JP6745874B2 - 組織認識のための方法および装置 - Google Patents
組織認識のための方法および装置 Download PDFInfo
- Publication number
- JP6745874B2 JP6745874B2 JP2018514783A JP2018514783A JP6745874B2 JP 6745874 B2 JP6745874 B2 JP 6745874B2 JP 2018514783 A JP2018514783 A JP 2018514783A JP 2018514783 A JP2018514783 A JP 2018514783A JP 6745874 B2 JP6745874 B2 JP 6745874B2
- Authority
- JP
- Japan
- Prior art keywords
- data
- image
- tissue
- image data
- comparator
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims description 131
- 210000001519 tissue Anatomy 0.000 claims description 183
- 210000004027 cell Anatomy 0.000 claims description 76
- 230000000877 morphologic effect Effects 0.000 claims description 36
- 238000004458 analytical method Methods 0.000 claims description 29
- 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 claims description 26
- 238000001000 micrograph Methods 0.000 claims description 25
- 238000012545 processing Methods 0.000 claims description 22
- 230000003287 optical effect Effects 0.000 claims description 18
- 206010028980 Neoplasm Diseases 0.000 claims description 14
- YQGOJNYOYNNSMM-UHFFFAOYSA-N eosin Chemical compound [Na+].OC(=O)C1=CC=CC=C1C1=C2C=C(Br)C(=O)C(Br)=C2OC2=C(Br)C(O)=C(Br)C=C21 YQGOJNYOYNNSMM-UHFFFAOYSA-N 0.000 claims description 13
- 201000011510 cancer Diseases 0.000 claims description 9
- 238000003672 processing method Methods 0.000 claims description 9
- 238000013334 tissue model Methods 0.000 claims description 8
- 230000003190 augmentative effect Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 description 33
- 230000009466 transformation Effects 0.000 description 25
- 238000013500 data storage Methods 0.000 description 19
- 210000003855 cell nucleus Anatomy 0.000 description 17
- 230000007170 pathology Effects 0.000 description 17
- 238000003384 imaging method Methods 0.000 description 13
- 210000000481 breast Anatomy 0.000 description 12
- 230000006870 function Effects 0.000 description 11
- 210000004907 gland Anatomy 0.000 description 11
- 206010073094 Intraductal proliferative breast lesion Diseases 0.000 description 9
- 238000010191 image analysis Methods 0.000 description 9
- 238000003860 storage Methods 0.000 description 9
- 208000037396 Intraductal Noninfiltrating Carcinoma Diseases 0.000 description 8
- 208000028715 ductal breast carcinoma in situ Diseases 0.000 description 8
- 201000007273 ductal carcinoma in situ Diseases 0.000 description 8
- 238000013507 mapping Methods 0.000 description 7
- 238000006243 chemical reaction Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 6
- 210000004940 nucleus Anatomy 0.000 description 6
- 230000008520 organization Effects 0.000 description 6
- 238000000844 transformation Methods 0.000 description 6
- 201000010099 disease Diseases 0.000 description 5
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 230000018109 developmental process Effects 0.000 description 4
- 238000003745 diagnosis Methods 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 238000001914 filtration Methods 0.000 description 4
- 238000009499 grossing Methods 0.000 description 4
- 230000036961 partial effect Effects 0.000 description 4
- 210000002307 prostate Anatomy 0.000 description 4
- 206010073099 Lobular breast carcinoma in situ Diseases 0.000 description 3
- 210000000577 adipose tissue Anatomy 0.000 description 3
- 238000013459 approach Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 238000001574 biopsy Methods 0.000 description 3
- 210000004204 blood vessel Anatomy 0.000 description 3
- 201000005389 breast carcinoma in situ Diseases 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000003628 erosive effect Effects 0.000 description 3
- 201000011059 lobular neoplasia Diseases 0.000 description 3
- 210000004072 lung Anatomy 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 210000004923 pancreatic tissue Anatomy 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 241001465754 Metazoa Species 0.000 description 2
- 208000004965 Prostatic Intraepithelial Neoplasia Diseases 0.000 description 2
- 206010071019 Prostatic dysplasia Diseases 0.000 description 2
- 239000000654 additive Substances 0.000 description 2
- 230000000996 additive effect Effects 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 230000008602 contraction Effects 0.000 description 2
- 230000010339 dilation Effects 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 210000003743 erythrocyte Anatomy 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000012010 growth Effects 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 238000012804 iterative process Methods 0.000 description 2
- 238000000386 microscopy Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 208000021046 prostate intraepithelial neoplasia Diseases 0.000 description 2
- 230000001131 transforming effect Effects 0.000 description 2
- 206010006187 Breast cancer Diseases 0.000 description 1
- 208000026310 Breast neoplasm Diseases 0.000 description 1
- 108010077544 Chromatin Proteins 0.000 description 1
- 235000015655 Crocus sativus Nutrition 0.000 description 1
- 244000124209 Crocus sativus Species 0.000 description 1
- 206010058314 Dysplasia Diseases 0.000 description 1
- 108010089610 Nuclear Proteins Proteins 0.000 description 1
- 102000007999 Nuclear Proteins Human genes 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 210000003484 anatomy Anatomy 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000000090 biomarker Substances 0.000 description 1
- 210000000170 cell membrane Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 210000003483 chromatin Anatomy 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 230000002380 cytological effect Effects 0.000 description 1
- 238000012899 de-mixing Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 210000002919 epithelial cell Anatomy 0.000 description 1
- 210000000981 epithelium Anatomy 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000003703 image analysis method Methods 0.000 description 1
- 238000000338 in vitro Methods 0.000 description 1
- 210000004969 inflammatory cell Anatomy 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 210000005075 mammary gland Anatomy 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000011278 mitosis Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 230000017074 necrotic cell death Effects 0.000 description 1
- 230000003121 nonmonotonic effect Effects 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 235000013974 saffron Nutrition 0.000 description 1
- 239000004248 saffron Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000007873 sieving Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000010186 staining Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000013517 stratification Methods 0.000 description 1
- 210000002536 stromal cell Anatomy 0.000 description 1
- 230000001225 therapeutic effect Effects 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
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
- G02—OPTICS
- G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
- G02B21/00—Microscopes
- G02B21/36—Microscopes arranged for photographic purposes or projection purposes or digital imaging or video purposes including associated control and data processing arrangements
- G02B21/365—Control or image processing arrangements for digital or video microscopes
-
- 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
- G06V20/695—Preprocessing, e.g. image 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
- G06V20/698—Matching; Classification
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N1/00—Sampling; Preparing specimens for investigation
- G01N1/28—Preparing specimens for investigation including physical details of (bio-)chemical methods covered elsewhere, e.g. G01N33/50, C12Q
- G01N1/30—Staining; Impregnating ; Fixation; Dehydration; Multistep processes for preparing samples of tissue, cell or nucleic acid material and the like for analysis
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Quality & Reliability (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Optics & Photonics (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Signal Processing (AREA)
- Investigating Or Analysing Biological Materials (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Description
・ROIのサイズ、
・ROIの形状、
・ROIの光学密度、
・ROIの境界、
・ROIが何らかの識別可能な部分ROI構成要素を含んでいるか。
他のメトリックが使われてもよい。ROIのサイズを決定するために、コンピュータは、ROIを構成するピクセルの数を数えてもよい。ROIの形状を決定するために、コンピュータは、多様な異なる技法の任意のものを使ってもよい。たとえば、テンプレート・ベースの照合方法が使われてもよく、および/または(1)ROIの面積と(2)その境界の長さの二乗との比を使ってROIの円形性についての情報を得てもよい。テンプレート・ベースの照合方法は、コンピュータが、それぞれ異なる形状をもつ一連の畳み込みカーネルをROIに適用することを含んでいてもよい。これらの場合において、ROIの形状は、最大の全強度をもつ出力を生じる畳み込みカーネルを同定することによって、決定されてもよい。ROIの形状を同定する他の方法が使われてもよい。
・修正されたROIのサイズ、
・修正されたROIの形状、
・修正されたROIの光学密度、
・修正されたROIの境界、
・修正されたROIが何らかの識別可能な部分ROI構成要素を含んでいるか。
上記のように、他のメトリックが使われてもよい。修正されたROIにおけるこれらのメトリックから得られるデータ値が比較器データに対して再び比較される。その修正されたROIについてのそれらのメトリックの測定された値が(たとえば指定された許容差の範囲内で)ある型の構造についての比較器データに一致する場合、その修正されたROIはその型の構造に属するとして分類される。コンピュータは、その修正されたROIの画像ピクセルを、その型の構造に属するとしてラベル付けする(1214)。
・修正されたROIのサイズ、
・修正されたROIの形状、
・修正されたROIの光学密度、
・修正されたROIの境界、
・修正されたROIが何らかの識別可能な部分ROI構成要素を含んでいるか。
上記のように、他のメトリックが使われてもよい。修正されたROIにおけるこれらのメトリックから得られるデータ値が比較器データに対して再び比較される。そのマージされたROIについてのそれらのメトリックの測定された値が(たとえば指定された許容差の範囲内で)ある型の構造についての比較器データに一致する場合、その修正されたROIはその型の構造に属するとして分類される。コンピュータは、そのマージされたROIの画像ピクセルを、その型の構造に属するとしてラベル付けする。
いくつかの態様を記載しておく。
〔態様1〕
ヘマトキシリンおよびエオシンで染色した組織試料の顕微鏡スライド画像を定義する顕微鏡画像データを取得する段階であって、前記顕微鏡スライド画像データは複数の画像ピクセルを含む、段階と;
前記組織試料が由来するもとになった組織の型を示す記述子データを取得する段階と;
前記記述子データに基づいて、選択された範囲内の空間的長さスケールをもつ構造を記述する構造化された画像データを識別するよう構成された空間フィルタを選択する段階と;
選択されたフィルタを前記画像データに適用して、前記画像のいくつかの離散的な空間領域を定義する画像データの部分集合を識別する段階であって、前記離散的な空間領域は前記画像のエリアの全部より少ない部分を含む、段階と;
定量的画像メトリックの集合をデータ記憶部から選択する段階であって、前記定量的画像メトリックは前記記述子データに基づいて選択される、段階と;
それぞれの離散的な空間領域について、そのまたはそれぞれの離散的な空間領域に関連付けられた画像データの部分集合に基づいて、前記集合の各定量的な画像メトリックについての試料領域データ値を決定する段階と;
前記記述子データを使って、前記データ記憶部から、組織モデル・データ値の少なくとも一つの比較器集合を選択する段階であって、各比較器集合は異なる対応する比較器組織構造に関連付けられており、各比較器集合は、対応する比較器組織構造についての前記集合の定量的画像メトリックのデータ値を含む、段階と;
それぞれの離散的な領域についての前記試料領域データ値を、前記少なくとも一つの比較器集合と比較する段階と;
そのまたはそれぞれの離散的な領域についての前記試料領域データ値が前記比較器集合にマッチする場合、対応する比較器組織構造が何であるかに基づいて、そのまたはそれぞれの離散的な領域をさらに解析するかどうかを決定する段階とを含む、
コンピュータ実装される画像処理方法。
〔態様2〕
前記空間フィルタが、前記記述子データに基づいて選択された構造化要素をもつ形態学的フィルタを含む、態様1記載の方法。
〔態様3〕
前記構造化要素のサイズおよび形状の少なくとも一方が前記記述子データに基づいて選択される、態様2記載の方法。
〔態様4〕
定量的画像メトリックの前記集合が、唯一のまたはそれぞれの離散的領域における光学密度に基づくメトリックを含む、態様1ないし3のうちいずれか一項記載の方法。
〔態様5〕
定量的画像メトリックの前記集合が、唯一のまたはそれぞれの離散的領域における空間周波数の選択された範囲内の空間周波数データに基づくメトリックを含む、態様1ないし4のうちいずれか一項記載の方法。
〔態様6〕
前記定量的画像メトリックが、唯一のまたはそれぞれの離散的領域におけるテクスチャー・データに基づくメトリックを含む、態様1ないし5のうちいずれか一項記載の方法。
〔態様7〕
前記比較器構造が非浸潤性癌を含む、態様1ないし6のうちいずれか一項記載の方法。
〔態様8〕
唯一のまたはそれぞれの離散的な領域がさらに解析されるのではない場合には、唯一のまたはそれぞれの離散的な領域は前記画像データのその後の解析からは除外される、態様1ないし7のうちいずれか一項記載の方法。
〔態様9〕
唯一のまたはそれぞれの離散的な領域がさらに解析される場合、唯一のまたはそれぞれの離散的な領域における前記画像データに対して第一の形態学的フィルタを適用することを含み、前記形態学的フィルタは、細胞核を識別する細胞核データを与えるよう選択された構造化要素をもつ、態様1ないし8のうちいずれか一項記載の方法。
〔態様10〕
定量的画像メトリックの前記集合が、前記記述子データに基づいて選択された長さスケールでの組織形態の少なくとも一つのメトリックを含む、態様1ないし9のうちいずれか一項記載の方法。
〔態様11〕
複数の顕微鏡スライド画像から定量的画像メトリックの前記集合のデータ値を取得し、定量的画像メトリックの前記複数の集合のうちの前記少なくとも一つのメトリックのデータ値に基づいて、前記複数の顕微鏡スライド画像のシーケンスを選択することを含む、態様1ないし10のうちいずれか一項記載の方法。
〔態様12〕
前記複数の顕微鏡スライド画像を選択されたシーケンスで人間のオペレーターに対して呈示することを含む、態様11記載の方法。
〔態様13〕
前記画像データが光学密度データを含む、態様1ないし12のうちいずれか一項記載の方法。
〔態様14〕
態様1ないし13のうちいずれか一項記載の方法を実行するよう構成された診断装置。
〔態様15〕
(a)前記比較する諸段階のうちの少なくとも一つの段階の結果の指示を含む補強された画像および(b)前記比較する諸段階のうち少なくとも一つの段階の結果に基づく、前記組織における癌性細胞の存在の診断的な指示、の少なくとも一方を提供するよう構成されている、態様14記載の診断装置。
〔態様16〕
顕微鏡画像データを取得して該データを前記画像プロセッサに提供するよう構成された画像取得器であって、前記画像データはヘマトキシリンおよびエオシンで染色した組織試料の顕微鏡スライド画像を定義し、前記顕微鏡スライド画像データは複数の画像ピクセルを含む、画像取得器と;
前記画像データに対して処理を実行するためのプロセッサとを有する装置であって、前記プロセッサは:
前記組織試料が由来するもとになった組織の型を示す記述子データを取得する段階と;
前記記述子データに基づいて、選択された範囲内の空間的長さスケールをもつ構造を記述する構造化された画像データを識別するよう構成された空間フィルタを選択する段階と;
選択されたフィルタを前記画像データに適用して、前記画像のいくつかの離散的な空間領域を定義する画像データの部分集合を識別する段階であって、前記離散的な空間領域は前記画像のエリアの全部よりも少ない部分を含む、段階と;
定量的画像メトリックの集合を前記記述子データに基づいて選択する段階と;
それぞれの離散的な空間領域について、そのまたはそれぞれの離散的な空間領域に関連付けられた画像データの前記部分集合に基づいて、前記集合の各定量的な画像メトリックについての試料領域データ値を決定する段階と;
組織モデル・データ値の少なくとも一つの比較器集合を取得する段階であって、各比較器集合は異なる対応する比較器組織構造に関連付けられており、各比較器集合は、対応する比較器組織構造についての前記集合の定量的画像メトリックのデータ値を含む、段階と;
それぞれの離散的な領域についての前記試料領域データ値を、前記少なくとも一つの比較器集合と比較する段階とを実行するよう構成されており、
前記プロセッサは、そのまたはそれぞれの離散的な領域についての前記試料領域データ値が前記比較器集合にマッチする場合、前記プロセッサが、対応する比較器組織構造が何であるかに基づいて、そのまたはそれぞれの離散的な領域をさらに解析するかどうかを決定するよう構成されている、
装置。
〔態様17〕
前記プロセッサが、唯一のまたはそれぞれの離散的な領域がさらに解析される場合、唯一のまたはそれぞれの離散的な領域における前記画像データに対して第一の形態学的フィルタを適用するよう構成されており、前記形態学的フィルタは、細胞核を識別する細胞核データを与えるよう選択された構造化要素をもつ、態様16記載の装置。
〔態様18〕
前記第一の形態学的フィルタの構造化要素が円形であり、20ミクロン未満、たとえば10ミクロン未満の直径をもつ、態様17記載の装置。
〔態様19〕
前記プロセッサが、前記細胞核データに基づいて前記画像データを補強するよう構成されており、補強された画像データを、前記組織試料における癌性組織の存在の診断を支援するために提供するよう構成されている、態様17または18記載の装置。
〔態様20〕
前記プロセッサが、前記細胞核データから決定される核形状または核サイズの少なくとも一方のメトリックに基づいて前記画像データを補強するよう構成されている、態様19記載の装置。
〔態様21〕
前記プロセッサが、核形状または核サイズの前記少なくとも一方を比較器データと比較することに基づいて、前記少なくとも一つの離散的な領域が癌性細胞を含むかどうかを示すよう、前記画像データを補強するよう構成されている、態様20記載の装置。
〔態様22〕
前記プロセッサが、唯一のまたはそれぞれの離散的な領域における細胞境界を同定する細胞境界データに基づいて前記画像データを補強するよう構成されている、態様18ないし21のうちいずれか一項記載の装置。
〔態様23〕
前記プロセッサが、そのまたはそれぞれの離散的な領域の勾配画像データから、たとえば分水嶺法に基づいて前記細胞境界データを決定するよう構成されている、態様22記載の装置。
〔態様24〕
前記細胞境界データが、細胞形状および細胞サイズの少なくとも一方を含む、態様22または23記載の装置。
〔態様25〕
前記プロセッサが、複数の顕微鏡スライド画像から定量的画像メトリックの前記集合のデータ値を取得するよう構成されており、前記画像データを補強することが、定量的画像メトリックの前記複数の集合のうちの前記少なくとも一つのメトリックのデータ値に基づいて、前記複数の顕微鏡スライド画像のシーケンスを選択することを含む、態様14ないし24のうちいずれか一項記載の装置。
〔態様26〕
前記プロセッサが、前記複数の顕微鏡スライド画像を選択されたシーケンスで人間のオペレーターに対して呈示するよう構成されている、態様25記載の装置。
〔態様27〕
前記プロセッサが、唯一のまたはそれぞれの離散的な領域をハイライトすることによって前記画像データを補強するよう構成されている、態様19ないし26のうちいずれか一項記載の装置。
〔態様28〕
(a)前記比較する諸段階のうちの少なくとも一つの段階の結果の指示を含む補強された画像および(b)前記比較する諸段階のうち少なくとも一つの段階の結果に基づく、前記組織における癌性細胞の存在の診断的な指示、の少なくとも一方を提供するよう構成されている、態様16ないし27のうちいずれか一項記載の装置。
〔態様29〕
構造を識別するためのコンピュータ実装される顕微鏡検査方法であって:
デジタル顕微鏡画像から第一の画像データを取得する段階と;
前記第一の画像データに画像変換を適用して第二の画像データを得る段階であって、前記第二の画像データの少なくともいくつかのピクセル・データ値が、前記第一の画像データの対応するピクセル・データ値とは異なる、段階と;
前記第二の画像データを少なくとも一つの比較器と比較して、該比較に基づいて前記顕微鏡画像における構造を分類する段階と;
前記第二の画像データにおける少なくとも一つの未分類の構造を同定する段階と;
前記画像変換を修正する段階と;
修正された画像変換を前記デジタル顕微鏡画像から得られた前記画像データに適用して第三の画像データを得る段階と;
前記第三の画像データを、前記少なくとも一つの未分類の構造を識別するために前記少なくとも一つの比較器と比較する段階とを含む、
方法。
〔態様30〕
構造を識別するためのコンピュータ実装される顕微鏡検査方法であって:
デジタル顕微鏡画像から第一の画像データを取得する段階と;
前記第一の画像データに画像変換を適用して第二の画像データを得る段階であって、前記第二の画像データの少なくともいくつかのピクセル・データ値が、前記第一の画像データの対応するピクセル・データ値とは異なる、段階と;
前記第二の画像データを少なくとも一つの比較器と比較して、該比較に基づいて前記顕微鏡画像における構造を分類する段階とを含む、
方法。
〔態様31〕
前記画像変換がコントラスト拡張処理を含み、当該方法は:
前記コントラスト拡張処理を修正する段階と;
修正されたコントラスト拡張処理を、前記デジタル顕微鏡画像から得られた前記画像データに適用して第三の強度データを得る段階と;
前記第三の強度データを、前記少なくとも一つの未分類の構造を識別するために前記少なくとも一つの比較器と比較する段階とを含む、
態様30記載の方法。
〔態様32〕
前記画像変換が、前記画像変換が適用される前記画像データにおける一つまたは複数の選択された空間周波数帯域を減衰させるまたは強調するよう構成された処理を含む、態様29ないし31のうちいずれか一項記載の方法。
〔態様33〕
前記画像変換を修正することが、前記一つまたは複数の空間周波数帯域のうちの一つまたは複数の帯域の減衰または強調を修正することを含む、態様32記載の方法。
〔態様34〕
(a)前記画像データの少なくとも一つの定量的画像メトリック;および
(b)前記顕微鏡画像が由来するもとになった組織の型を示す記述子データ
のうちの少なくとも一方に基づいて前記画像変換を選択することを含む、態様29ないし33のうちいずれか一項記載の方法。
〔態様35〕
前記画像変換は、前記画像変換が適用される前記画像データの少なくとも一つの色チャネルの強度を修正するよう適応された強度変換を含む、態様29ないし34のうちいずれか一項記載の方法。
〔態様36〕
前記画像変換がヒストグラム等化を含む、態様35記載の方法。
〔態様37〕
前記ヒストグラム等化が、前記画像変換が適用される前記画像データの少なくとも一つの色チャネルの強度に対してマッピング関数を適用することを含み、前記画像変換を修正することが前記マッピング関数を修正することを含む、態様36記載の方法。
〔態様38〕
前記画像変換がコントラスト拡張処理を含む、態様29ないし37のうちいずれか一項記載の方法。
〔態様39〕
前記コントラスト拡張処理が、前記画像変換が適用される前記画像データの少なくとも一つの色チャネルの強度に対して線形スケーリングを適用することを含み、前記画像変換を修正することが前記線形スケーリングを修正することを含む、態様38記載の方法。
〔態様40〕
前記修正された画像変換が、前記画像データの、少なくとも一つの未分類の構造を含む部分集合に適用される、態様29または31ないし39のうちいずれか一項記載の方法。
〔態様41〕
前記修正された画像変換が、前記画像データの、少なくとも一つの分類済みの構造を除外する部分集合に適用される、態様29または31ないし40のうちいずれか一項記載の方法。
〔態様42〕
未分類のまま残っているオブジェクトが選択された数未満になるまで修正する段階、比較する段階および分類する段階を逐次反復することを含む、態様31ないし39のうちいずれか一項記載の方法。
Claims (15)
- ヘマトキシリンおよびエオシンで染色した組織試料の顕微鏡スライド画像を定義する顕微鏡画像データを取得する段階であって、前記顕微鏡スライド画像データは複数の画像ピクセルを含む、段階と;
前記組織試料が由来するもとになった組織の型を示す記述子データを取得する段階と;
前記記述子データに基づいて、選択された範囲内の空間的長さスケールをもつ構造を記述する構造化された画像データを識別するよう構成された空間フィルタを選択する段階と;
選択されたフィルタを前記画像データに適用して、前記画像のいくつかの離散的な空間領域を定義する画像データの部分集合を識別する段階であって、前記離散的な空間領域は前記画像のエリアの全部より少ない部分を含む、段階と;
定量的画像メトリックの集合をデータ記憶部から選択する段階であって、前記定量的画像メトリックは前記記述子データに基づいて選択される、段階と;
それぞれの離散的な空間領域について、そのまたはそれぞれの離散的な空間領域に関連付けられた画像データの部分集合に基づいて、前記集合の各定量的な画像メトリックについての試料領域データ値を決定する段階と;
前記記述子データを使って、前記データ記憶部から、組織モデル・データ値の少なくとも一つの比較器集合を選択する段階であって、各比較器集合は異なる対応する比較器組織構造に関連付けられており、各比較器集合は、対応する比較器組織構造についての前記集合の定量的画像メトリックのデータ値を含む、段階と;
それぞれの離散的な領域についての前記試料領域データ値を、前記少なくとも一つの比較器集合と比較する段階と;
そのまたはそれぞれの離散的な領域についての前記試料領域データ値が前記比較器集合にマッチする場合、対応する比較器組織構造が何であるかに基づいて、そのまたはそれぞれの離散的な領域をさらに解析するかどうかを決定する段階と;
そのまたはそれぞれの離散的な領域がさらに解析される場合、そのまたはそれぞれの離散的な領域における前記画像データに対して第一の形態学的フィルタを適用する段階であって、前記形態学的フィルタは、細胞核を識別する細胞核データを与えるよう選択された構造化要素をもつ、段階と;
前記細胞核データに基づいて、核形状、核面積および形状因子のうちの少なくとも一つのメトリックを決定して、該メトリックを比較器データと比較して、そのまたはそれぞれの少なくとも一つの離散的な領域が癌性細胞を含む可能性が高いかどうかを判定する段階とを含む、
コンピュータ実装される画像処理方法。 - 前記空間フィルタが、前記記述子データに基づいて選択された構造化要素をもつ形態学的フィルタを含む、請求項1記載の方法。
- 定量的画像メトリックの前記集合が、
(a)唯一のまたはそれぞれの離散的領域における光学密度;
(b)唯一のまたはそれぞれの離散的領域における空間周波数の選択された範囲内の空間周波数データ;
(c)唯一のまたはそれぞれの離散的領域におけるテクスチャー・データ;
(d)前記記述子データに基づいて選択された長さスケールでの組織形態の少なくとも一つのメトリック、
のうちの少なくとも一つに基づくメトリックを含む、請求項1記載の方法。 - 前記比較器構造が非浸潤性癌を含む、請求項1記載の方法。
- 唯一のまたはそれぞれの離散的な領域がさらに解析されるのではない場合には、唯一のまたはそれぞれの離散的な領域は前記画像データのその後の解析からは除外される、請求項4記載の方法。
- 複数の顕微鏡スライド画像から定量的画像メトリックの前記集合のデータ値を取得し、定量的画像メトリックの前記複数の集合のうちの前記少なくとも一つのメトリックのデータ値に基づいて、前記複数の顕微鏡スライド画像のシーケンスを選択することを含み、
たとえば、前記複数の顕微鏡スライド画像を選択されたシーケンスで人間のオペレーターに対して呈示することを含む、請求項5記載の方法。 - 前記画像データが光学密度データを含む、請求項6記載の方法。
- 請求項6記載の方法を実行するよう構成された診断装置であって、
たとえば、(a)前記比較する諸段階のうちの少なくとも一つの段階の結果の指示を含む補強された画像および(b)前記比較する諸段階のうち少なくとも一つの段階の結果に基づく、前記組織における癌性細胞の存在の診断的な指示、の少なくとも一方を提供するよう構成されている、診断装置。 - 画像取得器およびプロセッサを有する装置であって、
前記画像取得器は、顕微鏡画像データを取得して該データを前記プロセッサに提供するよう構成されており、前記画像データはヘマトキシリンおよびエオシンで染色した組織試料の顕微鏡スライド画像を定義し、前記顕微鏡スライド画像データは複数の画像ピクセルを含み;
前記プロセッサは、前記画像データに対して処理を実行するよう構成されており、前記プロセッサは:
前記組織試料が由来するもとになった組織の型を示す記述子データを取得する段階と;
前記記述子データに基づいて、選択された範囲内の空間的長さスケールをもつ構造を記述する構造化された画像データを識別するよう構成された空間フィルタを選択する段階と;
選択されたフィルタを前記画像データに適用して、前記画像のいくつかの離散的な空間領域を定義する画像データの部分集合を識別する段階であって、前記離散的な空間領域は前記画像のエリアの全部よりも少ない部分を含む、段階と;
定量的画像メトリックの集合を前記記述子データに基づいて選択する段階と;
それぞれの離散的な空間領域について、そのまたはそれぞれの離散的な空間領域に関連付けられた画像データの前記部分集合に基づいて、前記集合の各定量的な画像メトリックについての試料領域データ値を決定する段階と;
組織モデル・データ値の少なくとも一つの比較器集合を取得する段階であって、各比較器集合は異なる対応する比較器組織構造に関連付けられており、各比較器集合は、対応する比較器組織構造についての前記集合の定量的画像メトリックのデータ値を含む、段階と;
それぞれの離散的な領域についての前記試料領域データ値を、前記少なくとも一つの比較器集合と比較する段階とを実行するよう構成されており、
前記プロセッサは、そのまたはそれぞれの離散的な領域についての前記試料領域データ値が前記比較器集合にマッチする場合、前記プロセッサが、対応する比較器組織構造が何であるかに基づいて、そのまたはそれぞれの離散的な領域をさらに解析するかどうかを決定するよう構成されており、
前記プロセッサは:
そのまたはそれぞれの離散的な領域がさらに解析される場合、そのまたはそれぞれの離散的な領域における前記画像データに対して第一の形態学的フィルタを適用する段階であって、前記第一の形態学的フィルタは、細胞核を識別する細胞核データを与えるよう選択された構造化要素をもつ、段階と;
前記細胞核データに基づいて、核形状、核面積および形状因子のうちの少なくとも一つのメトリックを決定して、該メトリックを比較器データと比較して、そのまたはそれぞれの少なくとも一つの離散的な領域が癌性細胞を含む可能性が高いかどうかを判定する段階とを実行するよう構成されている、
装置。 - 前記第一の形態学的フィルタの構造化要素が円形であり、たとえば20ミクロン未満の直径をもつ、請求項9記載の装置。
- 前記プロセッサが、唯一のまたはそれぞれの離散的な領域における細胞境界を同定する細胞境界データに基づいて前記画像データを補強するよう構成されており、
たとえば、前記プロセッサが、そのまたはそれぞれの離散的な領域の勾配画像データから、たとえば分水嶺法に基づいて前記細胞境界データを決定するよう構成されている、
請求項9記載の装置。 - 前記細胞境界データが、細胞形状および細胞サイズの少なくとも一方を含む、請求項11記載の装置。
- 前記プロセッサが、複数の顕微鏡スライド画像から定量的画像メトリックの前記集合のデータ値を取得するよう構成されており、前記画像データを補強することが、定量的画像メトリックの前記複数の集合のうちの前記少なくとも一つのメトリックのデータ値に基づいて、前記複数の顕微鏡スライド画像のシーケンスを選択することを含み、
たとえば、前記プロセッサが、前記複数の顕微鏡スライド画像を選択されたシーケンスで人間のオペレーターに対して呈示するよう構成されている、
請求項9記載の装置。 - 前記プロセッサが、唯一のまたはそれぞれの離散的な領域をハイライトすることによって前記画像データを補強するよう構成されている、請求項9記載の装置。
- (a)前記比較する諸段階のうちの少なくとも一つの段階の結果の指示を含む補強された画像および(b)前記比較する諸段階のうち少なくとも一つの段階の結果に基づく、前記組織における癌性細胞の存在の診断的な指示、の少なくとも一方を提供するよう構成されている、請求項9記載の装置。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
GB1516871.9A GB2543029A (en) | 2015-09-23 | 2015-09-23 | Method and apparatus for tissue recognition |
GB1516871.9 | 2015-09-23 | ||
PCT/GB2016/052973 WO2017051190A1 (en) | 2015-09-23 | 2016-09-23 | Method and apparatus for tissue recognition |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2018535470A JP2018535470A (ja) | 2018-11-29 |
JP2018535470A5 JP2018535470A5 (ja) | 2020-01-09 |
JP6745874B2 true JP6745874B2 (ja) | 2020-08-26 |
Family
ID=54544704
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018514783A Expired - Fee Related JP6745874B2 (ja) | 2015-09-23 | 2016-09-23 | 組織認識のための方法および装置 |
Country Status (6)
Country | Link |
---|---|
US (1) | US10565706B2 (ja) |
EP (1) | EP3353742A1 (ja) |
JP (1) | JP6745874B2 (ja) |
CN (1) | CN108352062A (ja) |
GB (1) | GB2543029A (ja) |
WO (1) | WO2017051190A1 (ja) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10769501B1 (en) | 2017-02-15 | 2020-09-08 | Google Llc | Analysis of perturbed subjects using semantic embeddings |
US10467754B1 (en) * | 2017-02-15 | 2019-11-05 | Google Llc | Phenotype analysis of cellular image data using a deep metric network |
ES2684373B2 (es) * | 2017-12-19 | 2019-05-27 | Univ Leon | Procedimiento y sistema de vision artificial para la descripcion y clasificacion automatica de tejidos no patologicos del sistema cardiovascular humano |
US11126649B2 (en) | 2018-07-11 | 2021-09-21 | Google Llc | Similar image search for radiology |
CN109213031A (zh) * | 2018-08-13 | 2019-01-15 | 祝爱莲 | 窗体加固控制平台 |
CN111307249A (zh) * | 2018-11-27 | 2020-06-19 | 宁波旭磊电子科技有限公司 | 水沿高度报警平台 |
CN115439445A (zh) * | 2022-09-05 | 2022-12-06 | 青岛埃米博创医疗科技有限公司 | 一种肝血管及肝肿瘤识别系统 |
Family Cites Families (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2574181B2 (ja) * | 1989-10-19 | 1997-01-22 | 富士写真フイルム株式会社 | 異常陰影検出装置 |
US7864380B2 (en) * | 2001-03-19 | 2011-01-04 | Dmetrix, Inc. | Slide-borne imaging instructions |
JP2005530138A (ja) * | 2002-06-18 | 2005-10-06 | ライフスパン バイオサイエンス,インク. | 組織標本の中の重要な構造のコンピュータを利用した画像捕捉 |
US7283652B2 (en) * | 2002-11-27 | 2007-10-16 | General Electric Company | Method and system for measuring disease relevant tissue changes |
WO2005027015A2 (en) * | 2003-09-10 | 2005-03-24 | Bioimagene, Inc. | Method and system for quantitatively analyzing biological samples |
EP1789923A1 (en) * | 2004-08-11 | 2007-05-30 | Aureon Laboratories, Inc. | Systems and methods for automated diagnosis and grading of tissue images |
US20060127880A1 (en) * | 2004-12-15 | 2006-06-15 | Walter Harris | Computerized image capture of structures of interest within a tissue sample |
EP1975875A3 (en) * | 2005-05-13 | 2008-10-08 | Tripath Imaging, Inc. | Methods of chromogen separation-based image analysis |
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 |
JPWO2010123043A1 (ja) * | 2009-04-21 | 2012-10-25 | 日本電気株式会社 | 癌の評価方法 |
JP5547597B2 (ja) * | 2010-09-29 | 2014-07-16 | 大日本スクリーン製造株式会社 | 病理診断支援装置、病理診断支援方法、病理診断支援のための制御プログラムおよび該制御プログラムを記録した記録媒体 |
CN102044069B (zh) * | 2010-12-01 | 2012-05-09 | 华中科技大学 | 一种白细胞图像分割方法 |
CN102297873A (zh) * | 2011-05-03 | 2011-12-28 | 杭州一二八医院 | 利用软x射线显微成像进行癌细胞图形识别的方法 |
US20140233826A1 (en) * | 2011-09-27 | 2014-08-21 | Board Of Regents Of The University Of Texas System | Systems and methods for automated screening and prognosis of cancer from whole-slide biopsy images |
WO2013181127A1 (en) * | 2012-05-30 | 2013-12-05 | Clarient Diagnostic Services, Inc. | Multiplexed assay method for lung cancer classification |
CN103489188A (zh) * | 2013-09-23 | 2014-01-01 | 华南理工大学 | 一种宫颈lct图像的异常细胞核定位方法 |
EP3053138B1 (en) * | 2013-09-30 | 2018-08-22 | Ventana Medical Systems, Inc. | Systems and methods for adaptive histopathology image unmixing |
JP2016541039A (ja) * | 2013-10-07 | 2016-12-28 | ベンタナ メディカル システムズ, インコーポレイテッド | 包括的なマルチアッセイ組織分析のためのシステムおよび方法 |
US9558394B2 (en) * | 2014-03-10 | 2017-01-31 | Case Western Reserve University | Histogram of hosoya index (HoH) features for quantitative histomorphometry |
US9424460B2 (en) * | 2014-03-10 | 2016-08-23 | Case Western Reserve University | Tumor plus adjacent benign signature (TABS) for quantitative histomorphometry |
US9298968B1 (en) * | 2014-09-12 | 2016-03-29 | Flagship Biosciences, Inc. | Digital image analysis of inflammatory cells and mediators of inflammation |
-
2015
- 2015-09-23 GB GB1516871.9A patent/GB2543029A/en not_active Withdrawn
-
2016
- 2016-09-23 CN CN201680055726.2A patent/CN108352062A/zh active Pending
- 2016-09-23 JP JP2018514783A patent/JP6745874B2/ja not_active Expired - Fee Related
- 2016-09-23 EP EP16787918.8A patent/EP3353742A1/en not_active Withdrawn
- 2016-09-23 US US15/761,675 patent/US10565706B2/en active Active
- 2016-09-23 WO PCT/GB2016/052973 patent/WO2017051190A1/en active Application Filing
Also Published As
Publication number | Publication date |
---|---|
CN108352062A (zh) | 2018-07-31 |
US20180350067A1 (en) | 2018-12-06 |
JP2018535470A (ja) | 2018-11-29 |
WO2017051190A1 (en) | 2017-03-30 |
EP3353742A1 (en) | 2018-08-01 |
US10565706B2 (en) | 2020-02-18 |
GB2543029A (en) | 2017-04-12 |
GB201516871D0 (en) | 2015-11-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6745874B2 (ja) | 組織認識のための方法および装置 | |
Silva-Rodríguez et al. | Going deeper through the Gleason scoring scale: An automatic end-to-end system for histology prostate grading and cribriform pattern detection | |
US10671832B2 (en) | Method and apparatus for tissue recognition | |
US9946953B2 (en) | Apparatus and method for processing images of tissue samples | |
AU2015307296B2 (en) | Method and device for analysing an image | |
US9842391B2 (en) | Method and apparatus for processing an image of a tissue sample | |
Bhattacharjee et al. | Review on histopathological slide analysis using digital microscopy | |
Goceri et al. | Quantitative validation of anti‐PTBP1 antibody for diagnostic neuropathology use: Image analysis approach | |
JP6659832B2 (ja) | 正規化及びアーチファクト補正のための画像処理方法及び画像処理装置 | |
WO2017051195A1 (en) | Pattern driven image processing method & apparatus for tissue recognition | |
Anari et al. | Computer-aided detection of proliferative cells and mitosis index in immunohistichemically images of meningioma | |
Somasundaram et al. | Automatic segmentation of nuclei from pap smear cell images: A step toward cervical cancer screening | |
Oswal et al. | An Entropy‐Based Automated Cell Nuclei Segmentation and Quantification: Application in Analysis of Wound Healing Process | |
Dooley et al. | Prediction of heart transplant rejection using histopathological whole-slide imaging | |
Alomari et al. | Iterative randomized irregular circular algorithm for proliferation rate estimation in brain tumor Ki-67 histology images | |
Saghir et al. | Skin cancer detection and classification based on differential analyzer algorithm | |
Oprisescu et al. | Automatic pap smear nuclei detection using mean-shift and region growing | |
Mazo et al. | Automatic recognition of fundamental tissues on histology images of the human cardiovascular system | |
Guatemala-Sanchez et al. | Nuclei segmentation on histopathology images of breast carcinoma | |
Irshad | Automated mitosis detection in color and multi-spectral high-content images in histopathology: application to breast cancer grading in digital pathology | |
Alomari et al. | Adaptive Localization of Focus Point Regions via Random Patch Probabilistic Density from Whole‐Slide, Ki‐67‐Stained Brain Tumor Tissue | |
Gramacki et al. | Automatic breast cancer diagnostics based on statistical analysis of shape and texture features of individual cell nuclei | |
Gramacki et al. | Automatic Breast Cancer Diagnostics Based on Statistical Analysis of Shape and Texture Features of Individual Cell | |
Alomari et al. | Research Article Adaptive Localization of Focus Point Regions via Random Patch Probabilistic Density from Whole-Slide, Ki-67-Stained Brain Tumor Tissue | |
PUECH et al. | Automated Mitosis Detection in Color and Multi-spectral High-Content Images in Histopathology: Application to Breast Cancer Grad-ing in Digital Pathology |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180326 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190919 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20191122 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20191122 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20200124 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200128 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200423 |
|
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: 20200707 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200804 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6745874 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
LAPS | Cancellation because of no payment of annual fees |