JP6924761B2 - 異なる取得性質を持つ画像を分離するシステム及び方法 - Google Patents
異なる取得性質を持つ画像を分離するシステム及び方法 Download PDFInfo
- Publication number
- JP6924761B2 JP6924761B2 JP2018531638A JP2018531638A JP6924761B2 JP 6924761 B2 JP6924761 B2 JP 6924761B2 JP 2018531638 A JP2018531638 A JP 2018531638A JP 2018531638 A JP2018531638 A JP 2018531638A JP 6924761 B2 JP6924761 B2 JP 6924761B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- channel
- images
- pixels
- dye
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- 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
- G06V20/693—Acquisition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2134—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on separation criteria, e.g. independent component analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
- G06F18/2148—Generating training patterns; Bootstrap methods, e.g. bagging or boosting characterised by the process organisation or structure, e.g. boosting cascade
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/28—Determining representative reference patterns, e.g. by averaging or distorting; Generating dictionaries
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/7715—Feature extraction, e.g. by transforming the feature space, e.g. multi-dimensional scaling [MDS]; Mappings, e.g. subspace methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/772—Determining representative reference patterns, e.g. averaging or distorting patterns; Generating dictionaries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/98—Detection or correction of errors, e.g. by rescanning the pattern or by human intervention; Evaluation of the quality of the acquired patterns
- G06V10/993—Evaluation of the quality of the acquired pattern
-
- 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
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10056—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
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- 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
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/03—Recognition of patterns in medical or anatomical images
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Medical Informatics (AREA)
- Quality & Reliability (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Description
[0001]本開示は、2015年12月18日出願の米国仮特許出願第62/269,767号に対する優先権を主張し、同出願の全体が引用により本明細書に援用される。
・多チャネル入力画像から多数の特徴画像を作成するステップであって、特徴画像が、エッジ検出フィルタ、ぼけフィルタ、ハイ又はローパスフィルタなどを含むがこれらに限定されない、原画像に適用される異なる種類のフィルタ又は数学的処理でもよく、特徴画像が入力画像における各画素に対して特徴ベクトルを形成する、ステップと、
・局所撮像特性に基づいてこれらの特徴ベクトルの各々を分類し、そして撮像特性を共有する入力画像における領域を特定するステップと、
・同じ撮像特性を有する画像例における領域から得られた基準ベクトルを使用して範囲の各々を別々に分離して、各領域に対して一組の分離された染料チャネル画像という結果になるステップと、
・別々に分離された領域の各々からの多数の分離結果を組み合わせて、各染料チャネルに対して一組の最終分離結果画像を形成するステップ。
・複数の染料から成る多チャネル画像を得るステップであって、各染料の色チャネルの強さ又は強度が局所焦点品質に応じて異なる、ステップと、
・局所焦点品質に基づいて多チャネル画像を複数の領域に分類するステップと、
・多チャネル画像を領域に対応する複数の領域画像に分割するステップと、
・各領域画像に対して、その局所焦点品質に対して色チャネルに対応する複数の基準ベクトルを求めるステップであって、各基準ベクトルが各色チャネルと関連付けられる赤、緑及び青色成分から成る、ステップと、
・領域画像に対して求められた基準ベクトルを使用して各領域画像を分離するステップであって、各領域画像を分離することが複数の個々の染料チャネル画像という結果になる、ステップと、
・領域画像の個々の染料チャネル画像を各染料チャネルに対して組合せ染料チャネル画像に組み合わせて、それによって複数の組合せ染料チャネル画像を生成するステップとを含んでもよい。
・画像取得及び記憶システムから、複数の染料から成る多チャネル画像を得ることであって、各染料の色チャネルの強さ又は強度が局所焦点品質に応じて異なる、ことと、
・局所焦点品質に基づいて多チャネル画像を複数の領域に分類することと、
・多チャネル画像を領域に対応する複数の領域画像に分割することと、
・各領域画像に対して、その局所焦点品質に対して色チャネルに対応する複数の基準ベクトルを求めることであって、各基準ベクトルが各色チャネルと関連付けられる赤、緑及び青色成分から成る、ことと、
・領域画像に対して求められた基準ベクトルを使用して各領域画像を分離することであって、各領域画像を分離することが複数の個々の染料チャネル画像という結果になる、ことと、
・領域画像の個々の染料チャネル画像を各染料チャネルに対して組合せ染料チャネル画像に組み合わせて、それによって複数の組合せ染料チャネル画像を生成することと、を含む動作を行わせるデジタル符号化された命令を記憶するように構成される。
・一緒に混合された複数の色チャネルから成る多チャネル画像を得るステップと、
・多チャネル画像を複数の領域に分類するステップと、
・多チャネル画像を領域に対応する複数の領域画像に分割するステップと、
・各領域画像に対して、多チャネル画像の色チャネルに対応する複数の基準ベクトルを求めるステップであって、各基準ベクトルが各色チャネルと関連付けられる複数の色成分から成る、ステップと、
・領域画像に対して求められた基準ベクトルを使用して各領域画像を分離するステップであって、各領域画像を分離することが複数の個々の染料チャネル画像という結果になる、ステップと、
・領域画像の個々の染料チャネル画像を各染料チャネルに対して組合せ染料チャネル画像に組み合わせて、それによって複数の組合せ染料チャネル画像を生成するステップとを含んでもよい。
・画像取得及び記憶システムから、一緒に混合された複数の色チャネルから成る多チャネル画像を得ることと、
・多チャネル画像を複数の領域に分類することと、
・多チャネル画像を領域に対応する複数の領域画像に分割することと、
・各領域画像に対して、多チャネル画像の色チャネルに対応する複数の基準ベクトルを求めることであって、各基準ベクトルが各色チャネルと関連付けられる複数の色成分から成る、ことと、
・領域画像に対して求められた基準ベクトルを使用して各領域画像を分離することであって、各領域画像を分離することが複数の個々の染料チャネル画像という結果になる、ことと、
・領域画像の個々の染料チャネル画像を各染料チャネルに対して組合せ染料チャネル画像に組み合わせて、それによって複数の組合せ染料チャネル画像を生成することと、を含む動作を行わせるデジタル符号化された命令を記憶するように構成される、プロセッサに作動的に結合されるメモリとを備えてもよい。
定義
[0030]画素は、画像の最小の分割できない要素を指すことができる。画素は、複数の連続した画素を含むスーパーピクセルにグループ化されることができる。グループ化は、通常、色、輝度などといった、画像の局所特性に依存する。本明細書で使用される場合、用語「画素」は、画像の最小の分割できない要素である「画素」と、複数の連続した画素を含む、グループ化された画素である「スーパーピクセル」との両方の意味を含むように定義される。
[0034]用語「特徴ベクトル」は、画像における画素を中心とする勾配、色強度、色相及び他のフィルタ出力を表す複数の数字を指す。
[0036]「正則化フィルタ」は、多数決などのなんらかの規則に応じて、別のフィルタ又は一組のフィルタから導出される同じ値を一組の連続した画素に割り当てるフィルタである。
[0076]本開示の様々な変更は、本明細書に記載されたものに加えて、前述の説明から当業者にとって明らかであろう。そのような変更は、添付の請求項の範囲内に納まるものとも意図される。本出願における各引用文献は、その全体が引用により本明細書に援用される。
Claims (14)
- 複数の染料で染色された生物組織試料の多チャネル画像から色チャネルを分離する医用画像分析法であって、
a.前記複数の染料から成る前記多チャネル画像を得るステップであり、各染料の前記色チャネルの強さ又は強度が局所焦点品質に応じて異なる、ステップと、
b.前記局所焦点品質に基づいて前記多チャネル画像を複数の領域に分類するステップと、
c.前記多チャネル画像を前記領域に対応する複数の領域画像に分割するステップと、
d.各領域画像に対して、前記局所焦点品質に対して前記色チャネルに対応する複数の基準ベクトルを求めるステップであり、各基準ベクトルが各色チャネルと関連付けられる赤、緑及び青色成分から成る、ステップと、
e.前記領域画像に対して求められた前記基準ベクトルを使用して各領域画像を分離するステップであり、各領域画像を分離することが複数の個々の染料チャネル画像という結果になる、ステップと、
f.前記領域画像の前記個々の染料チャネル画像を各染料チャネルに対して組合せ染料チャネル画像に組み合わせて、それによって複数の組合せ染料チャネル画像を生成するステップとを含む、方法。 - 前記焦点品質が、各画像画素に対してメトリックを計算することによって求められ、前記メトリックに閾値又は一組の閾値が適用され、前記複数の領域画像が、焦点内と分類される画素から成る第1の領域画像及び焦点外と分類される画素から成る第2の領域画像から成る、請求項1に記載の方法。
- 前記メトリックを計算するステップが、
a.前記多チャネル画像から単一チャネル画像を作成するステップと、
b.前記単一チャネル画像をラプラシアン・ガウシアンフィルタでフィルタリングするステップと、
c.前記ラプラシアン・ガウシアンフィルタをメジアンフィルタで調整して、それによってフィルタリングされた画像という結果になるステップと、
d.前記フィルタリングされた画像での値が前記閾値を下回る前記多チャネル画像の画素を焦点外類に分類するステップと、
e.前記フィルタリングされた画像での値が前記閾値を上回る前記多チャネル画像の画素を焦点内類に分類するステップと、
f.任意の焦点内画素から調節可能な半径内の任意の画素を前記焦点内類に再分類するステップとをさらに含む、請求項2に記載の方法。 - 多チャネル画像から色チャネルを分離する方法であって、
a.一緒に混合された複数の色チャネルから成る前記多チャネル画像を得るステップであり、各色チャネルの強さ又は強度が局所焦点品質に応じて異なる、ステップと、
b.前記局所焦点品質に基づいて前記多チャネル画像を複数の領域に分類するステップと、
c.前記多チャネル画像を前記領域に対応する複数の領域画像に分割するステップと、
d.各領域画像に対して、前記局所焦点品質に対して前記多チャネル画像における色チャネルに対応する複数の基準ベクトルを求めるステップであって、各基準ベクトルが各色チャネルと関連付けられる複数の色成分から成る、ステップと、
e.前記領域画像に対して求められた前記基準ベクトルを使用して各領域画像を分離するステップであって、各領域画像を分離することが複数の個々の染料チャネル画像という結果になる、ステップと、
f.前記領域画像の前記個々の染料チャネル画像を各染料チャネルに対して組合せ染料チャネル画像に組み合わせて、それによって複数の組合せ染料チャネル画像を生成するステップとを含む、方法。 - 前記多チャネル画像を分類するステップが、
a.前記多チャネル画像から複数の特徴画像を生成するステップと、
b.複数の特徴ベクトルを生成するステップであって、各特徴ベクトルが、各特徴画像における同じ位置で画素を選択し、そしてそれらを配列にまとめることによって形成される複数の画素から成る、ステップと、
c.前記特徴ベクトルを使用して前記画素を分類するステップと、
d.ごく近接する画素が同じ類に割り当てられるように正則化フィルタを適用して、それによって前記多チャネル画像を前記画素の前記割り当てられた類に対応する領域に分けるステップとをさらに含む、請求項4に記載の方法。 - 前記画素を分類するために、教師あり分類工程が活用され、前記教師あり分類工程が、
a.一組の注釈付画像例を読み込むステップであって、個々の画素に純粋な染料の例として注釈が付けられ、前記注釈が前記画素に対する分類識別から成る、ステップと、
b.各画像例に対して複数の特徴画像を生成するステップと、
c.各注釈付画素に対して特徴ベクトルを生成するステップであって、前記特徴ベクトルが、各特徴画像における前記同じ位置で前記画素を選択することによって形成される前記複数の画素から成る、ステップと、
d.前記特徴ベクトルを前記注釈からの前記分類と組み合わせて一組の分類データを生成するステップと、
e.前記分類データを使用して教師あり学習アルゴリズムを訓練して、前記訓練データの前記特徴ベクトルを考慮して前記訓練データの前記分類を予測するステップと、
f.前記訓練された教師あり分類アルゴリズムを前記多チャネル画像における各画素の前記特徴ベクトルに適用して、それによって前記特徴画像における各画素に対して分類を生成するステップとを含む、請求項5に記載の方法。 - 前記画素を分類するために、非教師あり分類工程が活用され、前記非教師あり分類工程が、前記特徴画像における全ての画素の前記特徴ベクトルにクラスタリングマッピング工程を適用して前記多チャネル画像のクラスタマップを生成するステップを含み、各類が前記画像の前記クラスタマップの領域を表し、前記クラスタマップの前記同じ領域内の全ての画素が前記対応する類に割り当てられる、請求項5に記載の方法。
- 複数の染料で染色された生物組織試料の多チャネル画像から色チャネルを分離するための医用画像分析システムであって、
a.画像取得及び記憶システムと、
b.前記画像取得及び記憶システムに作動的に結合されるプロセッサと、
c.前記プロセッサによって実行されると、前記プロセッサに、
i.前記画像取得及び記憶システムから、前記複数の染料から成る前記多チャネル画像を得るステップであって、各染料の前記色チャネルの強さ又は強度が局所焦点品質に応じて異なる、ステップと、
ii.前記局所焦点品質に基づいて前記多チャネル画像を複数の領域に分類するステップと、
iii.前記多チャネル画像を前記領域に対応する複数の領域画像に分割するステップと、
iv.各領域画像に対して、前記局所焦点品質に対して前記色チャネルに対応する複数の基準ベクトルを求めるステップであって、各基準ベクトルが各色チャネルと関連付けられる赤、緑及び青色成分から成る、ステップと、
v.前記領域画像に対して求められた前記基準ベクトルを使用して各領域画像を分離するステップであって、各領域画像を分離することが複数の個々の染料チャネル画像という結果になる、ステップと、
vi.前記領域画像の前記個々の染料チャネル画像を各染料チャネルに対して組合せ染料チャネル画像に組み合わせて、それによって複数の組合せ染料チャネル画像を生成するステップと、を含む動作を行わせるデジタル符号化された命令を記憶するように構成される、前記プロセッサに作動的に結合されるメモリとを備える、システム。 - 前記焦点品質が、各画像画素に対してメトリックを計算することによって求められ、前記メトリックに閾値又は一組の閾値が適用され、前記複数の領域画像が、焦点内と分類される画素から成る第1の領域画像及び焦点外と分類される画素から成る第2の領域画像から成る、請求項8に記載のシステム。
- 前記メトリックを計算するステップが、
a.前記多チャネル画像から単一チャネル画像を作成するステップと、
b.前記単一チャネル画像をラプラシアン・ガウシアンフィルタでフィルタリングするステップと、
c.前記ラプラシアン・ガウシアンフィルタをメジアンフィルタで調整して、それによってフィルタリングされた画像という結果になるステップと、
d.前記フィルタリングされた画像での値が前記閾値を下回る前記多チャネル画像の画素を焦点外類に分類するステップと、
e.前記フィルタリングされた画像での値が前記閾値を上回る前記多チャネル画像の画素を焦点内類に分類するステップと、
f.任意の焦点内画素から調節可能な半径内の任意の画素を前記焦点内類に再分類するステップとをさらに含む、請求項9に記載のシステム。 - 多チャネル画像から色チャネルを分離するための命令を記憶した非一時的コンピュータ可読記憶媒体であって、前記命令が、プロセッサによって実行されると、前記プロセッサに、
i.画像取得及び記憶システムから、一緒に混合された複数の色チャネルから成る前記多チャネル画像を得るステップであり、各色チャネルの強さ又は強度が局所焦点品質に応じて異なる、ステップと、
ii.前記局所焦点品質に基づいて前記多チャネル画像を複数の領域に分類するステップと、
iii.前記多チャネル画像を前記領域に対応する複数の領域画像に分割するステップと、
iv.各領域画像に対して、前記局所焦点品質に対して前記多チャネル画像の色チャネルに対応する複数の基準ベクトルを求めるステップであって、各基準ベクトルが各色チャネルと関連付けられる複数色成分から成る、ステップと、
v.前記領域画像に対して求められた前記基準ベクトルを使用して各領域画像を分離するステップであって、各領域画像を分離することが複数の個々の染料チャネル画像という結果になる、ステップと、
vi.前記領域画像の前記個々の染料チャネル画像を各染料チャネルに対して組合せ染料チャネル画像に組み合わせて、それによって複数の組合せ染料チャネル画像を生成するステップと、を含む動作を行わせる、非一時的コンピュータ可読記憶媒体。 - 前記多チャネル画像を分類するステップが、
a.前記多チャネル画像から複数の特徴画像を生成するステップと、
b.複数の特徴ベクトルを生成するステップであって、各特徴ベクトルが、各特徴画像における同じ位置で画素を選択し、そしてそれらを配列にまとめることによって形成される複数の画素から成る、ステップと、
c.前記特徴ベクトルを使用して前記画素を分類するステップと、
d.ごく近接する画素が同じ類に割り当てられるように正則化フィルタを適用して、それによって前記多チャネル画像を前記画素の前記割り当てられた類に対応する領域に分けるステップとをさらに含む、請求項11に記載の非一時的コンピュータ可読記憶媒体。 - 前記画素を分類するために、教師あり分類工程が活用され、前記教師あり分類工程が、
a.一組の注釈付画像例を読み込むステップであって、個々の画素に純粋な染料の例として注釈が付けられ、前記注釈が前記画素に対する分類識別から成る、ステップと、
b.各画像例に対して複数の特徴画像を生成するステップと、
c.各注釈付画素に対して特徴ベクトルを生成するステップであって、前記特徴ベクトルが、各特徴画像における前記同じ位置で前記画素を選択することによって形成される前記複数の画素から成る、ステップと、
d.前記特徴ベクトルを前記注釈からの前記分類と組み合わせて一組の分類データを生成するステップと、
e.前記分類データを使用して教師あり学習アルゴリズムを訓練して、前記訓練データの前記特徴ベクトルを考慮して前記訓練データの前記分類を予測するステップと、
f.前記訓練された教師あり分類アルゴリズムを前記多チャネル画像における各画素の前記特徴ベクトルに適用して、それによって前記特徴画像における各画素に対して分類を生成するステップとを含む、請求項12に記載の非一時的コンピュータ可読記憶媒体。 - 前記画素を分類するために、非教師あり分類工程が活用され、前記非教師あり分類工程が、前記特徴画像における全ての画素の前記特徴ベクトルにクラスタリングマッピング工程を適用して前記多チャネル画像のクラスタマップを生成するステップを含み、各類が前記画像の前記クラスタマップの領域を表し、前記クラスタマップの前記同じ領域内の全ての画素が前記対応する類に割り当てられる、請求項12に記載の非一時的コンピュータ可読記憶媒体。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201562269767P | 2015-12-18 | 2015-12-18 | |
US62/269,767 | 2015-12-18 | ||
PCT/EP2016/081329 WO2017103035A1 (en) | 2015-12-18 | 2016-12-16 | Systems and methods of unmixing images with varying acquisition properties |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019505041A JP2019505041A (ja) | 2019-02-21 |
JP6924761B2 true JP6924761B2 (ja) | 2021-08-25 |
Family
ID=57680242
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018531638A Active JP6924761B2 (ja) | 2015-12-18 | 2016-12-16 | 異なる取得性質を持つ画像を分離するシステム及び方法 |
Country Status (6)
Country | Link |
---|---|
US (1) | US11062168B2 (ja) |
EP (1) | EP3391288B1 (ja) |
JP (1) | JP6924761B2 (ja) |
AU (1) | AU2016369355A1 (ja) |
CA (1) | CA3002902C (ja) |
WO (1) | WO2017103035A1 (ja) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11199506B2 (en) * | 2018-02-21 | 2021-12-14 | Applied Materials Israel Ltd. | Generating a training set usable for examination of a semiconductor specimen |
US11763538B2 (en) * | 2018-08-31 | 2023-09-19 | Canon Kabushiki Kaisha | Image processing apparatus and electronic apparatus |
US11107216B2 (en) * | 2019-01-18 | 2021-08-31 | The Joan and Irwin Jacobs Technion-Cornell Institute | System and method for microscopic image processing and determining myelination status using processed images |
US10724956B1 (en) | 2019-02-01 | 2020-07-28 | Essen Instruments, Inc. | Spectral unmixing |
EP3719477B1 (en) * | 2019-04-03 | 2023-01-18 | Mecwins, S.A. | Method for optically detecting biomarkers |
CN111553272B (zh) * | 2020-04-28 | 2022-05-06 | 上海市测绘院 | 基于深度学习的高分辨率卫星光学遥感影像建筑物变化检测方法 |
CN116264643A (zh) * | 2021-12-13 | 2023-06-16 | 超威半导体(上海)有限公司 | 图像中的假彩色的检测 |
CN115311463B (zh) * | 2022-10-09 | 2023-02-03 | 中国海洋大学 | 类别引导多尺度解耦的海洋遥感图像文本检索方法及系统 |
Family Cites Families (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7116800B2 (en) * | 2001-05-30 | 2006-10-03 | Eaton Corporation | Image segmentation system and method |
JP4547869B2 (ja) * | 2003-05-06 | 2010-09-22 | ソニー株式会社 | 画像処理方法、および画像処理装置 |
WO2004111930A2 (en) | 2003-05-30 | 2004-12-23 | Rabinovich Andrew M | Color unmixing and region of interest detection in tissue samples |
JP2005056282A (ja) * | 2003-08-06 | 2005-03-03 | Sony Corp | 画像処理方法、画像処理装置、およびプログラム |
US20050136509A1 (en) * | 2003-09-10 | 2005-06-23 | Bioimagene, Inc. | Method and system for quantitatively analyzing biological samples |
US7231097B2 (en) * | 2003-12-16 | 2007-06-12 | Searete, Llc | Lens defect correction |
US8643955B2 (en) * | 2003-12-16 | 2014-02-04 | The Invention Science Fund I, Llc | Image correction using individual manipulation of microlenses in a microlens array |
US7720289B2 (en) * | 2005-12-14 | 2010-05-18 | Mitsubishi Electric Research Laboratories, Inc. | Method for constructing covariance matrices from data features |
JP5281446B2 (ja) * | 2008-06-05 | 2013-09-04 | キヤノン株式会社 | 撮像装置、その制御方法及びプログラム |
US8781250B2 (en) | 2008-06-26 | 2014-07-15 | Microsoft Corporation | Image deconvolution using color priors |
US8571342B2 (en) * | 2008-08-27 | 2013-10-29 | Adobe Systems Incorporated | Image processing and generation of focus information |
JP2010169592A (ja) * | 2009-01-23 | 2010-08-05 | Olympus Corp | 画像処理装置および画像処理プログラム |
JP2011095225A (ja) * | 2009-11-02 | 2011-05-12 | Olympus Corp | 画像処理装置、画像処理方法および顕微鏡システム |
US8203114B2 (en) * | 2009-05-14 | 2012-06-19 | Raytheon Company | Adaptive spatial-spectral processing (ASSP) |
US8948488B2 (en) * | 2009-07-31 | 2015-02-03 | General Electric Company | Methods and systems for digitally enhancing an image of a stained material |
JP5780865B2 (ja) * | 2011-07-14 | 2015-09-16 | キヤノン株式会社 | 画像処理装置、撮像システム、画像処理システム |
US8831327B2 (en) | 2011-08-30 | 2014-09-09 | General Electric Company | Systems and methods for tissue classification using attributes of a biomarker enhanced tissue network (BETN) |
US9607374B2 (en) | 2011-11-10 | 2017-03-28 | Cadess Medical Ab | Color decomposition in histology |
JP5995215B2 (ja) * | 2012-05-14 | 2016-09-21 | 学校法人東京理科大学 | 癌細胞領域抽出装置、方法、及びプログラム |
US10176579B2 (en) * | 2013-03-15 | 2019-01-08 | Ventana Medical Systems, Inc. | Tissue object-based machine learning system for automated scoring of digital whole slides |
WO2014195193A1 (en) | 2013-06-03 | 2014-12-11 | Ventana Medical Systems, Inc. | Image adaptive physiologically plausible color separation |
CA2920492C (en) * | 2013-09-30 | 2019-08-13 | Ventana Medical Systems, Inc. | Systems and methods for adaptive histopathology image unmixing |
CN104200428B (zh) | 2014-08-18 | 2017-07-18 | 南京信息工程大学 | 基于非负矩阵分解的显微图像彩色去卷积方法及分割方法 |
-
2016
- 2016-12-16 CA CA3002902A patent/CA3002902C/en active Active
- 2016-12-16 JP JP2018531638A patent/JP6924761B2/ja active Active
- 2016-12-16 EP EP16819508.9A patent/EP3391288B1/en active Active
- 2016-12-16 AU AU2016369355A patent/AU2016369355A1/en not_active Abandoned
- 2016-12-16 WO PCT/EP2016/081329 patent/WO2017103035A1/en active Application Filing
-
2018
- 2018-06-15 US US16/010,389 patent/US11062168B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
WO2017103035A1 (en) | 2017-06-22 |
EP3391288B1 (en) | 2023-07-12 |
US11062168B2 (en) | 2021-07-13 |
CA3002902A1 (en) | 2017-06-22 |
CA3002902C (en) | 2023-05-09 |
EP3391288A1 (en) | 2018-10-24 |
AU2016369355A1 (en) | 2018-05-10 |
JP2019505041A (ja) | 2019-02-21 |
US20180293456A1 (en) | 2018-10-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6924761B2 (ja) | 異なる取得性質を持つ画像を分離するシステム及び方法 | |
JP7458328B2 (ja) | マルチ分解能登録を介したマルチサンプル全体スライド画像処理 | |
JP7153095B2 (ja) | 生体試料の複数の画像を表示するための画像処理システムおよび方法 | |
US10706542B2 (en) | Systems and methods for detection of structures and/or patterns in images | |
JP6763781B2 (ja) | 複数の染色で染色されている生物組織サンプルから取得されるマルチチャネル画像を分析するための画像処理方法及びシステム | |
US20200098105A1 (en) | Methods and Systems for Assessing Cell Morphology | |
US8600143B1 (en) | Method and system for hierarchical tissue analysis and classification | |
WO2017150194A1 (ja) | 画像処理装置、画像処理方法及びプログラム | |
Razzak | Malarial parasite classification using recurrent neural network | |
US20220366619A1 (en) | Systems and methods to process electronic images to adjust attributes of the electronic images | |
Lezoray et al. | Automatic segmentation and classification of cells from broncho alveolar lavage | |
WO2022259648A1 (ja) | 情報処理プログラム、情報処理装置、情報処理方法、及び顕微鏡システム | |
CA3216960A1 (en) | Systems and methods to process electronic images to adjust stains in electronic images |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20191112 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210107 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210121 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210414 |
|
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: 20210708 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210802 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6924761 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |