JP6733983B2 - 画像解析装置 - Google Patents

Description

本明細書では、細胞オブジェクトを含む画像を解析して、細胞オブジェクトに対応する細胞を分類する技術を開示する。

近年、画像解析装置を利用した病理組織診又は細胞診が行われている（例えば、特表２０１１−５２７００号公報）。この技術では、細胞を分類するためのデータを画像解析装置に学習させておき、病理組織標本、細胞診標本等から得られる画像データを画像解析装置に入力することで、細胞の分類結果が得られる。

画像解析装置を利用した病理診断補助又は自動細胞解析では、通常、入力された細胞画像データから複数個の部分画像データのそれぞれが順次特定される。そして、複数個の部分画像データのそれぞれについて、当該部分画像データによって表わされる部分画像に含まれる細胞オブジェクトに対応する細胞が分類される。しかしながら、例えば、部分画像の中心からずれた位置に細胞が存在する場合には、当該部分画像を利用して細胞を分類すると、細胞を正確に分類することができない可能性がある。本明細書では、細胞の分類の正確性を向上させるための技術を開示する。

本明細書によって開示される画像解析装置は、画像解析を実行するための学習データを記憶するメモリであって、前記学習データは、解析対象の画像の中心と細胞オブジェクトの中心とが一致するのか否かを判断するための判断データと、細胞オブジェクトに対応する細胞を分類するための分類データと、を含む、前記メモリと、複数個の細胞オブジェクトを含む細胞画像を表わす細胞画像データを取得する取得部と、前記細胞画像データから複数個の部分画像データのそれぞれを順次特定する第１の画像特定部と、前記複数個の部分画像データのそれぞれに対して中心判断処理を順次実行する判断部であって、前記中心判断処理は、前記学習データに含まれる前記判断データを利用して、処理対象の部分画像データによって表わされる部分画像の中心と細胞オブジェクトの中心とが一致するのか否かを判断することを含む、前記判断部と、前記複数個の部分画像データのそれぞれに対する前記中心判断処理の結果と、前記学習データに含まれる前記分類データと、を利用して、前記複数個の細胞オブジェクトのうちの少なくとも１個の細胞オブジェクトに対応する少なくとも１個の細胞を分類する分類部と、前記分類の結果を出力する出力部と、を備えてもよい。

上記の構成によると、画像解析装置は、複数個の部分画像データのそれぞれに対して、判断データを利用した中心判断処理を実行する。これにより、画像解析装置は、部分画像の中心と細胞オブジェクトの中心とが一致するのか否かを適切に判断することができる。そして、画像解析装置は、中心判断処理の結果と分類データとを利用して細胞を分類する。このために、細胞の分類の正確性を向上させることができる。

前記画像解析装置は、さらに、前記細胞画像データを二値化して、二値画像データを生成する生成部を備えてもよい。前記第１の画像特定部は、前記二値画像データによって表わされる二値画像から細胞オブジェクトの候補である候補オブジェクトの位置を検出して、前記細胞画像データから前記検出済みの位置に対応する部分画像データを特定することを繰り返すことによって、前記複数個の部分画像データのそれぞれを順次特定してもよい。前記画像解析装置は、さらに、前記複数個の部分画像データのうちの第１の部分画像データに対する前記中心判断処理において、前記第１の部分画像データによって表わされる第１の部分画像の中心と細胞オブジェクトの中心とが一致しないと判断され、かつ、前記第１の部分画像が対象細胞オブジェクトを含む場合に、前記細胞画像データから、前記対象細胞オブジェクトを含む第２の部分画像を表わす第２の部分画像データを特定する第２の画像特定部であって、前記第２の部分画像の中心と前記対象細胞オブジェクトの中心とは一致する、前記第２の画像特定部を備えてもよい。前記分類部は、前記第２の部分画像データと前記分類データとを利用して、前記対象細胞オブジェクトに対応する細胞を分類してもよい。この構成によると、画像解析装置は、第２の部分画像データを利用して、細胞を分類することができる。第２の部分画像の中心と対象細胞オブジェクトの中心とが一致するので、細胞の分類の正確性が向上する。

前記画像解析装置は、さらに、前記第１の部分画像データに対する前記中心判断処理において、前記第１の部分画像の中心と細胞オブジェクトの中心とが一致しないと判断され、かつ、前記第１の部分画像が前記対象細胞オブジェクトを含む場合に、前記第１の部分画像に含まれる前記対象細胞オブジェクトの中心位置を特定する位置特定部と、前記二値画像データによって表わされる前記二値画像において、前記中心位置に対応する位置に所定マークを書き込むことによって、前記二値画像データを変更する変更部と、を備えてもよい。前記第２の画像特定部は、変更済みの二値画像データによって表わされる変更済みの二値画像から前記所定マークの位置を検出して、前記細胞画像データから前記所定マークの位置に対応する前記第２の部分画像データを特定してもよい。この構成によると、画像解析装置が、同じ細胞を重複して分類することを抑制できる。

前記位置特定部は、前記第１の部分画像の中心と細胞オブジェクトの中心とが一致しないと判断され、かつ、前記第１の部分画像が１個の前記対象細胞オブジェクトのみを含む場合に、１個の前記中心位置を特定してもよい。前記変更部は、前記二値画像データによって表わされる前記二値画像において、前記１個の中心位置に対応する１個の位置に１個の前記所定マークを書き込むことによって、前記二値画像データを変更してもよい。前記第２の画像特定部は、前記変更済みの二値画像データによって表わされる前記変更済みの二値画像から前記１個の所定マークの位置を検出して、前記細胞画像データから前記１個の所定マークの位置に対応する前記第２の部分画像データを特定してもよい。この構成によると、画像解析装置は、第１の部分画像が１個の対象細胞オブジェクトのみを含む場合に、１個の第２の部分画像データを適切に特定することができる。

前記位置特定部は、前記第１の部分画像の中心と細胞オブジェクトの中心とが一致しないと判断され、かつ、前記第１の部分画像が２個以上の前記対象細胞オブジェクトを含む場合に、２個以上の前記中心位置を特定してもよい。前記変更部は、前記二値画像データによって表わされる前記二値画像において、前記２個以上の中心位置に対応する２個以上の位置に２個以上の前記所定マークを書き込むことによって、前記二値画像データを変更してもよい。前記第２の画像特定部は、前記変更済みの二値画像データによって表わされる前記変更済みの二値画像から前記２個以上の所定マークのそれぞれの位置を検出して、前記細胞画像データから前記２個以上の所定マークのそれぞれの位置に対応する２個以上の前記第２の部分画像データを特定してもよい。この構成によると、画像解析装置は、第１の部分画像が２個以上の対象細胞オブジェクトを含む場合に、２個以上の第２の部分画像データを適切に特定することができる。

前記位置特定部は、前記２個以上の前記対象細胞オブジェクトが、前記第１の部分画像の中心から第１の距離である第１の中心位置を有する第１の細胞オブジェクトと、前記第１の部分画像の中心から前記第１の距離よりも大きい第２の距離である第２の中心位置を有する第２の細胞オブジェクトと、を含む場合に、前記第１の中心位置と前記第２の中心位置とを含む前記２個以上の中心位置を特定してもよい。前記変更部は、前記二値画像データによって表わされる前記二値画像において、前記第１の中心位置と前記第２の中心位置とを含む前記２個以上の中心位置に対応する前記２個以上の位置に前記２個以上の所定マークを書き込むことによって、前記二値画像データを変更してもよい。この構成によると、画像解析装置は、第１の部分画像の中心と各細胞オブジェクトの各中心位置との各距離が一定でない場合に、各所定マークを適切に書き込むことができる。

前記第１の画像特定部は、前記細胞画像を一定間隔で走査することによって得られる複数個の部分画像を表わす前記複数個の部分画像データのそれぞれを順次特定してもよい。この構成によると、画像解析装置は、処理負荷を抑えながら、各部分画像データを特定することができる。

前記分類部は、前記複数個の部分画像データのうちの処理対象の部分画像データに対する前記中心判断処理において、当該部分画像データによって表わされる部分画像の中心と細胞オブジェクトの中心とが一致すると判断される場合に、当該細胞オブジェクトに対応する細胞を分類してもよく、前記複数個の部分画像データのうちの処理対象の部分画像データに対する前記中心判断処理において、当該部分画像データによって表わされる部分画像の中心と細胞オブジェクトの中心とが一致しないと判断される場合に、当該部分画像データを利用した分類を実行しなくてもよい。この構成によると、画像解析装置は、中心判断処理において部分画像の中心と細胞オブジェクトの中心とが一致しないと判断する場合に、分類を実行しない。従って、画像解析装置は、部分画像の中心からずれた位置に細胞オブジェクトが存在する場合に、当該細胞オブジェクトに対応する細胞を分類しない。このために、細胞を誤って分類してしまうことを抑制することができる。

前記画像解析装置は、さらに、前記細胞画像データを二値化して、二値画像データを生成する生成部と、前記複数個の部分画像データのうちの処理対象の部分画像データに対する前記中心判断処理において、当該部分画像データによって表わされる部分画像の中心と細胞オブジェクトの中心とが一致しないと判断され、かつ、当該部分画像が対象細胞オブジェクトを含む場合に、前記対象細胞オブジェクトの中心位置を特定する位置特定部と、前記二値画像データによって表わされる二値画像において、前記中心位置に対応する位置に所定マークを書き込むことによって、前記二値画像データを変更する変更部と、を備えてもよい。前記分類部は、変更済みの二値画像データによって表わされる変更済みの二値画像から前記所定マークの位置を検出し、前記細胞画像データから前記検出済みの位置に対応する部分画像データを特定し、当該部分画像データと前記分類データとを利用して、当該部分画像データによって表わされる部分画像に含まれる前記対象細胞オブジェクトに対応する細胞を分類してもよい。この構成によると、画像解析装置は、所定マークの位置に対応する部分画像データを利用して、細胞を分類することができる。ここで、対象細胞オブジェクトの中心位置に対応する位置に所定マークが書き込まれるので、当該部分画像データによって表わされる部分画像の中心と対象細胞オブジェクトの中心とが一致し得る。このために、細胞の分類の正確性が向上する。

前記学習データは、畳み込みニューラルネットワークに従った画像解析、又は、畳み込みニューラルネットワークを部分構造として有する大規模ネットワークに従った画像解析を実行するためのデータであってもよい。この構成によると、画像解析装置は、学習データに従って、畳み込みニューラルネットワークを利用した画像解析、即ち、深層学習及び人工知能を利用した画像解析を実行することができる。特に、画像解析装置は、学習データが多いほど、高い精度で画像解析を実行することができる。

本技術は、画像解析方法にも適用可能である。また、上記の画像解析装置を実現するための制御方法、コンピュータプログラム、及び、当該コンピュータプログラムを格納するコンピュータ読取可能媒体も、新規で有用である。

画像解析装置のブロック図を示す。 画像解析装置が実行する処理のフローチャートを示す。 様々な細胞オブジェクトとそれらの中心位置とを示す。 各中心位置に対応する所定マークの位置及び形状を示す 骨髄血に対応する病理標本を解析するケースＡを示す。 胃の組織検体に対応する病理標本を解析するケースＢを示す。 上皮の組織検体に対応する病理標本を解析するケースＣを示す。 第２実施例のフローチャートを示す。 第２実施例の具体的なケースを示す。 第３実施例のフローチャートを示す。 第３実施例の具体的なケースを示す。

（第１実施例）
（画像解析装置の構成：図１）
図１は、画像解析装置１０の構成を示す。画像解析装置１０は、操作部１２と、表示部１４と、入力部１６と、制御部３０を備える。各部１２〜３０は、バス線（符号省略）に接続されている。操作部１２は、例えば、マウス、キーボード等を備える。ユーザは、操作部１２を操作することによって、様々な指示を画像解析装置１０に与えることができる。表示部１４は、様々な情報を表示するためのディスプレイである。

入力部１６は、複数個の細胞オブジェクトを含む細胞画像を表わす細胞画像データを画像解析装置１０に入力するための装置である。入力部１６は、有線通信又は無線通信を実行するための通信インターフェースであってもよいし、ＵＳＢメモリ等が挿入されるメモリインターフェースであってもよい。例えば、入力部１６が、顕微鏡、Ｗｈｏｌｅ Ｓｌｉｄｅ Ｉｍａｇｅ、バーチャルスライド等によって撮影される細胞画像データを格納するデバイスとの有線通信又は無線通信を実行して、当該デバイスから細胞画像データを受信することによって、細胞画像データが画像解析装置１０に入力されてもよい。また、例えば、入力部１６が、細胞画像データを格納するメモリから細胞画像データを読み出すことによって、細胞画像データが画像解析装置１０に入力されてもよい。

制御部３０は、ＣＰＵ３２と、メモリ３４と、を備える。ＣＰＵ３２は、メモリ３４に記憶されているプログラム３８，４０に従って様々な処理を実行する。メモリ３４は、画像解析装置１０の基本的な動作を実現するためのＯＳプログラム３８と、畳み込みニューラルネットワーク（以下では「ＣＮＮ（Convolutional Neural Networkの略）」と呼ぶ）に従った画像解析を実行するための解析プログラム４０と、を格納する。例えば、汎用的なＰＣ、サーバ等に解析プログラム４０をインストールすることによって、画像解析装置１０が実現される。なお、解析プログラム４０は、ＣＮＮを部分構造として有する大規模ネットワーク（例えば、ＧｏｏｇＬｅＮｅｔ（登録商標）、Ｒｅｓｉｄｕａｌ Ｎｅｔｗｏｒｋ等）に従った画像解析を実行してもよい。また、メモリ３４は、解析プログラム４０に従った画像解析を実行するための学習データ４２を格納する。学習データ４２は、解析プログラム４０を販売する販売者から提供されるデータであってもよいし、画像解析装置１０のユーザによって生成されるデータであってもよい。前者の場合、学習データ４２は、解析プログラム４０のインストールの際に、メモリ３４に格納される。後者の場合、学習データ４２は、解析プログラム４０のインストールの後に、画像解析装置１０のユーザによってメモリ３４に格納される。

学習データ４２は、解析対象の画像の中心と細胞オブジェクトの中心とが一致するのか否かを判断するための判断データ４４と、細胞オブジェクトに対応する細胞を分類するための分類データ４６と、を含む。判断データ４４は、複数個の画像データのそれぞれについて、当該画像データと、当該画像データによって表わされる画像に含まれる細胞オブジェクトの中心位置と、が関連付けられたデータである。中心位置は、本実施例では、細胞オブジェクトの位相（即ち角度）によって表現されるが、変形例では、座標で表現されてもよい。分類データ４６は、複数個の画像データのそれぞれについて、当該画像データと、当該画像データによって表わされる画像に含まれる細胞オブジェクトの種類と、が関連付けられたデータである。

（画像解析装置１０の処理：図２）
続いて、図２を参照して、画像解析装置１０のＣＰＵ３２が解析プログラム４０に従って実行する処理について説明する。Ｓ１０では、ＣＰＵ３２は、入力部１６を介して、複数個の細胞オブジェクト１０２，１０４を含む細胞画像１００を表わす細胞画像データを取得する。細胞画像データは、多階調（例えば２５６階調）のＲＧＢ値を有する複数個の画素によって構成されるビットマップデータである。なお、ビットマップデータのファイルフォーマットは、ＢＭＰ（Microsoft Windows（登録商標） Bitmap Image）に限られず、ＪＰＥＧ（Joint Photographic Experts Group）、ＴＩＦＦ（Tagged Image File Format）等であってもよい。細胞画像データは、例えば、以下のように生成される。例えば、患者から採取された検体である気管支肺胞洗浄液をスライドガラスに塗抹して、ギムザ染色をすることによって病理標本が作製される。そして、病理標本が顕微鏡によって撮影されることによって、細胞画像データが生成される。なお、病理標本は、上記のものに限られない。例えば、検体は、血液検体、生体検体等であってもよく、染色法は、パパニコロウ染色法、ヘマトキシリン・エオジン染色法、免疫組織化学染色法、免疫蛍光染色法等であってもよい。さらには、培養細胞等に対する無染色の位相差顕微鏡像等であってもよい。

Ｓ１５では、ＣＰＵ３２は、Ｓ１０で取得された細胞画像データを二値化する。具体的には、ＣＰＵ３２は、細胞画像データを構成する複数個の画素のそれぞれについて、当該画素のＲＧＢ値から輝度値を算出し（例えば輝度値Ｙ＝０．２９９×Ｒ＋０．５８７×Ｇ＋０．１１４×Ｂ）、当該輝度値が閾値（例えば１２７）より大きい場合に、当該画素の画素値を「１」に決定し、当該輝度値が閾値以下である場合に、当該画素の画素値を「０」に決定する。これにより、ＣＰＵ３２は、「１」又は「０」を有する複数個の画素によって構成される二値画像データを生成する。以下では、画素値「１」を有する画素、画素値「０」を有する画素を、それぞれ、「ＯＮ画素」、「ＯＦＦ画素」と呼ぶ。図２は、二値画像データによって表わされる二値画像１１０を示し、二値画像１１０では、ＯＮ画素が白色で表現されていると共に、ＯＦＦ画素が黒色で表現されている。この結果、細胞オブジェクト１０２内の比較的に濃く染色されている部分を示すＯＮ画素群１１２が白色で表現されている。

Ｓ２０では、ＣＰＵ３２は、物体検出を実行する。具体的には、ＣＰＵ３２は、Ｓ１５で生成された二値画像データによって表わされる二値画像１１０から、互いに隣接する所定個以上のＯＮ画素によって構成される１個のＯＮ画素群（例えば１１２又は１１４）の中心位置（即ち座標）を、細胞オブジェクトの候補である候補オブジェクトの位置として検出する。この際に、ｗａｔｅｒｓｈｅｄ法等の領域分割法が併用されてもよい。

Ｓ２５では、ＣＰＵ３２は、細胞画像データから、Ｓ２０で検出された候補オブジェクトの位置に対応する部分画像データを特定する。これにより、後述のＳ３０及びＳ３５の処理の対象の部分画像データ（以下では「対象部分画像データ」と呼ぶ）が特定される。具体的には、ＣＰＵ３２は、細胞画像データから、Ｓ２０で検出された位置（即ち座標）を中心として所定サイズの矩形画像を表わす対象部分画像データを特定する。図２の例では、ＣＰＵ３２は、Ｓ２０でＯＮ画素群１１２の位置を検出した場合には、細胞画像データから部分画像１２２を表わす対象部分画像データを特定し、Ｓ２０でＯＮ画素群１１４の位置を検出した場合には、細胞画像データから部分画像１２４を表わす対象部分画像データを特定する。

Ｓ３０では、ＣＰＵ３２は、学習データ４２に含まれる判断データ４４を利用して、対象部分画像データに対する中心判断処理を実行する。中心判断処理は、対象部分画像データによって表わされる部分画像（以下では「対象部分画像」と呼ぶ）の中心と細胞オブジェクトの中心とが一致するのか否かを判断することを含む。具体的には、ＣＰＵ３２は、判断データ４４を利用したＣＮＮを実行して、対象部分画像に含まれる細胞オブジェクトの位相（例えば図１の３０°等）を特定することができる場合には、対象部分画像の中心と細胞オブジェクトの中心とが一致しないと判断して（Ｓ３０でＮＯ）、Ｓ３５に進む。一方、ＣＰＵ３２は、対象部分画像に含まれる細胞オブジェクトの位相を特定することができない場合には、対象部分画像の中心と細胞オブジェクトの中心とが一致すると判断して（Ｓ３０でＹＥＳ）、Ｓ３５をスキップしてＳ４０に進む。例えば、部分画像１２２では、細胞オブジェクトが中央に位置しているので、部分画像１２２の中心と細胞オブジェクトの中心とが一致すると判断される（Ｓ３０でＹＥＳ）。また、例えば、部分画像１２４では、細胞オブジェクトが中央ではなく上方に位置しているので、部分画像１２４の中心と細胞オブジェクトの中心とが一致しないと判断される（Ｓ３０でＮＯ）。

Ｓ３５では、ＣＰＵ３２は、二値画像１１０に所定マークを書き込む。具体的には、まず、ＣＰＵ３２は、Ｓ３０の判断結果である細胞オブジェクトの位相を、対象部分画像内での当該細胞オブジェクトの中心位置として特定する。次いで、ＣＰＵ３２は、二値画像１１０において、特定済みの中心位置（即ち位相）に対応する位置に所定マークを書き込むことによって、二値画像データを変更する。所定マークは、後述のＳ４５の物体検出によって検出可能な形状を有しており、本実施例では、白色の中心部分と、黒色の外周部分と、を有する円形のマークである。図２の例では、ＣＰＵ３２は、二値画像１１０に所定マーク１３２を書き込むことによって、変更済みの二値画像１３０を表わす二値画像データを生成する。なお、変形例では、所定マークは、円形のマークに限られず、矩形であってもよいし、他の形状であってもよい。

Ｓ４０では、ＣＰＵ３２は、二値画像１１０からの全ての物体の検出（即ちＳ２０）が完了したのか否かを判断する。ＣＰＵ３２は、全ての物体の検出が完了したと判断する場合（Ｓ４０でＹＥＳ）に、Ｓ４５に進み、全ての物体の検出が完了していないと判断する場合（Ｓ４０でＮＯ）に、Ｓ２５に戻る。

Ｓ４５及びＳ５０は、変更済みの二値画像データが利用される点を除いて、Ｓ２０及びＳ２５と同様である。上記のＳ３５でマーク１３２が書き込まれるので、ＣＰＵ３２は、Ｓ５０において、マーク１３２が中心に位置する矩形画像である部分画像１５０を表わす部分画像データを特定することができる。即ち、当該部分画像データでは、部分画像１５０の中心と細胞オブジェクトの中心とが一致している。上記のように、所定マークは、黒色の外周部分を有するため、他の物体と一体とならない。そのため、ＣＰＵ３２は、マーク１３２を正しく検出できる。

Ｓ５５では、ＣＰＵ３２は、Ｓ５０で特定された部分画像データと分類データ４６とを利用したＣＮＮを実行して、当該部分画像データによって表わされる部分画像に含まれる細胞オブジェクトに対応する細胞を分類する。上述したように、部分画像１５０の中心と細胞オブジェクトの中心とが一致しているので、ＣＰＵ３２は、当該細胞オブジェクトに対応する細胞を正確に分類することができる。

Ｓ６０は、Ｓ４０と同様である。ＣＰＵ３２は、全ての物体の検出が完了したと判断する場合（Ｓ６０でＹＥＳ）に、Ｓ６５に進み、全ての物体の検出が完了していないと判断する場合（Ｓ６０でＮＯ）に、Ｓ４５に戻る。

Ｓ６５では、ＣＰＵ３２は、Ｓ５５の分類の結果を出力する。具体的には、ＣＰＵ３２は、分類の結果を表示部１４に表示させる。分類の結果は、例えば、ターゲットとしている細胞の個数を含む情報であってもよいし、分類された全ての種類の細胞のそれぞれの個数を含む情報であってもよいし、細胞における特定のタンパク質の発現を表わすスコアであってもよい。さらには、細胞の分類結果から予想される悪性度や遺伝子変異の発現量であってもよいし、患者の予後予想であってもよい。なお、Ｓ３０の中心判断処理の結果及びＳ５５の分類処理の結果は、判断データ４４及び分類データ４６に追加されてもよい。これにより、ＣＮＮの精度が向上し得る。

（図２のＳ３０及びＳ３５の処理の詳細；図３及び図４）
続いて、図３及び図４を参照して、図２のＳ３０及びＳ３５の処理の詳細を説明する。図３（Ａ）〜（Ｅ）は、図２のＳ２５で特定される各部分画像の一例を示す。図４は、各細胞オブジェクトの中心位置に応じてＳ３５で書き込まれる所定マークの位置及び形状を示す。また、図４では、各細胞オブジェクトの中心位置を示す位相が示されている。

図３（Ａ）の部分画像３０２は、１個のマクロファージに対応する細胞オブジェクトを含む。部分画像３０２の中心と細胞オブジェクトの中心とが一致しておらず、Ｓ３０では、当該細胞オブジェクトの中心位置として３３０°が特定される。そして、Ｓ３５では、図４（Ａ）の位相３３０°に対応する所定マークの位置及び形状が特定され、当該位置に対応する二値画像内の位置に当該形状を有する所定マーク（即ち、黒色の外周部分を有する円形マーク）が書き込まれる。

図３（Ｂ）の部分画像３０６は、１個の好中球に対応する細胞オブジェクトを含む。好中球は分葉核を有するので、従来の画像解析では、好中球の中心を正しく認識することは困難であった。本実施例では、判断データ４４は、好中球に対応する細胞オブジェクトを含む画像を表わす画像データと、当該細胞オブジェクトの中心位置と、が関連付けられたデータを含む。このために、Ｓ３０では、当該細胞オブジェクトの中心位置として３０°が特定され、Ｓ３５では、図４（Ａ）の位相３０°に対応する位置及び形状に応じた所定マークが書き込まれる。この結果、Ｓ５０で特定される部分画像データでは、当該部分画像データによって表わされる部分画像の中心と好中球に対応する細胞オブジェクトの中心とが一致する。このために、Ｓ５５では、当該部分画像データに基づいて、好中球を正確に分類することができる。

図３（Ｃ）の部分画像３１０は、隣接する２個のリンパ球に対応する２個の細胞オブジェクトを含む。従来の画像解析では、このような２個以上の細胞のそれぞれを領域分割法によって分割して分類するが、正確に分割できない場合があった。本実施例では、判断データ４４は、２個のリンパ球に対応する２個の細胞オブジェクトを含む画像を表わす画像データと、当該２個の細胞オブジェクトの中心位置と、が関連付けられたデータを含む。このために、Ｓ３０では、中心位置として１２０°が特定され、Ｓ３５では、図４（Ｂ）の位相１２０°に対応する位置及び形状に応じた２個の所定マークが書き込まれる。この結果、Ｓ４５では、当該２個の所定マークのそれぞれの位置が検出される。従って、Ｓ５０において、一方の所定マークの位置に応じた部分画像データが特定され（即ち、部分画像の中心と一方のリンパ球に対応する細胞オブジェクトの中心とが一致し）、Ｓ５５において、一方のリンパ球が分類される。その後、Ｓ５０において、他方の所定マークの位置に応じた部分画像データが特定され（即ち、部分画像の中心と他方のリンパ球に対応する細胞オブジェクトの中心とが一致し）、Ｓ５５において、他方のリンパ球が分類される。このように、Ｓ２５で特定される部分画像が２個の細胞オブジェクトを含んでいても、２個の細胞のそれぞれを正確に分類することができる。

図３（Ｄ）の部分画像３１４は、隣接するリンパ球及びマクロファージに対応する２個の細胞オブジェクトを含む。部分画像３１４では、部分画像３１４の中心とリンパ球に対応する細胞オブジェクトの中心との間の距離Ｌ２が、部分画像３１４の中心とマクロファージに対応する細胞オブジェクトの中心との間の距離Ｌ１よりも大きく、部分画像３１４の中心から各細胞オブジェクトの中心までの各距離が一定でない。本実施例では、判断データ４４は、リンパ球及びマクロファージに対応する２個の細胞オブジェクトを含む画像を表わす画像データと、当該２個の細胞オブジェクトの中心位置と、が関連付けられたデータを含む。このために、Ｓ３０では、中心位置として３００°が特定され、Ｓ３５では、図４（Ｃ）の位相３００°に対応する位置及び形状に応じた２個の所定マークが書き込まれる。なお、本実施例では、マクロファージに対応する細胞オブジェクトのサイズがリンパ球に対応する細胞オブジェクトのサイズよりも大きいので、図４（Ｃ）に示されるように、前者の細胞オブジェクトに対応する所定マークは、後者の細胞オブジェクトに対応する所定マークよりも大きい。ただし、変形例では、２個の所定マークは同じサイズであってもよい。Ｓ４５では、２個の所定マークのそれぞれの位置が検出される。従って、Ｓ５０において、当該２個の所定マークの位置に応じた２個の部分画像データが順次特定され、Ｓ５５において、１個のリンパ球及び１個のマクロファージが順次分類される。このように、部分画像の中心と各細胞オブジェクトの中心との間の各距離が異なる場合でも、各細胞を正確に分類できる。

図３（Ｅ）の部分画像３１８は、３個のリンパ球に対応する３個の細胞オブジェクトを含む。本実施例では、判断データ４４は、３個のリンパ球に対応する３個の細胞オブジェクトを含む画像を表わす画像データと、当該３個の細胞オブジェクトの中心位置と、が関連付けられたデータを含む。このために、Ｓ３０では、中心位置として０°が特定され、Ｓ３５では、図４（Ｄ）の位相０°に対応する位置及び形状に応じた３個の所定マークが書き込まれる。この結果、Ｓ４５では、当該３個の所定マークのそれぞれの位置が検出される。従って、Ｓ５０において、当該３個の所定マークの位置に応じた３個の部分画像データが順次特定され、Ｓ５５において、３個のリンパ球が順次分類される。このように、Ｓ２５で特定される部分画像が３個の細胞オブジェクトを含んでいても、３個の細胞を正確に分類することができる。なお、本実施例では、部分画像に含まれる細胞オブジェクトの個数として３個までの例を説明したが、変形例では、４個以上の細胞オブジェクトのための判断データ４４が利用されてもよい。

（ケースＡ：図５）
続いて、図５〜図７を参照して、図２の処理によって実現される具体的なケースを説明する。図５は、骨髄血に対するギムザ染色を実行することによって作成された血液塗抹標本から得られた細胞画像データが画像解析装置１０に入力されるケースＡを説明するための図面である。

図５（Ａ）は、Ｓ１０で取得される細胞画像を示す。符号５００は、１個の好中球に対応する細胞オブジェクトを示す。図５（Ｂ）は、Ｓ１５で生成される二値画像を表わす。画像解析装置１０は、図５（Ｂ）の二値画像を利用して、１回目の物体検出を実行する（Ｓ２０）。この際に、ｗａｔｅｒｓｈｅｄ法等の領域分割法が実行される。この結果、例えば、細胞オブジェクト５００については、３個の候補オブジェクト５０２，５０４，５０６のそれぞれが順次特定される。この結果、３個の候補オブジェクト５０２，５０４，５０６のそれぞれについて、部分画像データの特定（Ｓ２５）、部分画像の中心と細胞オブジェクトの中心とが一致しない旨の判断（Ｓ３０でＮＯ）、及び、二値画像へのマーク５０７，５０８，５０９の書き込み（Ｓ３５）が実行される。図５（Ｃ）は、マーク５０７，５０８，５０９を含む複数個のマークが書き込まれることによって得られる変更済みの二値画像を示す。この例では、３個のマーク５０７，５０８，５０９の位置が重複する。本実施例では、このような状況では、最後に書き込まれるマーク５０８が最前面に登場する。変形例では、細胞オブジェクトの中心である確率が高いマークを特定し、当該マークを最前面に登場させてもよい。

なお、図５（Ｂ）の符号５０３も候補オブジェクトとして特定される（Ｓ２０）。この場合、候補オブジェクト５０３に応じて特定される部分画像データに対する中央判断処理において、部分画像が、本ケースの解析対象の細胞である好中球に対応する細胞オブジェクトを含まないと判断される。この結果、Ｓ３０でＮＯと判断されるが、Ｓ３５ではマークが書き込まれない（このケースは図２では図示省略している）。

画像解析装置１０は、図５（Ｃ）の変更済みの二値画像を利用して、２回目の物体検出を実行する（Ｓ４５）。この結果、例えば、細胞オブジェクト５００については、マーク５０８が候補オブジェクトとして検出される。この結果、Ｓ５０では、細胞オブジェクト５００の中心に一致する中心を有する部分画像データが特定され、Ｓ５５では、細胞オブジェクト５００に対応する好中球が分類される。画像解析装置１０は、細胞オブジェクト５００以外の各細胞オブジェクトについても同様の処理を実行することによって、結果として、図５（Ｄ）に示されるように、複数個の細胞オブジェクト５１０〜５４０に対応する複数個の細胞を適切に分類することができる。

上述したように、画像解析装置１０は、１回目の物体検出において、３個の候補オブジェクト５０２，５０４，５０６を順次特定する場合に、３個のマーク５０７，５０８，５０９を順次書き込む。ここで、画像解析装置１０が、当該３個のマーク５０７，５０８，５０９を書き込む代わりに、細胞画像データから、当該３個のマーク５０７，５０８，５０９の位置に対応する３個の部分画像データを順次特定し、当該３個の部分画像データを利用して細胞を順次分類する比較例の構成を採用することが考えられる。しかしながら、比較例の構成によると、同じ細胞を含む３個の部分画像データを順次特定して同じ細胞を３回に亘って分類してしまう。これに対し、本実施例では、画像解析装置１０は、マーク５０８が最前面に登場するように、３個のマーク５０７，５０８，５０９を書き込んでおく。このために、画像解析装置１０は、２回目の物体検出において、物体検出に十分な領域を有していないマーク５０７，５０９を検出することなく、マーク５０８を検出して、マーク５０８に対応する部分画像データを利用して細胞を分類する。このために、同じ細胞を含む３個の部分画像データを順次特定して同じ細胞を３回に亘って分類せずに済む。ただし、変形例では、上記の比較例の構成を採用してもよい。

（ケースＢ：図６）
続いて、図６を参照して、具体的なケースＢについて説明する。ケースＢでは、胃の組織検体に対するヘマトキシリン・エオジン染色を実行することによって作成された病理標本から得られた細胞画像データが画像解析装置１０に入力される。

図６（Ａ）は、Ｓ１０で取得される細胞画像を示し、符号６００は、１個の癌化した細胞に対応する細胞オブジェクトを示す。図６（Ｂ）は、Ｓ１５で生成される二値画像を示す。癌化した細胞では、核が一様に染色されず、核の辺縁のみが濃く染色されることがある。そのため、１回目の物体検出（Ｓ２０）では、細胞オブジェクト６００について、２個の候補オブジェクト６０２，６０３のそれぞれが順次特定される。この結果、画像解析装置１０は、２個の候補オブジェクト６０２，６０３に対応する２個のマークの書き込み（Ｓ３５）を実行する。図６（Ｃ）は、変更済みの二値画像を示す。上記の２個のマークの位置が重複するが、最後に書き込まれるマーク６０４のみに符号を付している。画像解析装置１０は、変更済みの二値画像を利用して、２回目の物体検出を実行し（Ｓ４５）、細胞オブジェクト６００の中心に一致する中心を有する部分画像データを特定し（Ｓ５０）、細胞オブジェクト６００に対応する癌化した細胞を分類する（Ｓ５５）。画像解析装置１０は、細胞オブジェクト６００以外の各細胞オブジェクトについても同様の処理を実行することによって、結果として、図６（Ｄ）に示されるように、複数個の細胞オブジェクト６１０〜６８０に対応する複数個の細胞を分類する。

（ケースＣ：図７）
続いて、図７を参照して、具体的なケースＣを説明する。ケースＣでは、上皮の組織検体に対する抗ＰＤ−Ｌ１抗体を利用した免疫組織化学染色を実行することによって作成された病理標本から得られた細胞画像データが画像解析装置１０に入力される。ＰＤ−Ｌ１は、細胞膜に発現するタンパク質であり、マクロファージや癌化した細胞（特に、癌化した扁平上皮細胞）で発現している。

図７（Ａ）は、Ｓ１０で取得される細胞画像を示し、符号７００は、ＰＤ−Ｌ１が細胞膜に発現している１個の癌化した扁平上皮細胞に対応する細胞オブジェクトを示す。免疫組織化学染色では、細胞膜にタンパク質が発現している場合に、染色された細胞膜が物体検出によって候補オブジェクトとして検出されることがある。図７（Ｂ）は、Ｓ１５で生成される二値画像を示す。細胞オブジェクト７００では、細胞膜が染色されているので、１回目の物体検出（Ｓ２０）において、２個の候補オブジェクト７０２，７０４のそれぞれが順次特定される。この結果、画像解析装置１０は、２個の候補オブジェクト７０２，７０４に対応する２個のマークの書き込み（Ｓ３５）を実行する。図７（Ｃ）は、変更済みの二値画像を示す。上記の２個のマークの位置が重複するが、図７（Ｃ）では、最後に書き込まれるマーク７０６のみに符号を付している。画像解析装置１０は、変更済みの二値画像を利用して、２回目の物体検出を実行し（Ｓ４５）、細胞オブジェクト７００の中心に一致する中心を有する部分画像データを特定し（Ｓ５０）、細胞オブジェクト７００に対応する癌化した扁平上皮細胞を分類する（Ｓ５５）。

なお、上記のケースＡ〜Ｃは具体的なケースの一例であり、画像解析装置１０は、末梢血の白血球の計数、他の体腔液（例えば、胸水、腹水）における細胞の分類、子宮頸部の擦過細胞診、甲状腺及び乳腺等の穿刺吸引細胞診等にも適用できる。さらには、位相差顕微鏡を用いて観察される無染色の培養細胞の分類にも適用できる。

（対応関係）
Ｓ１０の処理、Ｓ１５の処理が、それぞれ、「取得部」、「生成部」によって実行される処理の一例である。Ｓ２０及びＳ２５の処理が、「第１の画像特定部」によって実行される処理の一例である。Ｓ３０の処理が、「判断部」及び「位置特定部」によって実行される処理の一例である。Ｓ３５の処理が、「変更部」によって実行される処理の一例である。Ｓ４５及びＳ５０の処理が、「第２の画像特定部」によって実行される処理の一例である。Ｓ５５の処理、Ｓ６５の処理が、それぞれ、「分類部」、「出力部」によって実行される処理の一例である。

図２の部分画像１２４、部分画像１５０が、それぞれ、「第１の部分画像」、「第２の部分画像」の一例である。図３（Ｄ）の部分画像３１４内のリンパ球、マクロファージが、それぞれ、「第１の細胞オブジェクト」、「第２の細胞オブジェクト」の一例であり、距離Ｌ１、距離Ｌ２が、それぞれ、「第１の距離」、「第２の距離」の一例である。

（第２実施例；図８）
本実施例では、ＣＰＵ３２は、解析プログラム４０に従って、図２の処理に代えて、図８の処理を実行する。Ｓ１００は、図２のＳ１０と同様である。Ｓ１０５では、ＣＰＵ３２は、Ｓ１００で取得された細胞画像データによって表わされる細胞画像を一定間隔の格子状に走査することで取得された部分画像を表わす部分画像データを特定する。具体的には、ＣＰＵ３２は、細胞画像８１０に示されるように、予め決められた間隔で細胞画像内の複数個の座標（例えば符号８１２等）を決定し、当該座標を中心とする所定サイズの矩形画像である部分画像を表わす部分画像データを特定する。このように、本実施例では、二値画像からの物体検出を実行することなく格子状に部分画像データを特定するので、二値画像を生成する処理等を実行せずに済み、処理負荷を低減させることができる。

Ｓ１１０は、中心判断処理の対象である対象部分画像データが、Ｓ１０５で特定された部分画像データである点を除いて、図２のＳ３０と同様である。ＣＰＵ３２は、対象部分画像の中心と細胞オブジェクトの中心とが一致すると判断する場合（Ｓ１１０でＹＥＳ）に、図２のＳ５５と同様に、細胞を分類する。一方、ＣＰＵ３２は、対象部分画像の中心と細胞オブジェクトの中心とが一致しないと判断する場合（Ｓ１１０でＮＯ）に、Ｓ１１５を実行せずに（即ち分類を実行せずに）、Ｓ１２０に進む。Ｓ１２０では、ＣＰＵ３２は、細胞画像内の決定済みの全ての座標について、部分画像データの特定が完了したのか否かを判断する。ＣＰＵ３２は、特定が完了したと判断する場合（Ｓ１２０でＹＥＳ）に、Ｓ１２５に進み、特定が完了していないと判断する場合（Ｓ１２０でＮＯ）に、Ｓ１０５に戻る。Ｓ１２５は、図２のＳ６５と同様である。

（具体的なケース：図９）
続いて、図９を参照して、図８の処理によって実現される具体的なケースを説明する。このケースでは、骨髄血に対するギムザ染色を実行することによって作成された血液塗抹標本から得られた細胞画像データが画像解析装置１０に入力される。

図９（Ａ）は、Ｓ１００で取得される細胞画像を示す。画像解析装置１０は、複数個の部分画像データを順次特定する（Ｓ１０５）。この結果、例えば、図９（Ｂ）の５個の部分画像９００〜９４０を含む複数個の部分画像が順次特定され、各部分画像に対する中心判断処理が実行される（Ｓ１１０）。４個の部分画像９００〜９３０のそれぞれについては、当該部分画像の中心と細胞オブジェクトの中心とが一致すると判断され（Ｓ１１０でＹＥＳ）、この結果、当該部分画像に含まれる細胞オブジェクトに対応する細胞の分類が実行される（Ｓ１１５）。一方、部分画像９４０については、当該部分画像の中心と細胞オブジェクトの中心とが一致しないと判断され（Ｓ１１０でＮＯ）、分類が実行されない。これにより、細胞を誤って分類してしまうことを抑制することができる。

（対応関係）
Ｓ１００の処理、Ｓ１０５の処理、Ｓ１１０の処理、Ｓ１１５の処理、Ｓ１２５の処理が、それぞれ、「取得部」、「第１の画像特定部」、「判断部」、「分類部」、「出力部」によって実行される処理の一例である。

（第３実施例；図１０）
本実施例では、ＣＰＵ３２は、解析プログラム４０に従って、図２の処理に代えて、図１０の処理を実行する。Ｓ２００，Ｓ２０２は、図２のＳ１０，Ｓ１５と同様である。Ｓ２０５は、図８のＳ１０５と同様である。図１０の最も上の細胞画像１０００内の破線の各矩形は、Ｓ２０５で順次特定される各部分画像を示す。Ｓ２１０は、図２のＳ３０と同様である。ＣＰＵ３２は、対象部分画像の中心と細胞オブジェクトの中心とが一致しないと判断する場合（Ｓ２１０でＮＯ）に、Ｓ２１５に進み、対象部分画像の中心と細胞オブジェクトの中心とが一致すると判断する場合（Ｓ２１０でＹＥＳ）に、Ｓ２１５をスキップしてＳ２２０に進む。Ｓ２１５では、図２のＳ３５と同様である。図１０の例では、ＣＰＵ３２は、２個のマークを書き込むことによって、変更済みの二値画像１０２０を表わす変更済みの二値画像データを生成する。Ｓ２２０は、Ｓ１２０と同様である。

Ｓ２２５及びＳ２３０は、図２のＳ２０及びＳ２５と同様である。図１０の最も下の細胞画像１０００内の破線の各矩形は、Ｓ２３０で順次特定される各部分画像を示す。Ｓ２３５〜Ｓ２４５は、Ｓ５５〜Ｓ６５と同様である。

（具体的なケース：図１１）
続いて、図１１を参照して、図１０の処理によって実現される具体的なケースを説明する。このケースでは、図９と同様の細胞画像データが画像解析装置１０に入力される。図１１（Ａ）は、図９（Ａ）と同様である。図１１（Ａ）の細胞画像に対してＳ２０５〜Ｓ２２０の各処理が実行されると、図１１（Ｂ）の変更済みの二値画像が得られる。当該変更済みの二値画像を利用してＳ２２５及びＳ２３０が実行されると、図１１（Ｃ）に示されるように、各マークの位置に対応する各部分画像９００〜９５０が特定される。各部分画像９００〜９５０では、部分画像の中心と細胞オブジェクトの中心とが一致している。このために、各細胞を正確に分類することができる（Ｓ２３５）。

（対応関係）
Ｓ２００の処理、Ｓ２０２の処理、Ｓ２０５の処理が、それぞれ、「取得部」、「生成部」、「第１の画像特定部」によって実行される処理の一例である。Ｓ２１０の処理が、「判断部」及び「位置特定部」によって実行される処理の一例である。Ｓ２１５の処理、Ｓ２４５の処理が、それぞれ、「変更部」、「出力部」によって実行される処理の一例である。Ｓ２２５〜Ｓ２３５の処理が、「分類部」によって実行される処理の一例である。

以上、実施例を詳細に説明したが、これらは例示に過ぎず、請求の範囲を限定するものではない。請求の範囲に記載の技術には、以上に例示した具体例を様々に変形、変更したものが含まれる。

また、本明細書または図面に説明した技術要素は、単独であるいは各種の組合せによって技術的有用性を発揮するものであり、出願時請求項記載の組合せに限定されるものではない。また、本明細書または図面に例示した技術は複数目的を同時に達成するものであり、そのうちの一つの目的を達成すること自体で技術的有用性を持つものである。

１０：画像解析装置、１２：操作部、１４：表示部、１６：入力部、３０：制御部、３２：メモリ、３８：ＯＳプログラム、４０：解析プログラム、４２：学習データ、４４：判断データ、４６：分類データ、１００、８１０、１０００：細胞画像、１０２、１０４、５００、５１０、５２０、５３０、５４０、６００、６１０、６２０、６３０、６４０、６５０、６６０、６７０、６８０、７００：細胞オブジェクト、１１０、１３０、１０２０：二値画像、１１２、１１４：画素群、１３２、５０７、５０８、５０９、６０４、７０６：所定マーク、１２２、１２４、１５０、３０２、３０６、３１０、３１４、３１８、９００、９１０、９２０、９３０、９４０、９５０：部分画像、５０２、５０３、５０４、５０６、６０２、６０３、７０２、７０４：候補オブジェクト

Claims (12)

1. 画像解析装置であって、
   画像解析を実行するための学習データを記憶するメモリであって、前記学習データは、解析対象の画像の中心と細胞オブジェクトの中心とが一致するのか否かを判断するための判断データと、細胞オブジェクトに対応する細胞を分類するための分類データと、を含む、前記メモリと、
   複数個の細胞オブジェクトを含む細胞画像を表わす細胞画像データを取得する取得部と、
   前記細胞画像データから複数個の部分画像データのそれぞれを順次特定する第１の画像特定部と、
   前記複数個の部分画像データのそれぞれに対して中心判断処理を順次実行する判断部であって、前記中心判断処理は、前記学習データに含まれる前記判断データを利用して、処理対象の部分画像データによって表わされる部分画像の中心と細胞オブジェクトの中心とが一致するのか否かを判断することを含む、前記判断部と、
   前記複数個の部分画像データのそれぞれに対する前記中心判断処理の結果と、前記学習データに含まれる前記分類データと、を利用して、前記複数個の細胞オブジェクトのうちの少なくとも１個の細胞オブジェクトに対応する少なくとも１個の細胞を分類する分類部と、
   前記分類の結果を出力する出力部と、
   を備える画像解析装置。
2. 前記画像解析装置は、さらに、
   前記細胞画像データを二値化して、二値画像データを生成する生成部を備え、
   前記第１の画像特定部は、前記二値画像データによって表わされる二値画像から細胞オブジェクトの候補である候補オブジェクトの位置を検出して、前記細胞画像データから前記検出済みの位置に対応する部分画像データを特定することを繰り返すことによって、前記複数個の部分画像データのそれぞれを順次特定し、
   前記画像解析装置は、さらに、
   前記複数個の部分画像データのうちの第１の部分画像データに対する前記中心判断処理において、前記第１の部分画像データによって表わされる第１の部分画像の中心と細胞オブジェクトの中心とが一致しないと判断され、かつ、前記第１の部分画像が対象細胞オブジェクトを含む場合に、前記細胞画像データから、前記対象細胞オブジェクトを含む第２の部分画像を表わす第２の部分画像データを特定する第２の画像特定部であって、前記第２の部分画像の中心と前記対象細胞オブジェクトの中心とは一致する、前記第２の画像特定部を備え、
   前記分類部は、前記第２の部分画像データと前記分類データとを利用して、前記対象細胞オブジェクトに対応する細胞を分類する、請求項１に記載の画像解析装置。
3. 前記画像解析装置は、さらに、
   前記第１の部分画像データに対する前記中心判断処理において、前記第１の部分画像の中心と細胞オブジェクトの中心とが一致しないと判断され、かつ、前記第１の部分画像が前記対象細胞オブジェクトを含む場合に、前記第１の部分画像に含まれる前記対象細胞オブジェクトの中心位置を特定する位置特定部と、
   前記二値画像データによって表わされる前記二値画像において、前記中心位置に対応する位置に所定マークを書き込むことによって、前記二値画像データを変更する変更部と、を備え、
   前記第２の画像特定部は、変更済みの二値画像データによって表わされる変更済みの二値画像から前記所定マークの位置を検出して、前記細胞画像データから前記所定マークの位置に対応する前記第２の部分画像データを特定する、請求項２に記載の画像解析装置。
4. 前記位置特定部は、前記第１の部分画像の中心と細胞オブジェクトの中心とが一致しないと判断され、かつ、前記第１の部分画像が１個の前記対象細胞オブジェクトのみを含む場合に、１個の前記中心位置を特定し、
   前記変更部は、前記二値画像データによって表わされる前記二値画像において、前記１個の中心位置に対応する１個の位置に１個の前記所定マークを書き込むことによって、前記二値画像データを変更し、
   前記第２の画像特定部は、前記変更済みの二値画像データによって表わされる前記変更済みの二値画像から前記１個の所定マークの位置を検出して、前記細胞画像データから前記１個の所定マークの位置に対応する前記第２の部分画像データを特定する、請求項３に記載の画像解析装置。
5. 前記位置特定部は、前記第１の部分画像の中心と細胞オブジェクトの中心とが一致しないと判断され、かつ、前記第１の部分画像が２個以上の前記対象細胞オブジェクトを含む場合に、２個以上の前記中心位置を特定し、
   前記変更部は、前記二値画像データによって表わされる前記二値画像において、前記２個以上の中心位置に対応する２個以上の位置に２個以上の前記所定マークを書き込むことによって、前記二値画像データを変更し、
   前記第２の画像特定部は、前記変更済みの二値画像データによって表わされる前記変更済みの二値画像から前記２個以上の所定マークのそれぞれの位置を検出して、前記細胞画像データから前記２個以上の所定マークのそれぞれの位置に対応する２個以上の前記第２の部分画像データを特定する、請求項３又は４に記載の画像解析装置。
6. 前記位置特定部は、前記２個以上の前記対象細胞オブジェクトが、前記第１の部分画像の中心から第１の距離である第１の中心位置を有する第１の細胞オブジェクトと、前記第１の部分画像の中心から前記第１の距離よりも大きい第２の距離である第２の中心位置を有する第２の細胞オブジェクトと、を含む場合に、前記第１の中心位置と前記第２の中心位置とを含む前記２個以上の中心位置を特定し、
   前記変更部は、前記二値画像データによって表わされる前記二値画像において、前記第１の中心位置と前記第２の中心位置とを含む前記２個以上の中心位置に対応する前記２個以上の位置に前記２個以上の所定マークを書き込むことによって、前記二値画像データを変更する、請求項５に記載の画像解析装置。
7. 前記第１の画像特定部は、前記細胞画像を一定間隔で走査することによって得られる複数個の部分画像を表わす前記複数個の部分画像データのそれぞれを順次特定する、請求項１に記載の画像解析装置。
8. 前記分類部は、
   前記複数個の部分画像データのうちの処理対象の部分画像データに対する前記中心判断処理において、当該部分画像データによって表わされる部分画像の中心と細胞オブジェクトの中心とが一致すると判断される場合に、当該細胞オブジェクトに対応する細胞を分類し、
   前記複数個の部分画像データのうちの処理対象の部分画像データに対する前記中心判断処理において、当該部分画像データによって表わされる部分画像の中心と細胞オブジェクトの中心とが一致しないと判断される場合に、当該部分画像データを利用した分類を実行しない、請求項７に記載の画像解析装置。
9. 前記画像解析装置は、さらに、
   前記細胞画像データを二値化して、二値画像データを生成する生成部と、
   前記複数個の部分画像データのうちの処理対象の部分画像データに対する前記中心判断処理において、当該部分画像データによって表わされる部分画像の中心と細胞オブジェクトの中心とが一致しないと判断され、かつ、当該部分画像が対象細胞オブジェクトを含む場合に、前記対象細胞オブジェクトの中心位置を特定する位置特定部と、
   前記二値画像データによって表わされる二値画像において、前記中心位置に対応する位置に所定マークを書き込むことによって、前記二値画像データを変更する変更部と、を備え、
   前記分類部は、
   変更済みの二値画像データによって表わされる変更済みの二値画像から前記所定マークの位置を検出し、
   前記細胞画像データから前記検出済みの位置に対応する部分画像データを特定し、
   当該部分画像データと前記分類データとを利用して、当該部分画像データによって表わされる部分画像に含まれる前記対象細胞オブジェクトに対応する細胞を分類する、請求項７に記載の画像解析装置。
10. 前記学習データは、畳み込みニューラルネットワークに従った画像解析、又は、畳み込みニューラルネットワークを部分構造として有する大規模ネットワークに従った画像解析を実行するためのデータである、請求項１から９のいずれか一項に記載の画像解析装置。
11. 画像解析装置を実現するためのコンピュータプログラムであって、
    前記画像解析装置は、画像解析を実行するための学習データを記憶するメモリであって、前記学習データは、解析対象の画像の中心と細胞オブジェクトの中心とが一致するのか否かを判断するための判断データと、細胞オブジェクトに対応する細胞を分類するための分類データと、を含む、前記メモリを備え、
    前記コンピュータプログラムは、前記画像解析装置のコンピュータを、以下の各部、即ち、
    複数個の細胞オブジェクトを含む細胞画像を表わす細胞画像データを取得する取得部と、
    前記細胞画像データから複数個の部分画像データのそれぞれを順次特定する第１の画像特定部と、
    前記複数個の部分画像データのそれぞれに対して中心判断処理を順次実行する判断部であって、前記中心判断処理は、前記学習データに含まれる前記判断データを利用して、処理対象の部分画像データによって表わされる部分画像の中心と細胞オブジェクトの中心とが一致するのか否かを判断することを含む、前記判断部と、
    前記複数個の部分画像データのそれぞれに対する前記中心判断処理の結果と、前記学習データに含まれる前記分類データと、を利用して、前記複数個の細胞オブジェクトのうちの少なくとも１個の細胞オブジェクトに対応する少なくとも１個の細胞を分類する分類部と、
    前記分類の結果を出力する出力部と、
    として機能させる、コンピュータプログラム。
12. 画像解析方法であって、
    複数個の細胞オブジェクトを含む細胞画像を表わす細胞画像データを取得する取得工程と、
    前記細胞画像データから複数個の部分画像データのそれぞれを順次特定する第１の画像特定工程と、
    前記複数個の部分画像データのそれぞれに対して中心判断処理を順次実行する判断工程であって、前記中心判断処理は、画像解析を実行するための学習データに含まれる判断データを利用して、処理対象の部分画像データによって表わされる部分画像の中心と細胞オブジェクトの中心とが一致するのか否かを判断することを含む、前記判断工程と、
    前記複数個の部分画像データのそれぞれに対する前記中心判断処理の結果と、前記学習データに含まれる分類データと、を利用して、前記複数個の細胞オブジェクトのうちの少なくとも１個の細胞オブジェクトに対応する少なくとも１個の細胞を分類する分類工程と、
    前記分類の結果を出力する出力工程と、
    を備える方法。