JP7200945B2 - 画像着色装置、画像着色方法、プログラム、及び画像着色システム - Google Patents
画像着色装置、画像着色方法、プログラム、及び画像着色システム Download PDFInfo
- Publication number
- JP7200945B2 JP7200945B2 JP2019557035A JP2019557035A JP7200945B2 JP 7200945 B2 JP7200945 B2 JP 7200945B2 JP 2019557035 A JP2019557035 A JP 2019557035A JP 2019557035 A JP2019557035 A JP 2019557035A JP 7200945 B2 JP7200945 B2 JP 7200945B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- coloring
- information
- color
- cell nucleus
- 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
- 238000004040 coloring Methods 0.000 title claims description 158
- 238000000034 method Methods 0.000 title claims description 30
- 238000012545 processing Methods 0.000 claims description 98
- 230000000877 morphologic effect Effects 0.000 claims description 67
- 238000000926 separation method Methods 0.000 claims description 62
- 210000003855 cell nucleus Anatomy 0.000 claims description 54
- 238000004042 decolorization Methods 0.000 claims description 50
- 239000003086 colorant Substances 0.000 claims description 44
- 238000002073 fluorescence micrograph Methods 0.000 claims description 27
- 230000006870 function Effects 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 9
- 238000007490 hematoxylin and eosin (H&E) staining Methods 0.000 claims description 8
- 238000011532 immunohistochemical staining Methods 0.000 claims description 4
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 claims description 2
- 238000003364 immunohistochemistry Methods 0.000 description 35
- 238000006243 chemical reaction Methods 0.000 description 21
- 238000010586 diagram Methods 0.000 description 18
- 238000010186 staining Methods 0.000 description 13
- 210000004027 cell Anatomy 0.000 description 11
- 239000000975 dye Substances 0.000 description 7
- 230000001575 pathological effect Effects 0.000 description 7
- 230000000694 effects Effects 0.000 description 6
- 210000001519 tissue Anatomy 0.000 description 6
- 206010028980 Neoplasm Diseases 0.000 description 4
- 201000011510 cancer Diseases 0.000 description 4
- 239000000126 substance Substances 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 210000004940 nucleus Anatomy 0.000 description 3
- 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 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000004043 dyeing Methods 0.000 description 2
- 238000003708 edge detection Methods 0.000 description 2
- 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 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001151 other effect Effects 0.000 description 2
- FWBHETKCLVMNFS-UHFFFAOYSA-N 4',6-Diamino-2-phenylindol Chemical compound C1=CC(C(=N)N)=CC=C1C1=CC2=CC=C(C(N)=N)C=C2N1 FWBHETKCLVMNFS-UHFFFAOYSA-N 0.000 description 1
- 241000894006 Bacteria Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004061 bleaching Methods 0.000 description 1
- 210000000601 blood cell Anatomy 0.000 description 1
- -1 blood cells Substances 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000007850 fluorescent dye Substances 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012758 nuclear staining Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/001—Texturing; Colouring; Generation of texture or colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- 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
- G06T7/90—Determination of colour characteristics
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10064—Fluorescence 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
- G06T2207/20081—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
- G06T2207/20084—Artificial neural networks [ANN]
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Processing (AREA)
- Investigating Or Analysing Biological Materials (AREA)
- Image Analysis (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
Description
なお、上記の効果は必ずしも限定的なものではなく、上記の効果とともに、または上記の効果に代えて、本明細書に示されたいずれかの効果、または本明細書から把握され得る他の効果が奏されてもよい。
1.システムの構成例
2.本実施形態のシステムによる着色処理の具体例
2.1.明視野画像の色変換
2.2.蛍光画像の色変換
2.3.明視野画像でサンプルにアーチファクトが存在する場合
3.表示アプリケーションの例
本開示は、機械学習を使って画像の色変換する方法に関する。対象となる画像として、例えば病理染色画像などの病理画像が挙げられる。本実施形態では、特に、病理染色画像の色を変換する場合に、病理画像の色素の位置及び染色情報を使って、細胞核とその他の細胞領域及び組織領域に自動的に精度よく色付けをする手法について説明する。
Neural Network:DNN)による機械学習手法である。学習画像には、細胞核、繊維、血球、脂肪、菌などの領域が含まれていることが望ましい。学習の工程で入力される学習画像を病理染色画像に限定することで、色の間違いが起こりにくい学習器100を構成することができる。
Eosin:HE)染色による画像(以下、HE画像という)とした場合に、ステイン分離処理による分離結果を模式的に示す図である。また、図4は、HE画像を入力画像とした場合に、ステイン分離処理による分離結果の実際の例を示す図である。ヘマトキシリン・エオジン染色により、HE画像では、細胞核は紫色に染色され、細胞核以外の組織成分は赤色に染色される。図3及び図4に示したように、HE画像にステイン分離処理を施すことにより、細胞核は紫色に分離され、細胞核以外は赤色に分離される。
次に、本実施形態のシステムによる着色処理(色変換処理)のいくつかの具体例について説明する
先ず、明視野画像の色変換について説明する。明視野画像として、上述したHE画像やIHC画像などが挙げられる。ここで、免疫組織化学(Immunohistochemistry:IHC)により、抗原抗体反応を利用して組織や細胞中の特定の物質を特異的に検出する際に用いる画像を、IHC画像と称する。本実施形態によれば、これらの明視野画像間で相互に色変換処理を行うことができる。
次に、蛍光画像の明視野色変換について説明する。例えば、蛍光画像からHE画像またはIHC画像へ色変換する場合が挙げられる。例えばDAPIを蛍光色素として用い、観察対象物の染色を行い、観察対象物の蛍光画像を得る。そして、蛍光画像を核情報としてサンプリングする。そして、核情報に対してリファレンスの基準色を割り当てて着色を行う。リファレンスの基準色は、HE画像であれば紫、IHC画像であれば青である。
ここでは、明視野画像でサンプルにアーチファクト(人工物、異物)が存在する場合について説明する。病理染色画像の場合、アーチファクトとして例えば気泡が挙げられる。アーチファクトは、非常に深い黒色であり、他の色と識別が容易である。この黒色を検出する閾値処理でマスク画像を生成し、その領域に例えばHE画像の赤(ピンク)の基準色を割り当てることで、通常の組織と同じ色になり視認性が向上する。本処理と上述した「2.1.明視野画像の色変換」の処理を繋げることで、アーチファクトのある標本に関してもリファレンス画像に近い色を再現することができる。
次に、出力画像を表示装置250に表示する際のアプリケーション例について説明する。本実施形態では、表示処理部210の処理により、入力画像と出力画像をともに表示装置250に表示することが可能である。例えば、IHC画像が入力画像であり、HE画像が出力画像である場合、癌細胞などを判別するためにIHC画像を観察し、細胞の形状を判別するためにHE画像を観察することが考えられる。
(1) 色が脱色された脱色画像を取得する取得部と、
前記脱色画像から得られる形態情報に基づいて、前記形態情報と色情報との対応を予め学習した学習結果情報を参照して、前記形態情報に対応する色を前記脱色画像に着色する着色部と、
を備える、画像着色装置。
(2) 前記取得部は、色が付いた入力画像に脱色処理を施す脱色処理部から構成される、前記(1)に記載の画像着色装置。
(3) 前記学習結果情報は、複数の学習画像の形態情報と当該形態情報に対応する色情報との対応を学習して得られる、前記(1)又は(2)に記載の、画像着色装置。
(4) 前記入力画像にステイン分離処理を行うステイン分離部を備え、
前記着色部は、前記ステイン分離処理により得られる補助情報を使用して前記着色を行う、前記(2)に記載の画像着色装置。
(5) 前記補助情報は、前記ステイン分離処理により分離された前記入力画像中の所定の部位の位置情報であり、
前記着色部は、前記入力画像のうち前記位置情報に対応する部位については、前記所定の部位に対応する色を着色する、前記(4)に記載の画像着色装置。
(6) 前記所定の部位は、細胞核に対応する部位である、前記(5)に記載の画像着色装置。
(7) 前記着色部は、前記ステイン分離処理により分離された前記所定の部位において、前記入力画像から得られる色を着色する、前記(5)又は(6)に記載の画像着色装置。
(8) 前記着色部は、前記ステイン分離処理により得られる前記所定の部位において、前記ステイン分離処理に基づいて前記学習結果情報から得られるリファレンス色を着色する、前記(5)又は(6)に記載の画像着色装置。
(9) 前記入力画像はHE染色により得られるHE画像であり、前記着色部は前記脱色処理が施された前記入力画像に前記HE画像に対応する色を着色する、前記(2)に記載の画像着色装置。
(10) 前記入力画像はIHC染色により得られるIHC画像であり、前記着色部は前記脱色処理が施された前記入力画像にHE染色により得られるHE画像に対応する色を着色する、前記(2)に記載の画像着色装置。
(11) 前記取得部は、蛍光体を観察対象物に付与して得られる蛍光画像を前記脱色画像として取得し、
前記着色部は、前記蛍光画像にHE染色により得られるHE画像又はIHC染色により得られるIHC画像に対応する色を着色する、前記(1)に記載の画像着色装置。
(12) 前記着色部は、前記蛍光画像を構成する複数の画像について着色を行い、着色された前記複数の画像の重ね合わせを行う、前記(11)に記載の画像着色装置。
(13) 前記着色部による着色の前に、前記蛍光画像のゲイン調整又はネガポジ反転処理を行う、前記(11)又は(12)に記載の画像着色装置。
(14) 前記着色部は、前記脱色画像から黒色の領域を取得し、当該黒色の領域については予め定められた所定の色を着色する、前記(1)~(13)のいずれかに記載の画像着色装置。
(15) 前記着色部による着色前の画像と着色後の画像を表示装置に表示するための処理を行う表示処理部を備える、前記(1)~(14)のいずれかに記載の画像着色装置。
(16) 前記表示処理部は、同一の観察対象物について、前記観察対象物の第1の領域は着色前の画像を表示させ、前記観察対象物の第2の領域は着色後の画像を表示させる、前記(15)に記載の画像着色装置。
(17) 前記表示処理部は、着色前の画像と着色後の画像を同一画面上に表示し、操作情報に基づいて着色前の画像と着色後の画像を同じ方向に移動させる、前記(15)に記載の画像着色装置。
(18) 前記表示処理部は、着色前の画像と着色後の画像のそれぞれについて、奥行方向の断面位置が同じ画像を表示させ、操作情報に基づいて断面位置を変更する、前記(15)に記載の画像着色装置。
(19) 病理染色画像に着色を行う、請求項1に記載の画像着色装置。
(20) 色が脱色された脱色画像を取得することと、
前記脱色画像から得られる形態情報に基づいて、前記形態情報と色情報との対応を予め学習した学習結果情報を参照して、前記形態情報に対応する色を前記脱色画像に着色することと、
を備える、画像着色方法。
(21) 色が脱色された脱色画像を取得する手段、
前記脱色画像から得られる形態情報に基づいて、前記形態情報と色情報との対応を予め学習した学習結果情報を参照して、前記形態情報に対応する色を前記脱色画像に着色する手段、
としてコンピュータを機能させるプログラム。
(22) 色が付いた学習画像に脱色処理を施す脱色処理部と、
前記脱色処理が施された前記学習画像から得られる形態情報と、前記脱色処理が施されていない前記学習画像から得られる色情報を対応付けて学習する学習部と、
を備える、画像学習装置。
(23) 色が付いた学習画像に脱色処理を施すことと、
前記脱色処理が施された前記学習画像から得られる形態情報と、前記脱色処理が施されていない前記学習画像から得られる色情報を対応付けて学習することと、
を備える、画像学習方法。
(24) 色が付いた学習画像に脱色処理を施す手段、
前記脱色処理が施された前記学習画像から得られる形態情報と、前記脱色処理が施されていない前記学習画像から得られる色情報を対応付けて学習する手段、
としてコンピュータを機能させるプログラム。
(25) 色が付いた学習画像に脱色処理を施す脱色処理部と、前記脱色処理が施された前記学習画像から得られる形態情報と、前記脱色処理が施されていない前記学習画像から得られる色情報を対応付けて学習する学習部と、を有する、画像学習装置と、
色が脱色された脱色画像を取得する取得部と、前記脱色画像から得られる形態情報に基づいて、前記学習部による学習結果情報を参照して、前記形態情報に対応する色を前記脱色画像に着色する着色部と、を有する、画像着色装置と、
を備える、画像着色システム。
104 学習部
106 脱色フィルタ
200 着色器
202 画像入力部
204 脱色フィルタ
206 着色部
208 ステイン分離部
210 表示処理部
Claims (16)
- 色が付いた入力画像に脱色処理を施す脱色処理部と、
色が脱色された脱色画像を取得する取得部と、
前記脱色画像から得られる形態情報に基づいて、前記形態情報と色情報との対応を予め学習した学習結果情報を参照して、前記形態情報に対応する色を前記脱色画像に着色する着色部と、
前記入力画像にステイン分離処理を行うステイン分離部と、
を備え、
前記着色部は、前記ステイン分離処理によって前記入力画像中の細胞核に対応する部位の位置を示す位置情報と当該細胞核に対応する色とを取得し、さらに、前記形態情報からは前記細胞核の領域でないと判定された領域が、前記ステイン分離処理によって前記細胞核に対応する部位の位置として抽出された場合には、当該細胞核に対応する部位の位置について、原画像である前記入力画像における当該細胞核に対応する部位の位置の色を着色する、
画像着色装置。 - 前記学習結果情報は、複数の学習画像の形態情報と当該形態情報に対応する色情報との対応を学習して得られる、請求項1に記載の画像着色装置。
- 前記入力画像はHE染色により得られるHE画像であり、前記着色部は前記脱色処理が施された前記入力画像に前記HE画像に対応する色を着色する、請求項1に記載の画像着色装置。
- 前記入力画像はIHC染色により得られるIHC画像であり、前記着色部は前記脱色処理が施された前記入力画像にHE染色により得られるHE画像に対応する色を着色する、請求項1に記載の画像着色装置。
- 前記取得部は、蛍光体を観察対象物に付与して得られる蛍光画像を前記脱色画像として取得し、
前記着色部は、前記蛍光画像にHE染色により得られるHE画像又はIHC染色により得られるIHC画像に対応する色を着色する、請求項1に記載の画像着色装置。 - 前記着色部は、前記蛍光画像を構成する複数の画像について着色を行い、着色された前記複数の画像の重ね合わせを行う、請求項5に記載の画像着色装置。
- 前記着色部による着色の前に、前記蛍光画像のゲイン調整又はネガポジ反転処理を行う、請求項5に記載の画像着色装置。
- 前記着色部は、前記脱色画像から黒色の領域を取得し、当該黒色の領域については予め定められた所定の色を着色する、請求項1に記載の画像着色装置。
- 前記着色部による着色前の画像と着色後の画像を表示装置に表示するための処理を行う表示処理部を備える、請求項1に記載の画像着色装置。
- 前記表示処理部は、同一の観察対象物について、前記観察対象物の第1の領域は着色前の画像を表示させ、前記観察対象物の第2の領域は着色後の画像を表示させる、請求項9に記載の画像着色装置。
- 前記表示処理部は、着色前の画像と着色後の画像を同一画面上に表示し、操作情報に基づいて着色前の画像と着色後の画像を同じ方向に移動させる、請求項9に記載の画像着色装置。
- 前記表示処理部は、着色前の画像と着色後の画像のそれぞれについて、奥行方向の断面位置が同じ画像を表示させ、操作情報に基づいて断面位置を変更する、請求項9に記載の画像着色装置。
- 前記脱色画像は、病理染色画像である、請求項1に記載の画像着色装置。
- 色が付いた入力画像に脱色処理を施すことと、
色が脱色された脱色画像を取得することと、
前記脱色画像から得られる形態情報に基づいて、前記形態情報と色情報との対応を予め学習した学習結果情報を参照して、前記形態情報に対応する色を前記脱色画像に着色することと、
前記入力画像にステイン分離処理を行うことと、
を備え、
前記着色することは、前記ステイン分離処理によって前記入力画像中の細胞核に対応する部位の位置を示す位置情報と当該細胞核に対応する色とを取得し、さらに、前記形態情報からは前記細胞核の領域でないと判定された領域が、前記ステイン分離処理によって前記細胞核に対応する部位の位置として抽出された場合には、当該細胞核に対応する部位の位置について、原画像である前記入力画像における当該細胞核に対応する部位の位置の色を着色する、
画像着色方法。 - 色が付いた入力画像に脱色処理を施す脱色手段、
色が脱色された脱色画像を取得する手段、
前記脱色画像から得られる形態情報に基づいて、前記形態情報と色情報との対応を予め学習した学習結果情報を参照して、前記形態情報に対応する色を前記脱色画像に着色する手段、
前記入力画像にステイン分離処理を行うステイン分離手段、
としてコンピュータを機能させるプログラムであって、
前記着色する手段は、前記ステイン分離処理によって前記入力画像中の細胞核に対応する部位の位置を示す位置情報と当該細胞核に対応する色とを取得し、さらに、前記形態情報からは前記細胞核の領域でないと判定された領域が、前記ステイン分離処理によって前記細胞核に対応する部位の位置として抽出された場合には、当該細胞核に対応する部位の位置について、原画像である前記入力画像における当該細胞核に対応する部位の位置の色を着色する、
プログラム。 - 色が付いた学習画像に脱色処理を施す脱色処理部と、前記脱色処理が施された前記学習画像から得られる形態情報と、前記脱色処理が施されていない前記学習画像から得られる色情報を対応付けて学習する学習部と、を有する、画像学習装置と、
色が付いた入力画像に脱色処理を施す脱色処理部と、
色が脱色された脱色画像を取得する取得部と、
前記脱色画像から得られる形態情報に基づいて、前記形態情報と色情報との対応を予め学習した学習結果情報を参照して、前記形態情報に対応する色を前記脱色画像に着色する着色部と、
前記入力画像にステイン分離処理を行うステイン分離部と、
を有し、
前記着色部は、前記ステイン分離処理によって前記入力画像中の細胞核に対応する部位の位置を示す位置情報と当該細胞核に対応する色とを取得し、さらに、前記形態情報からは前記細胞核の領域でないと判定された領域が、前記ステイン分離処理によって前記細胞核に対応する部位の位置として抽出された場合には、当該細胞核に対応する部位の位置について、原画像である前記入力画像における当該細胞核に対応する部位の位置の色を着色する、画像着色装置と、
を備える、画像着色システム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017231403 | 2017-12-01 | ||
JP2017231403 | 2017-12-01 | ||
PCT/JP2018/036845 WO2019106946A1 (ja) | 2017-12-01 | 2018-10-02 | 画像着色装置、画像着色方法、画像学習装置、画像学習方法、プログラム、及び画像着色システム |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2019106946A1 JPWO2019106946A1 (ja) | 2021-01-28 |
JP7200945B2 true JP7200945B2 (ja) | 2023-01-10 |
Family
ID=66664784
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019557035A Active JP7200945B2 (ja) | 2017-12-01 | 2018-10-02 | 画像着色装置、画像着色方法、プログラム、及び画像着色システム |
Country Status (5)
Country | Link |
---|---|
US (2) | US11321881B2 (ja) |
EP (1) | EP3719739B1 (ja) |
JP (1) | JP7200945B2 (ja) |
CN (1) | CN111406274B (ja) |
WO (1) | WO2019106946A1 (ja) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019106946A1 (ja) | 2017-12-01 | 2019-06-06 | ソニー株式会社 | 画像着色装置、画像着色方法、画像学習装置、画像学習方法、プログラム、及び画像着色システム |
EP3754334B1 (en) * | 2018-02-15 | 2023-06-21 | Niigata University | System, program, and method for determining hypermutated tumor |
EP3935577A4 (en) * | 2019-03-08 | 2022-11-16 | University Of Southern California | IMPROVED HISTOPATHOLOGY CLASSIFICATION THROUGH MACHINE SELF-LEARNING FROM TISSUE FINGERPRINTS |
WO2024064338A1 (en) | 2022-09-22 | 2024-03-28 | Agilent Technologies, Inc. | Anti-human icos antibodies for use in immunohistochemistry (ihc) protocols and for diagnosing cancer |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011053074A (ja) | 2009-09-01 | 2011-03-17 | Olympus Corp | 画像処理方法、画像処理装置および画像処理プログラム |
WO2014038408A1 (ja) | 2012-09-06 | 2014-03-13 | ソニー株式会社 | 情報処理装置、情報処理方法、およびプログラム |
JP2016028250A (ja) | 2010-06-25 | 2016-02-25 | シレカ セラノスティクス エルエルシーCireca Theranostics,Llc | 生物学的試片をスペクトル画像により分析する方法 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3954574B2 (ja) * | 2004-01-20 | 2007-08-08 | 株式会社東芝 | 消色可能な画像形成材料 |
WO2005104662A2 (en) * | 2004-05-05 | 2005-11-10 | Yissum Research Development Company Of The Hebrew University Of Jerusalem | Colorization method and apparatus |
RU2305270C2 (ru) * | 2005-05-18 | 2007-08-27 | Андрей Алексеевич Климов | Способ флуоресцентной наноскопии (варианты) |
JP5137481B2 (ja) | 2007-06-29 | 2013-02-06 | オリンパス株式会社 | 画像処理装置、画像処理プログラム、および画像処理方法 |
JP4937850B2 (ja) * | 2007-07-03 | 2012-05-23 | オリンパス株式会社 | 顕微鏡システム、そのvs画像生成方法、プログラム |
US8269827B2 (en) * | 2009-09-29 | 2012-09-18 | General Electric Company | System and methods for mapping fluorescent images into a bright field color space |
EP2827772B1 (en) * | 2012-03-19 | 2023-10-04 | Genetic Innovations Inc. | Devices, systems, and methods for virtual staining |
US9036889B2 (en) | 2012-07-13 | 2015-05-19 | Sony Corporation | Method and apparatus for stain separation using vector analysis |
WO2019106946A1 (ja) | 2017-12-01 | 2019-06-06 | ソニー株式会社 | 画像着色装置、画像着色方法、画像学習装置、画像学習方法、プログラム、及び画像着色システム |
-
2018
- 2018-10-02 WO PCT/JP2018/036845 patent/WO2019106946A1/ja unknown
- 2018-10-02 US US16/766,454 patent/US11321881B2/en active Active
- 2018-10-02 CN CN201880076130.XA patent/CN111406274B/zh active Active
- 2018-10-02 JP JP2019557035A patent/JP7200945B2/ja active Active
- 2018-10-02 EP EP18882883.4A patent/EP3719739B1/en active Active
-
2022
- 2022-03-01 US US17/684,342 patent/US11983797B2/en active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011053074A (ja) | 2009-09-01 | 2011-03-17 | Olympus Corp | 画像処理方法、画像処理装置および画像処理プログラム |
JP2016028250A (ja) | 2010-06-25 | 2016-02-25 | シレカ セラノスティクス エルエルシーCireca Theranostics,Llc | 生物学的試片をスペクトル画像により分析する方法 |
WO2014038408A1 (ja) | 2012-09-06 | 2014-03-13 | ソニー株式会社 | 情報処理装置、情報処理方法、およびプログラム |
Non-Patent Citations (2)
Title |
---|
Hyungjoo Cho et al.,Neutral Stain-Style Transfer Learning using GAN for Histopathological Images,JMLR:Workshop and Conference Proceedings,2017年,80,pp. 1-10 |
Vahadane et al.,Structure-Preserving Color Normalization and Sparse Stain Separation for Histological Images,IEEE Transactions in Medical Imaging,2016年08月,Vol.35,No.8,pp. 1962-1971 |
Also Published As
Publication number | Publication date |
---|---|
EP3719739B1 (en) | 2024-02-28 |
CN111406274B (zh) | 2024-04-19 |
CN111406274A (zh) | 2020-07-10 |
WO2019106946A1 (ja) | 2019-06-06 |
US20200294278A1 (en) | 2020-09-17 |
US11983797B2 (en) | 2024-05-14 |
US20220270305A1 (en) | 2022-08-25 |
US11321881B2 (en) | 2022-05-03 |
JPWO2019106946A1 (ja) | 2021-01-28 |
EP3719739A1 (en) | 2020-10-07 |
EP3719739A4 (en) | 2021-01-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7200945B2 (ja) | 画像着色装置、画像着色方法、プログラム、及び画像着色システム | |
US11074692B2 (en) | Image analysis method, apparatus, program, and learned deep learning algorithm | |
JP7217589B2 (ja) | 画像解析方法、画像解析装置、プログラム、学習済み深層学習アルゴリズムの製造方法および学習済み深層学習アルゴリズム | |
US8948488B2 (en) | Methods and systems for digitally enhancing an image of a stained material | |
US7826652B2 (en) | Method for forming an optimally exposed image of cytological specimen | |
JP2008539763A (ja) | 色原体分離に基づく画像解析の方法 | |
JP2008541179A (ja) | 多色画像、特に顕微鏡多色透過画像におけるスペクトル重畳またはカラー重畳画像寄与の分離 | |
WO2017221592A1 (ja) | 画像処理装置、画像処理方法及び画像処理プログラム | |
JP2017125840A (ja) | 呈色反応検出システム、呈色反応検出方法及びプログラム | |
KR102431217B1 (ko) | 화상 해석 장치, 방법 및 프로그램 | |
US11210791B2 (en) | Computer-implemented method for locating possible artifacts in a virtually stained histology image | |
JPWO2019171909A1 (ja) | 画像処理方法、画像処理装置及びプログラム | |
JP7393769B2 (ja) | 生物学的サンプルの画像に対するコンピュータ実装プロセス | |
KR101704690B1 (ko) | 세포 분석 장치 및 방법 | |
US10175468B2 (en) | Method for generating a contrast image of an object structure and apparatuses relating thereto | |
US9672629B2 (en) | Fluorescence image processing apparatus and method | |
WO2019239532A1 (ja) | 画像処理装置、画像処理方法およびプログラム | |
JP2010025758A (ja) | 画像処理装置および画像処理方法 | |
US11238268B2 (en) | Image processing device, image processing method, and pathological diagnosis assistance system using same | |
WO2015133100A1 (en) | Image processing apparatus and image processing method | |
JP2003339645A (ja) | 医療分野におけるフォトレタッチソフトウェアを用いた画像解析方法 | |
WO2024024180A1 (ja) | 解析支援方法、プログラムおよび解析支援装置 | |
WO2022124832A1 (ko) | 골수가 도말된 슬라이드 샘플 이미지의 셀 존 결정 방법 및 셀 존의 고배율 촬상 방법 | |
Guiet et al. | DEVILS: a tool for the visualization of large datasets with a high dynamic range | |
CN117425915A (zh) | 用于生成虚拟染色图像的显微镜系统和方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210818 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220913 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221109 |
|
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: 20221122 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20221205 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 7200945 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |