JP7364682B2 - 位相差および明視野イメージングを用いた無標識細胞セグメンテーション - Google Patents
位相差および明視野イメージングを用いた無標識細胞セグメンテーション Download PDFInfo
- Publication number
- JP7364682B2 JP7364682B2 JP2021544134A JP2021544134A JP7364682B2 JP 7364682 B2 JP7364682 B2 JP 7364682B2 JP 2021544134 A JP2021544134 A JP 2021544134A JP 2021544134 A JP2021544134 A JP 2021544134A JP 7364682 B2 JP7364682 B2 JP 7364682B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- processor
- cell
- mask
- cells
- 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
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
- G06T7/0014—Biomedical image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- 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
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
- G01N21/64—Fluorescence; Phosphorescence
- G01N21/6486—Measuring fluorescence of biological material, e.g. DNA, RNA, cells
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/174—Segmentation; Edge detection involving the use of two or more images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
-
- 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
-
- 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
- G06T2207/20112—Image segmentation details
- G06T2207/20156—Automatic seed setting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30024—Cell structures in vitro; Tissue sections in vitro
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30072—Microarray; Biochip, DNA array; Well plate
-
- 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
- G06T2207/30242—Counting objects in image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Multimedia (AREA)
- Radiology & Medical Imaging (AREA)
- Medical Informatics (AREA)
- Quality & Reliability (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Chemical & Material Sciences (AREA)
- Investigating Or Analysing Biological Materials (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
- Image Processing (AREA)
Description
本出願は、参照によりその全体が本明細書に組み込まれる、2019年2月1日に出願された米国特許出願第16/265910号に対する優先権を主張する。
本明細書に説明される方法の実施形態は、焦点外明視野画像を利用して生物学的標本の1つ以上の細胞の位相差画像をセグメント化するために使用することができ、これにより、速い処理時間で個々の細胞および亜集団の分析を可能にする。開示された例示的な方法はまた、細胞のリアルタイムの無標識(すなわち、蛍光なし)カウントを有益に可能にし、生細胞の生存率および機能性を損なう可能性がある蛍光マーカーの影響を回避する。開示された例示的な方法のさらなる利点は、HUVECのような平坦な細胞を含む、細胞形態の複雑さに関係ない、個々の細胞境界の検出である。
図1は、例えば、光学顕微鏡105、および1つ以上の細胞を有する生物学的標本110を含むかまたは伴う動作環境100を示すブロック図である。以下に説明される図3~図5の方法300は、この動作環境100内で実装することができる方法の実施形態を示している。
本明細書で使用される場合、「明視野画像」は、光波が生物学的サンプルの透明部分を通過するように下から照明された生物学的サンプルに基づいて顕微鏡を介して得られた画像を指す。次に、様々な輝度レベルが明視野画像にキャプチャされる。
例示的な実装は、細胞の健康状態を亜集団で経時的に追跡することを可能にする。例えば、図6Aは、カンプトテシン(CPT、細胞毒性)処理後のHT1080線維肉腫アポトーシスの24時間の時間経過後での位相差画像応答について、例示的な実装に従って生成された細胞別セグメンテーションマスクの実験結果を示している。細胞の健康状態は、IncuCyte(登録商標)のNucLight Red(核生存率マーカー)および非摂動のIncuCyte(登録商標)のCaspase 3/7緑色試薬(アポトーシス指標)の多重読み出しで決定された。図6Bは、IncuCyte(登録商標)のCell-by-Cell Analysis Softwareツールを使用して、図6Aの実装に従って、赤色および緑色の蛍光に基づいて分類された細胞サブセットを示している。図6Cは、図6Aの実装による、CPT処理後に赤色集団が減少したことを示し、これは生細胞の喪失を示し、赤色および緑色の蛍光の増加は初期アポトーシスを示し、24時間後の緑色蛍光の増加は、後期アポトーシスを示す。図6Dは、図6Aの実装による、初期アポトーシス集団の濃度応答時間経過(赤色および緑色の蛍光を示す全細胞のパーセンテージ)を示している。示されている値は、3つのウェルの平均±SEMである。
Claims (21)
- 方法であって、
プロセッサを介して、1つ以上の細胞を含む生物学的標本の焦点面を中心とする、前記生物学的標本の少なくとも1つの位相差画像を生成することと、
前記プロセッサを介して、前記少なくとも1つの位相差画像に基づいて、バイナリ画像の形式でコンフルエンスマスクを生成することと、
前記プロセッサを介して、前記焦点面の上方の合焦外れ距離における、前記生物学的標本内の1つ以上の細胞の第1の明視野画像、および前記焦点面の下方の前記合焦外れ距離における、前記生物学的標本内の前記1つ以上の細胞の第2の明視野画像を受信することと、
前記プロセッサを介して、前記第1の明視野画像および前記第2の明視野画像に基づいて、前記生物学的標本内の前記1つ以上の細胞の細胞画像を生成することと、
前記プロセッサを介して、前記細胞画像および前記少なくとも1つの位相差画像に基づいてシードマスクを生成することと、
前記プロセッサを介して、前記シードマスクおよび前記コンフルエンスマスクに基づいて、細胞別セグメンテーションマスクを示す、前記生物学的標本内の前記1つ以上の細胞の画像を生成することと、を含む、方法。 - 前記プロセッサを介して、前記1つ以上の細胞を含む前記生物学的標本の前記焦点面を中心とする、前記生物学的標本の前記少なくとも1つの位相差画像を生成することは、
前記プロセッサを介して、明視野画像のZスイープを受信することと、
前記プロセッサを介して、明視野画像の前記Zスイープに基づいて前記少なくとも1つの位相差画像を生成することと、を含む、請求項1に記載の方法。 - 前記合焦外れ距離は、20μm~60μmの範囲である、請求項1または2に記載の方法。
- 前記プロセッサを介して、少なくとも1つの蛍光画像を受信することと、
前記プロセッサを介して、前記細胞別セグメンテーションマスク内の前記生物学的標本内の前記1つ以上の細胞の蛍光強度を計算することと、をさらに含む、請求項1~3のいずれか一項に記載の方法。 - 前記プロセッサを介して、前記少なくとも1つの位相差画像に基づいて、前記バイナリ画像の形式で前記コンフルエンスマスクを生成することは、
前記プロセッサを介して、局所テクスチャフィルタおよび輝度フィルタのうちの1つ以上を適用して、前記生物学的標本内の前記1つ以上の細胞に属するピクセルの特定を可能にすることを含む、請求項1~4のいずれか一項に記載の方法。 - 前記プロセッサを介して、前記第1の明視野画像および前記第2の明視野画像に基づいて前記細胞画像を生成することは、
前記プロセッサを介して、複数のピクセル単位の数学演算のうちの少なくとも1つまたは特徴検出を利用して、前記焦点面を中心とする第3の明視野画像に基づいて、前記第1の明視野画像および前記第2の明視野画像を強調することと、
前記プロセッサを介して、変換パラメータを計算することと、
前記プロセッサを介して、前記変換パラメータに基づいて、前記第1の明視野画像および前記第2の明視野画像を、前記少なくとも1つの位相差画像と位置合わせすることと、
前記プロセッサを介して、前記位置合わせされた第2の明視野画像の各ピクセルの輝度レベルを、前記位置合わせされた第1の明視野画像内の対応するピクセルの輝度レベルと組み合わせて、これにより、前記細胞画像を形成することと、を含む、請求項1~5のいずれか一項に記載の方法。 - 前記プロセッサを介して、前記第1の明視野画像および前記第2の明視野画像に基づいて、前記生物学的標本内の前記1つ以上の細胞の前記細胞画像を生成することは、
前記プロセッサを介して、1つ以上の閾値レベルおよび1つ以上のフィルタサイズを決定する1つ以上のユーザ定義パラメータを受信することと、
前記プロセッサを介して、前記1つ以上のユーザ定義パラメータに基づいて、1つ以上の平滑化フィルタを前記細胞画像に適用することと、をさらに含む、請求項1~6のいずれか一項に記載の方法。 - 前記プロセッサを介して、前記細胞画像および前記少なくとも1つの位相差画像に基づいて、前記シードマスクを生成することは、
前記プロセッサを介して、閾値ピクセル強度以上の各ピクセルが細胞シードピクセルとして特定されるように前記細胞画像を修正することを含み、これにより、バイナリピクセル化された前記シードマスクがもたらされる、請求項1~7のいずれか一項に記載の方法。 - 前記シードマスクは、各々が単一のセルに対応する複数のシードを有し、前記方法は、
前記プロセッサを介して、前記細胞別セグメンテーションマスクを示す、前記生物学的標本内の前記1つ以上の細胞の前記画像を生成する前に、前記プロセッサを介して、前記シードマスクと前記コンフルエンスマスクとを比較し、前記コンフルエンスマスクのエリアに配置されていない1つ以上の領域を前記シードマスクから除外し、前記シードマスクの前記複数のシードのうちの1つを含まない1つ以上の領域を前記コンフルエンスマスクから除外することをさらに含む、請求項1~8のいずれか一項に記載の方法。 - 前記プロセッサを介して、前記シードマスクおよび前記コンフルエンスマスクに基づいて、前記細胞別セグメンテーションマスクを示す、前記生物学的標本内の前記1つ以上の細胞の前記画像を生成することは、
前記プロセッサを介して、シードのアクティブセットのうちの各々に対して領域成長反復を行うことと、
前記プロセッサを介して、所与のシードの成長領域が前記コンフルエンスマスクの1つ以上の境界に到達するか、または別のシードの成長領域とオーバーラップするまで、シードの前記アクティブセット内の各シードに対して前記領域成長反復を繰り返すことと、を含む、請求項1~9のいずれか一項に記載の方法。 - 前記プロセッサを介して、ユーザ入力に応答して1つ以上のフィルタを適用して、1つ以上の細胞テクスチャメトリックおよび細胞形状記述子に基づいて物体を除去することと、
前記プロセッサを介して、前記1つ以上のフィルタの適用に応答して、前記細胞別セグメンテーションマスクを示す前記生物学的標本の前記画像を修正することと、をさらに含む、請求項1~10のいずれか一項に記載の方法。 - 前記生物学的標本内の前記1つ以上の細胞は、付着細胞および非付着細胞のうちの1つ以上である、請求項1~11のいずれか一項に記載の方法。
- 前記付着細胞は、ヒト肺癌細胞、線維癌細胞、乳癌細胞、卵巣癌細胞、またはヒト微小血管細胞株、のうちの1つ以上を含む、請求項12に記載の方法。
- 光学顕微鏡を介して、前記生物学的標本の前記焦点面を決定することをさらに含む、請求項1~13のいずれか一項に記載の方法。
- 前記プロセッサを介して、前記細胞別セグメンテーションマスクを示す、前記生物学的標本内の前記1つ以上の細胞の前記画像に基づいて、前記生物学的標本の細胞カウントを決定することをさらに含む、請求項1~14のいずれか一項に記載の方法。
- プロセッサによって実行されると、以下を含む行為のセットを実行させるプログラム命令がその上に記憶されている非一時的コンピュータ可読媒体であって、
前記プロセッサが、1つ以上の細胞を含む生物学的標本の少なくとも1つの位相差画像を、前記生物学的標本の焦点面を中心とする少なくとも1つの明視野画像に基づいて生成することと、
前記プロセッサが、前記少なくとも1つの位相差画像に基づいて、バイナリ画像の形式でコンフルエンスマスクを生成することと、
前記プロセッサが、前記焦点面の上方の合焦外れ距離における、前記生物学的標本内の1つ以上の細胞の第1の明視野画像、および前記焦点面の下方の前記合焦外れ距離における、前記生物学的標本内の前記1つ以上の細胞の第2の明視野画像を受信することと、
前記プロセッサが、前記第1の明視野画像および前記第2の明視野画像に基づいて、前記1つ以上の細胞の細胞画像を生成することと、
前記プロセッサが、前記細胞画像および前記少なくとも1つの位相差画像に基づいてシードマスクを生成することと、
前記プロセッサが、前記シードマスクおよび前記コンフルエンスマスクに基づいて、細胞別セグメンテーションマスクを示す、前記生物学的標本内の前記1つ以上の細胞の画像を生成することと、を含む、非一時的コンピュータ可読媒体。 - 前記プロセッサが、少なくとも1つの蛍光画像を受信することと、
前記プロセッサが、前記細胞別セグメンテーションマスク内の前記生物学的標本内の前記1つ以上の細胞の蛍光強度を計算することと、をさらに含む、請求項16に記載の非一時的コンピュータ可読媒体。 - 前記プロセッサが、前記細胞画像および前記少なくとも1つの位相差画像に基づいて、前記シードマスクを生成することは、
前記プロセッサが、閾値ピクセル強度以上の各ピクセルが細胞シードピクセルとして特定されるように前記細胞画像を修正することを含み、これにより、バイナリピクセル化された前記シードマスクがもたらされる、請求項16または17に記載の非一時的コンピュータ可読媒体。 - 前記シードマスクは、各々が単一のセルに対応する複数のシードを有し、前記非一時的コンピュータ可読媒体は、
前記プロセッサが、前記細胞別セグメンテーションマスクを示す、前記生物学的標本内の前記1つ以上の細胞の前記画像を生成する前に、前記プロセッサが、前記シードマスクと前記コンフルエンスマスクとを比較し、前記コンフルエンスマスクのエリアに配置されていない1つ以上の領域を前記シードマスクから除外し、前記シードマスクの前記複数のシードのうちの1つを含まない1つ以上の領域を前記コンフルエンスマスクから除外することをさらに含む、請求項16~18のいずれか一項に記載の非一時的コンピュータ可読媒体。 - 前記プロセッサが、前記シードマスクおよび前記コンフルエンスマスクに基づいて、前記細胞別セグメンテーションマスクを示す、前記生物学的標本内の前記1つ以上の細胞の前記画像を生成することは、
前記プロセッサが、シードのアクティブセットのうちの各々に対して領域成長反復を行うことと、
前記プロセッサが、所与のシードの成長領域が前記コンフルエンスマスクの1つ以上の境界に到達するか、または別のシードの成長領域とオーバーラップするまで、シードの前記アクティブセット内の各シードに対して前記領域成長反復を繰り返すことと、を含む、
請求項16~19のいずれか一項に記載の非一時的コンピュータ可読媒体。 - 前記プロセッサが、ユーザ入力に応答して1つ以上のフィルタを適用して、1つ以上の細胞テクスチャメトリックおよび細胞形状記述子に基づいて物体を除去することと、
前記プロセッサが、前記1つ以上のフィルタの適用に応答して、前記細胞別セグメンテーションマスクを示す前記生物学的標本の前記画像を修正することと、をさらに含む、請求項16~20のいずれか一項に記載の非一時的コンピュータ可読媒体。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/265,910 US10885631B2 (en) | 2019-02-01 | 2019-02-01 | Label-free cell segmentation using phase contrast and brightfield imaging |
US16/265,910 | 2019-02-01 | ||
PCT/US2020/015216 WO2020159873A1 (en) | 2019-02-01 | 2020-01-27 | Label-free cell segmentation using phase contrast and brightfieid imaging |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022518926A JP2022518926A (ja) | 2022-03-17 |
JP7364682B2 true JP7364682B2 (ja) | 2023-10-18 |
Family
ID=69740584
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021544134A Active JP7364682B2 (ja) | 2019-02-01 | 2020-01-27 | 位相差および明視野イメージングを用いた無標識細胞セグメンテーション |
Country Status (6)
Country | Link |
---|---|
US (1) | US10885631B2 (ja) |
EP (1) | EP3918569A1 (ja) |
JP (1) | JP7364682B2 (ja) |
KR (1) | KR20210124276A (ja) |
CN (1) | CN113474813B (ja) |
WO (1) | WO2020159873A1 (ja) |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11803963B2 (en) | 2019-02-01 | 2023-10-31 | Sartorius Bioanalytical Instruments, Inc. | Computational model for analyzing images of a biological specimen |
US12039796B2 (en) | 2019-02-01 | 2024-07-16 | Sartorius Bioanalytical Instruments, Inc. | Method for classifying cells |
US10885631B2 (en) * | 2019-02-01 | 2021-01-05 | Essen Instruments, Inc. | Label-free cell segmentation using phase contrast and brightfield imaging |
IL287059B2 (en) | 2019-04-11 | 2024-08-01 | Agilent Technologies Inc | A user interface that allows user markers for local segmentation in a biological sample |
US11501420B2 (en) * | 2019-09-26 | 2022-11-15 | Perkinelmer Cellular Technologies Germany Gmbh | Reconstructing phase images with deep learning |
CN112001329B (zh) * | 2020-08-26 | 2021-11-30 | 深圳太力生物技术有限责任公司 | 蛋白表达量的预测方法、装置、计算机设备和存储介质 |
CN111798535B (zh) * | 2020-09-09 | 2020-12-01 | 南京安科医疗科技有限公司 | Ct图像增强显示方法及计算机可读存储介质 |
DE102020126602A1 (de) * | 2020-10-09 | 2022-04-14 | Carl Zeiss Microscopy Gmbh | Mikroskopiesystem und verfahren zur bildsegmentierung |
KR20230106629A (ko) * | 2020-11-17 | 2023-07-13 | 싸토리우스 바이오애널리티컬 인스트루먼츠, 아이엔씨 | 생물학적 시료의 이미지를 분석하기 위한 계산 모델 |
EP4248357A1 (en) * | 2020-11-17 | 2023-09-27 | Sartorius BioAnalytical Instruments, Inc. | Method for classifying cells |
WO2022132917A1 (en) * | 2020-12-15 | 2022-06-23 | Carnegie Mellon University | System, method, and computer program product for classification of diseases based on expansion microscopic images |
CN112734722B (zh) * | 2021-01-08 | 2022-09-13 | 昆明理工大学 | 一种基于改进完全局部二值模式火焰终点碳含量预测方法 |
US20240185422A1 (en) * | 2021-04-19 | 2024-06-06 | Thrive Bioscience, Inc. | Plaque detection method and apparatus for imaging of cells |
US11906433B2 (en) * | 2021-12-14 | 2024-02-20 | Instituto Potosino de Investigación Científica y Tecnológica A.C. | System and method for three-dimensional imaging of unstained samples using bright field microscopy |
CN116664556B (zh) * | 2023-07-27 | 2023-10-10 | 南京九川科学技术有限公司 | 一种贴壁细胞计数方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020049098A1 (en) | 2018-09-05 | 2020-03-12 | Sartorius Stedim Data Analytics Ab | Computer-implemented method, computer program product and system for analysis of cell images |
US10885631B2 (en) | 2019-02-01 | 2021-01-05 | Essen Instruments, Inc. | Label-free cell segmentation using phase contrast and brightfield imaging |
Family Cites Families (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5162990A (en) * | 1990-06-15 | 1992-11-10 | The United States Of America As Represented By The United States Navy | System and method for quantifying macrophage phagocytosis by computer image analysis |
EP0664038B1 (en) * | 1992-02-18 | 2000-10-11 | Neopath, Inc. | Method for identifying objects using data processing techniques |
AU2003230069B2 (en) * | 2002-05-14 | 2008-11-13 | Molecular Devices, Llc | System and methods for rapid and automated screening of cells |
EP2023127B1 (en) * | 2006-05-31 | 2017-12-20 | Olympus Corporation | Biological specimen imaging method and biological specimen imaging apparatus |
JP4663602B2 (ja) * | 2006-08-14 | 2011-04-06 | オリンパス株式会社 | 自動合焦装置、顕微鏡および自動合焦方法 |
US20100158805A1 (en) * | 2007-03-23 | 2010-06-24 | The Trustees Of Columbia University In The City Of | Quantum dot labeled stem cells for use in cardiac repair |
WO2009137866A1 (en) * | 2008-05-16 | 2009-11-19 | Swinburne University Of Technology | Method and system for automated cell function classification |
GB0814297D0 (en) * | 2008-08-05 | 2008-09-10 | Ge Healthcare Uk Ltd | Microscopy |
US8744164B2 (en) | 2010-04-06 | 2014-06-03 | Institute For Systems Biology | Automated analysis of images using bright field microscopy |
US8755633B2 (en) * | 2012-03-14 | 2014-06-17 | Sony Corporation | Automated synchronized navigation system for digital pathology imaging |
JP6160187B2 (ja) * | 2013-04-09 | 2017-07-12 | ソニー株式会社 | 分析装置、分析プログラム及び分析システム |
US9619881B2 (en) | 2013-09-26 | 2017-04-11 | Cellogy, Inc. | Method and system for characterizing cell populations |
JP6305175B2 (ja) * | 2014-04-10 | 2018-04-04 | キヤノン株式会社 | 画像処理装置、画像処理方法、画像処理システム |
US10706260B2 (en) * | 2014-06-16 | 2020-07-07 | Siemens Healthcare Diagnostics Inc. | Analyzing digital holographic microscopy data for hematology applications |
JP6823646B2 (ja) * | 2015-09-02 | 2021-02-03 | ベンタナ メディカル システムズ, インコーポレイテッド | 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 |
US20170091948A1 (en) * | 2015-09-30 | 2017-03-30 | Konica Minolta Laboratory U.S.A., Inc. | Method and system for automated analysis of cell images |
WO2017067868A1 (en) * | 2015-10-19 | 2017-04-27 | Ventana Medical Systems, Inc. | Performing segmentation of cells and nuclei in multichannel images |
US9939623B2 (en) * | 2015-10-19 | 2018-04-10 | Molecular Devices, Llc | Microscope system with transillumination-based autofocusing for photoluminescence imaging |
US10621704B2 (en) * | 2017-12-13 | 2020-04-14 | Instituto Potosino de Investigación Cientifica y Tecnologica | Automated quantitative restoration of bright field microscopy images |
-
2019
- 2019-02-01 US US16/265,910 patent/US10885631B2/en active Active
-
2020
- 2020-01-27 CN CN202080017206.9A patent/CN113474813B/zh active Active
- 2020-01-27 JP JP2021544134A patent/JP7364682B2/ja active Active
- 2020-01-27 EP EP20708783.4A patent/EP3918569A1/en active Pending
- 2020-01-27 WO PCT/US2020/015216 patent/WO2020159873A1/en unknown
- 2020-01-27 KR KR1020217026448A patent/KR20210124276A/ko unknown
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020049098A1 (en) | 2018-09-05 | 2020-03-12 | Sartorius Stedim Data Analytics Ab | Computer-implemented method, computer program product and system for analysis of cell images |
US10885631B2 (en) | 2019-02-01 | 2021-01-05 | Essen Instruments, Inc. | Label-free cell segmentation using phase contrast and brightfield imaging |
Non-Patent Citations (1)
Title |
---|
Yuliang WANG et al.,Segmentation of the Clustered Cells with Optimized Boundary Detection in Negative Phase Contrast Images,PLOS ONE,2015年06月12日,Vol. 10,No. 6,0130178 |
Also Published As
Publication number | Publication date |
---|---|
US20200250822A1 (en) | 2020-08-06 |
US10885631B2 (en) | 2021-01-05 |
CN113474813A (zh) | 2021-10-01 |
JP2022518926A (ja) | 2022-03-17 |
CN113474813B (zh) | 2024-09-06 |
KR20210124276A (ko) | 2021-10-14 |
WO2020159873A1 (en) | 2020-08-06 |
EP3918569A1 (en) | 2021-12-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7364682B2 (ja) | 位相差および明視野イメージングを用いた無標識細胞セグメンテーション | |
Stegmaier et al. | Real-time three-dimensional cell segmentation in large-scale microscopy data of developing embryos | |
Sirinukunwattana et al. | Gland segmentation in colon histology images: The glas challenge contest | |
Molnar et al. | Accurate morphology preserving segmentation of overlapping cells based on active contours | |
Goceri et al. | Quantitative validation of anti‐PTBP1 antibody for diagnostic neuropathology use: Image analysis approach | |
CA2969327C (en) | Vessel analysis in multiplexed images | |
US12039796B2 (en) | Method for classifying cells | |
JP7530709B2 (ja) | 細胞画像解析方法及び細胞解析装置 | |
Amat et al. | Towards comprehensive cell lineage reconstructions in complex organisms using light‐sheet microscopy | |
KR20230104954A (ko) | 세포 분류 방법 | |
Ram et al. | Segmentation and detection of fluorescent 3D spots | |
US11803963B2 (en) | Computational model for analyzing images of a biological specimen | |
CN116797791A (zh) | 一种基于深度学习的线粒体分割与分类方法 | |
Oswal et al. | An Entropy‐Based Automated Cell Nuclei Segmentation and Quantification: Application in Analysis of Wound Healing Process | |
Riasatian et al. | A comparative study of U-net topologies for background removal in histopathology images | |
CN113763300A (zh) | 一种联合深度上下文与卷积条件随机场的多聚焦图像融合方法 | |
Li et al. | Exponential distance transform maps for cell localization | |
JP2023549631A (ja) | 生物学的標本の画像を解析する計算モデル | |
Li et al. | Random-reaction-seed method for automated identification of neurite elongation and branching | |
Scalisi et al. | Quantitative Analysis of PcG-Associated Condensates by Stochastic Optical Reconstruction Microscopy (STORM) | |
Bruch et al. | Improving 3D deep learning segmentation with biophysically motivated cell synthesis | |
Feng et al. | MSDenoiser: Muti-step adaptive denoising framework for super-resolution image from single molecule localization microscopy | |
Xu et al. | A multistaged automatic restoration of noisy microscopy cell images | |
Varrecchia et al. | A method for astral microtubule tracking in fluorescence images of cells doped with taxol and nocodazole | |
Lubega et al. | Enhanced Invasive Ductal Carcinoma Prediction Using Densely Connected Convolutional Networks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A712 Effective date: 20220720 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20221019 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221020 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230608 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230907 |
|
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: 20230919 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20230907 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231005 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7364682 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |