、請求項4に記載の画像解析システム。 - 前記ヒストグラムから前記複数の強度閾値を抽出する前記ステップが、
irg=max(1,round(rightgap/constant))にしたがって(constantは2〜20、優先的には3〜8の既定の数値)、interval−range−gap(irg)を計算するステップと、
max_rightgap=min(rightgap−1,round(rightgap×gap_cutoff_fraction)にしたがって(gap_cutoff_fractionは0.5〜0.95、優先的には0.7〜0.8の範囲の規定値)、max_rightgap値を計算するステップと、
number_interval_terms=((max_rightgap+rightgap)/interval_range_gap)にしたがって、number_interval_termsを計算するステップと、
前記計算されたnumber_interval_termsに対して数が同一であるような、前記複数の閾値を作成するステップとを含む、請求項5に記載の画像解析システム。 - 複数の中間マスクを生成するため、前記複数の強度閾値(rts)を前記デジタル画像に適用する前記ステップが、
a)グレースケール値が前記複数の閾値のうち第1の閾値未満である、前記デジタル画像中の全てのピクセルをマスキングすることによって、第1の中間マスクを作成するステップと、
b)グレースケール値が前記複数の閾値のうち第2の閾値未満である、前記デジタル画像中の全てのピクセルをマスキングすることによって、第2の中間マスクを作成するステップと、
c)第1の小塊を特定するため、前記第1のマスクのマスキングされていないピクセルに対して、接続構成要素解析を実施するステップと、
d)第2の小塊を特定するため、前記第2のマスクのマスキングされていないピクセルに対して、接続構成要素解析を実施するステップと、
e)前記第1及び第2のマスクをマージして、マージされたマスクにするステップであって、
サイズがabosolute−minimum−area未満である第1の小塊を全てマスキングし、サイズがabsolute−minimum−area超過であるがconditonal−minimum−area未満であり、前記第1の小塊の周りにおける既定の近傍範囲内に第1の小塊がない、第1の小塊を全てマスキングするステップと、
前記第1の小塊の1つ又は複数をマスキングする前記ステップを実施した後、前記第1及び第2のマスクのマスキングされていない領域を統合して、前記マージされたマスクのマスキングされていない領域を生成するステップであって、前記マージされたマスクの他の全ての領域がマスキングされた領域である、ステップとを含む、マージするステップと、
f)前記マージされたマスクを新しい第1の中間マスクとして使用して、前記閾値のうち第3のものから新しい第2の中間マスクを計算するため、前記第3の閾値を選択し、前記複数の閾値それぞれが選択されるまでステップc)〜e)を繰り返し、最終的に生成されるマージされたマスクを、マージされた二値マスク(M)として出力するステップとを含む、請求項4、5、又は6に記載の画像解析システム。 - 前記absolute−minimum−areaが、組織細胞を表す小塊の予期されるサイズの100%〜200%の範囲であり、前記conditional−minimum−areaが、組織細胞を表す小塊の予期されるサイズの30%〜70%の範囲である、請求項7に記載の画像解析システム。
- 前記スライドタイプに特有の組織検出ルーチンがTMAスライドルーチンを含み、TMAスライドルーチンが、組織マイクロアレイ(TMA)スライドにおける前記組織領域を検出するように構成され、前記TMAスライドルーチンが、
請求項4から8のいずれかの前記サブルーチンを実施することによって、二値マスク(M)を生成し、
前記二値マスク(M)を前記デジタル画像に適用し、組織領域のグリッドを検出するため、前記デジタル画像のマスキングされていない領域を選択的に解析する
ように構成された、請求項1から8のいずれか一項に記載の画像解析システム。 - 前記スライドタイプに特有の組織検出ルーチンが対照スライドルーチンを含み、対照スライドルーチンが、対照スライド中の組織領域を検出するように構成され、前記対照スライドルーチンが、
請求項4から8のいずれか一項に記載の前記サブルーチンを実施することによって、二値マスク(M)を生成し、
前記二値マスク(M)を前記デジタル画像に適用し、
直線で位置付けられた組織領域の数を検出するため、前記デジタル画像のマスキングされていない領域を選択的に解析する
ように構成された、請求項1から8のいずれか一項に記載の画像解析システム。 - 前記スライドタイプに特有の組織検出ルーチンが細胞株スライドルーチンを含み、細胞株スライドルーチンが、細胞株スライドの組織領域を検出するように構成され、細胞株スライドが、単一のディスク形状の組織試料を含む組織スライドであり、前記細胞株スライドルーチンが、
グレースケール画像を前記デジタル画像の派生物として計算し、
勾配強度画像を前記グレースケール画像の派生物として計算し、
前記デジタル画像のヒストグラム(800)を計算し、
前記ヒストグラムから複数の強度値(rts)を抽出し、
前記デジタル画像から複数の中間マスクを生成するため、複数の強度閾値を前記デジタル画像に適用し、
全ての前記中間マスクを組み合わせることによって、二値マスク(M)を生成し、
前記二値マスク(M)を前記デジタル画像及び前記勾配強度画像に適用し、
単一の組織領域の中心及び半径を検出するため、前記勾配強度画像における前記マスキングされていない領域に対して、放射形対称に基づく投票を選択的に実施する
ように構成された、請求項1から8のいずれか一項に記載の画像解析システム。 - 前記スライドタイプに特有の組織検出ルーチンが塗抹スライドルーチンを含み、塗抹スライドルーチンが、塗抹スライドの組織領域を検出するように構成され、塗抹スライドが、前記組織領域が前記スライド全体に拡散されているスライドタイプであり、前記塗抹スライドルーチンが、
前記デジタル画像のLUV色空間表現のLチャネル画像である輝度画像を、前記デジタル画像の派生物として計算し、
前記デジタル画像のLUV色空間表現のU,Vチャネルの派生物であるクロミナンス画像を、前記デジタル画像からの派生物として計算し、
輝度に基づくマスクを生成するため、前記輝度画像を反転したものに対してヒステリシス閾値化を実施し、
クロミナンスに基づくマスクを生成するため、前記クロミナンス画像を反転したものに対してヒステリシス閾値化を実施し、
前記輝度に基づくマスクと前記クロミナンスに基づくマスクを組み合わせて、二値マスク(M)を取得し、
前記二値マスクを前記デジタル画像に適用し、
前記拡散された組織領域を検出するため、前記デジタル画像のマスキングされていない領域を選択的に解析する
ように構成された、請求項1から8のいずれか一項に記載の画像解析システム。 - 前記組織スライドがガラススライドであり、前記組織検出ルーチンが、ガラス領域を選択的にマスキングするマスクを生成するように構成され、組織領域が前記マスクのマスキングされない領域である、請求項1から12のいずれか一項に記載の画像解析システム。
- 前記ジェネリック組織検出ルーチン、及び前記組織スライドタイプに特有の組織検出ルーチンのうち1つ又は複数が、更に、
前記デジタル画像から重み付き画像を生成し、前記重み付き画像の各ピクセルには、2つを超える異なる値を含む値範囲で重みを割り当てられ、前記重みが、前記ピクセルがガラスに属するのと比較して組織領域に属する可能性を示すように構成され、
前記重み付き画像を生成する前記ステップが、好ましくは、
前記デジタル画像のLUV色空間表現のLチャネル画像である輝度画像を、前記デジタル画像の派生物として計算するか、又は二値マスク(M)を生成するのに既に計算されている輝度画像にアクセスするステップと、
前記デジタル画像のLUV色空間表現のU,Vチャネルの派生物であるクロミナンス画像を、前記デジタル画像からの派生物として計算するか、又は前記二値マスク(M)を生成するのに既に計算されているクロミナンス画像にアクセスするステップと、
前記輝度及び/又は前記クロミナンスを、非組織領域を選択的にマスキングする二値マスク(M)でマスキングするステップと、
重み付き画像(SW)を、前記輝度及び/又は前記クロミナンス画像の派生物として生成するステップであって、前記重み付き画像の各ピクセルには、前記輝度画像における対応するピクセルのクロミナンスと明確に相関する、かつ/又は前記輝度画像における対応するピクセルの暗さと明確に相関する値が割り当てられる、ステップとを含む、請求項1から13のいずれか一項に記載の画像解析システム。 - 組織スライドのデジタル画像における組織領域を検出するための画像解析方法であって、組織試料が前記組織スライド上に載置され、プロセッサと記憶媒体とを備える画像解析システムで実施され、
スライドタイプに特有の組織検出ルーチンの1つを選択するステップと、
前記選択されたスライドタイプに特有の組織検出ルーチンが実施される前、及び/又は実施されている最中に、前記選択されたスライドタイプに特有の組織検出ルーチンが、前記デジタル画像に描写されている前記スライドの前記組織スライドタイプに対応するかをチェックするステップと、
対応する場合、前記デジタル画像中の前記組織領域を検出するために、前記選択されたスライドタイプに特有の組織検出ルーチンを自動的に実施するステップと、
対応しない場合、前記デジタル画像中の前記組織領域を検出するために、前記ジェネリック組織検出ルーチンを自動的に実施するステップとを含む、画像解析方法。 - 画像解析システムのプロセッサ(220)によって解釈可能な命令を含み、前記命令が、前記プロセッサによって実行されたとき、請求項15に記載の方法を前記画像解析システムに実施させる、記憶媒体。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201562110473P | 2015-01-31 | 2015-01-31 | |
US62/110,473 | 2015-01-31 | ||
PCT/EP2016/051967 WO2016120463A1 (en) | 2015-01-31 | 2016-01-29 | Systems and methods for area-of-interest detection using slide thumbnail images |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2018511847A JP2018511847A (ja) | 2018-04-26 |
JP2018511847A5 JP2018511847A5 (ja) | 2019-02-21 |
JP6667541B2 true JP6667541B2 (ja) | 2020-03-18 |
Family
ID=55353181
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017539655A Active JP6667541B2 (ja) | 2015-01-31 | 2016-01-29 | スライドサムネイル画像を使用する関心範囲検出のためのシステム及び方法 |
Country Status (7)
Country | Link |
---|---|
US (1) | US10796429B2 (ja) |
EP (1) | EP3251088B1 (ja) |
JP (1) | JP6667541B2 (ja) |
CN (2) | CN113763377A (ja) |
AU (1) | AU2016211885A1 (ja) |
CA (1) | CA2970129C (ja) |
WO (1) | WO2016120463A1 (ja) |
Families Citing this family (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10453195B2 (en) * | 2016-08-19 | 2019-10-22 | Optrascan, Inc. | Method of detecting tissue area of interest in digital pathology imaging by executing computer-executable instructions stored on a non-transitory computer-readable medium |
US10430943B2 (en) * | 2016-10-07 | 2019-10-01 | Sony Corporation | Automated nuclei area/number estimation for IHC image analysis |
TWI756365B (zh) * | 2017-02-15 | 2022-03-01 | 美商脫其泰有限責任公司 | 圖像分析系統及相關方法 |
JP7128203B2 (ja) | 2017-04-14 | 2022-08-30 | ヴェンタナ メディカル システムズ, インク. | スティッチングのための局所的タイルベースレジストレーションおよび大域的配置 |
CN107403181B (zh) * | 2017-06-01 | 2020-05-12 | 深圳信息职业技术学院 | 基于广式腊肠高光谱图像的瘦肉与肥肉自适应分离的方法 |
USD875753S1 (en) * | 2018-03-06 | 2020-02-18 | Ventana Medical Systems, Inc. | Display screen or portion thereof with graphical user interface for biological slide scanning |
CN108492246B (zh) * | 2018-03-12 | 2023-01-24 | 维沃移动通信有限公司 | 一种图像处理方法、装置及移动终端 |
MX2021004983A (es) | 2018-11-02 | 2021-09-08 | Walmart Apollo Llc | Sistemas y metodos para modificacion de busqueda. |
JP7244641B2 (ja) | 2018-11-20 | 2023-03-22 | リーンエイピー・インコーポレイテッド | イメージ比較のための試料撮像及びイメージアーカイビング |
WO2020167632A1 (en) | 2019-02-13 | 2020-08-20 | Ventana Medical Systems, Inc. | Systems and methods for computing the contributions of autofluorescence in multichannel images |
USD911369S1 (en) * | 2019-06-25 | 2021-02-23 | Walmart Apollo, Llc | Display screen with graphical user interface |
USD911370S1 (en) * | 2019-06-25 | 2021-02-23 | Walmart Apollo, Llc | Display screen with graphical user interface |
USD912078S1 (en) * | 2019-06-25 | 2021-03-02 | Walmart Apollo, Llc | Display screen with graphical user interface |
USD905726S1 (en) * | 2019-06-25 | 2020-12-22 | Walmart Apollo, Llc | Display screen with graphical user interface |
CN112330585B (zh) * | 2019-07-31 | 2024-07-02 | 北京金山云网络技术有限公司 | 图像质量的检测方法、装置及电子设备 |
CN110503114B (zh) * | 2019-08-29 | 2023-04-07 | 中国科学院深圳先进技术研究院 | 图像特征提取方法、装置、肿瘤识别系统及存储介质 |
WO2021050421A1 (en) * | 2019-09-09 | 2021-03-18 | Paige.Al, Inc. | Systems and methods for processing images of slides for digital pathology |
CN111047587B (zh) * | 2019-12-27 | 2023-05-02 | 超越科技股份有限公司 | 图像的噪声估计方法、计算机设备和存储介质 |
CN111353551B (zh) * | 2020-03-13 | 2020-12-08 | 广东工业大学 | 一种面向产品装配工艺的非均匀样本均衡化方法及系统 |
USD957453S1 (en) * | 2020-05-22 | 2022-07-12 | Autel Intelligent Technology Corp., Ltd. | Display screen or portion thereof of a device with transitional graphical user interface |
USD982612S1 (en) * | 2020-11-19 | 2023-04-04 | Autel Intelligent Technology Corp., Ltd. | Display screen or portion thereof of a device with transitional graphical user interface |
CN113032919B (zh) * | 2021-03-12 | 2022-03-04 | 奥特斯科技(重庆)有限公司 | 部件承载件制造方法、处理系统、计算机程序和系统架构 |
CN114264378A (zh) * | 2021-12-20 | 2022-04-01 | 红原县雪月天佑农牧科技有限公司 | 一种牲畜智能管理系统及方法 |
US20230215052A1 (en) * | 2022-01-05 | 2023-07-06 | Kenneth Tang | Systems and methods for intelligently compressing whole slide images |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6868183B1 (en) * | 1999-04-01 | 2005-03-15 | Kabushiki Kaisha Toshiba | Image processing apparatus, image forming apparatus, and image processing method depending on the type of original image |
US7155043B2 (en) * | 2001-11-21 | 2006-12-26 | Confirma, Incorporated | User interface having analysis status indicators |
EP1534114A2 (en) * | 2002-06-18 | 2005-06-01 | Lifespan Biosciences, Inc. | Computerized image capture of structures of interest within a tissue sample |
US20040122708A1 (en) * | 2002-12-18 | 2004-06-24 | Avinash Gopal B. | Medical data analysis method and apparatus incorporating in vitro test data |
US20060127880A1 (en) * | 2004-12-15 | 2006-06-15 | Walter Harris | Computerized image capture of structures of interest within a tissue sample |
JP2008535528A (ja) * | 2005-01-18 | 2008-09-04 | トレストル コーポレーション | スライドの可変品質画像を形成するためのシステムおよび方法 |
GB0508057D0 (en) * | 2005-04-21 | 2005-06-01 | Nokia Corp | Selection of a communication interface |
US8180126B2 (en) * | 2007-08-13 | 2012-05-15 | University Of Maryland, Baltimore | Detecting meniscal tears in non-invasive scans |
EP2538839B1 (en) * | 2010-02-23 | 2015-07-08 | Loma Linda University | Method of analyzing a medical image |
CN101859276B (zh) * | 2010-05-14 | 2012-02-22 | 东南大学 | 一种基于层次切片的回归测试用例选择方法 |
ES2928897T3 (es) * | 2011-03-04 | 2022-11-23 | Lbt Innovations Ltd | Método y software para analizar el crecimiento microbiano |
EP2721392B1 (en) * | 2011-06-17 | 2021-05-19 | Roche Diagnostics Hematology, Inc. | System and method for sample display and review |
EP2810213B1 (en) * | 2012-02-01 | 2020-01-22 | Ventana Medical Systems, Inc. | System for detecting genes in tissue samples |
EP3633543A1 (en) * | 2013-03-15 | 2020-04-08 | Hologic, Inc. | System and method for reviewing and analyzing cytological specimens |
WO2014181347A2 (en) * | 2013-04-23 | 2014-11-13 | Aditya Imaging Information Technologies | Method and system for processing a digital slide image of a stained tissue |
KR102120864B1 (ko) * | 2013-11-06 | 2020-06-10 | 삼성전자주식회사 | 영상 처리 방법 및 장치 |
-
2016
- 2016-01-29 CA CA2970129A patent/CA2970129C/en active Active
- 2016-01-29 EP EP16704150.8A patent/EP3251088B1/en active Active
- 2016-01-29 WO PCT/EP2016/051967 patent/WO2016120463A1/en active Application Filing
- 2016-01-29 CN CN202111098397.9A patent/CN113763377A/zh active Pending
- 2016-01-29 AU AU2016211885A patent/AU2016211885A1/en not_active Abandoned
- 2016-01-29 CN CN201680007777.8A patent/CN107209937B/zh active Active
- 2016-01-29 JP JP2017539655A patent/JP6667541B2/ja active Active
-
2017
- 2017-07-26 US US15/659,656 patent/US10796429B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
WO2016120463A1 (en) | 2016-08-04 |
US10796429B2 (en) | 2020-10-06 |
EP3251088A1 (en) | 2017-12-06 |
JP2018511847A (ja) | 2018-04-26 |
CA2970129C (en) | 2023-04-11 |
CA2970129A1 (en) | 2016-08-04 |
EP3251088B1 (en) | 2019-07-31 |
CN107209937B (zh) | 2021-10-15 |
AU2016211885A1 (en) | 2017-06-29 |
US20180012355A1 (en) | 2018-01-11 |
CN107209937A (zh) | 2017-09-26 |
CN113763377A (zh) | 2021-12-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6667541B2 (ja) | スライドサムネイル画像を使用する関心範囲検出のためのシステム及び方法 | |
US10657643B2 (en) | Medical image analysis for identifying biomarker-positive tumor cells | |
JP7241723B2 (ja) | 免疫スコアを計算するためのシステム及び方法 | |
US11430131B2 (en) | Foreground segmentation and nucleus ranking for scoring dual ISH images | |
US10275880B2 (en) | Image processing method and system for analyzing a multi-channel image obtained from a biological tissue sample being stained by multiple stains | |
Zhang et al. | Automation‐assisted cervical cancer screening in manual liquid‐based cytology with hematoxylin and eosin staining | |
JP7197584B2 (ja) | デジタル病理学分析結果の格納および読み出し方法 | |
JP6733983B2 (ja) | 画像解析装置 | |
Qin et al. | Computerized delineation of nuclei in liquid‐based pap smears stained with immunohistochemical biomarkers | |
Swiderska et al. | Texture and mathematical morphology for hot-spot detection in whole slide images of meningiomas and oligodendrogliomas |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190108 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190108 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200124 |
|
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: 20200128 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200225 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6667541 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |