JP7370573B2 - 顕微鏡下凝集試験のための感染診断装置及び方法 - Google Patents
顕微鏡下凝集試験のための感染診断装置及び方法 Download PDFInfo
- Publication number
- JP7370573B2 JP7370573B2 JP2019183164A JP2019183164A JP7370573B2 JP 7370573 B2 JP7370573 B2 JP 7370573B2 JP 2019183164 A JP2019183164 A JP 2019183164A JP 2019183164 A JP2019183164 A JP 2019183164A JP 7370573 B2 JP7370573 B2 JP 7370573B2
- Authority
- JP
- Japan
- Prior art keywords
- infection
- data
- deep learning
- learning device
- free bacteria
- 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
Landscapes
- Investigating Or Analysing Biological Materials (AREA)
- Image Analysis (AREA)
Description
第1の深層学習器を含み、当該第1の深層学習器により、外部より取得される顕微鏡画像の特徴量を計算し、それら特徴量からフリー菌割合を回帰する回帰部であって、適宜の顕微鏡画像データを入力データとし、それら顕微鏡画像データの夫々に付せられるフリー菌割合データを出力データとして、第1の深層学習器に対する学習を実行する回帰部と、
第2の深層学習器を含み、当該第2の深層学習器により、一つの被検血清における複数組の(希釈度、フリー菌割合)データから、感染の有無を分類する分類部であって、複数の被検血清の各々における複数組の(希釈度、フリー菌割合)データを入力データとし、各々の被検血清についての感染/非感染を表すラベルを出力データとして、第2の深層学習器に対する学習を実行する分類部と
を備える。
ワイル病、秋疫などとも称されるレプトスピラ症は、標準的に顕微鏡下凝集試験(MAT)によって診断される。しかし特に凝集の判定には習熟が必要であり、世界的な標準化が難しい、とされている。
(1)被検血清をPBS(リン酸緩衝生理食塩水)で5倍に希釈する。
(2)(例えば)96穴マイクロプレートの第2穴から最終穴までPBSを25μlずつ入れる。
(3)上記(1)にて5倍希釈した血清50μlを第1穴に入れる。
(4)第1穴から血清25μlを分取し、PBSを用いつつ第2穴から順に2倍連続希釈していく。最終穴には血清を加えず最終穴をコントロールとする。
(5)レプトスピラ培養液25μlを全穴に入れる。
(6)プレートミキサーで混合する。
(7)37℃における3時間の反応の後、各穴の上清5μlをスライドガラスに分取し、暗視野顕微鏡下(倍率100倍)での画像を撮像する。暗視野顕微鏡画像は、希釈度の(個)数分だけ生成される。
(8)夫々の希釈度の暗視野顕微鏡画像において、凝集していないフリーの菌数の割合を算出する。
(9)図10に示すように、被検血清に関する、複数の(希釈度、フリー菌割合)データを座標平面上にプロットする。即ち、複数の(希釈度、フリー菌割合)データから、希釈度-フリー菌割合の関係をグラフにて示す。なお、希釈度は対数で表されている。
(10)上記(9)で作成した、希釈度-フリー菌割合の関係を示すグラフの形状(図10参照)により、感染/非感染を判定する。
以下、図1~図7を参照して、本発明の好ましい実施の形態1を説明する。
実施の形態1に係る顕微鏡下凝集試験のための感染診断装置は、或る被検血清について、様々な希釈度の当該被検血清とレプトスピラ培養液との混合液の暗視野顕微鏡画像を取得し、当該取得した顕微鏡画像に基づいて、被検血清が感染しているか否かを判定する装置である。図1は、本実施の形態に係る顕微鏡下凝集試験のための感染診断装置2のシステム構成図である。
図2は、本実施の形態に係る顕微鏡下凝集試験のための感染診断装置2の回帰部6における第1の深層学習器6aの構成を示すブロック図である。第1の深層学習器6aはディープニューラルネットワークにより構成される。図2に示すように、第1の深層学習器6aは、画像データ、特に、所定の希釈度を有する被検血清についての暗視野顕微鏡画像データを入力し、当該の所定の希釈度を有する被検血清についてのフリー菌割合を出力する。
図3は、本実施の形態に係る顕微鏡下凝集試験のための感染診断装置2の分類部8における第2の深層学習器8aの構成を示すブロック図である。第2の深層学習器8aも、ディープニューラルネットワークにより構成される。図3に示すように、第2の深層学習器8aは、一つの被検血清における複数組の(希釈度、フリー菌割合)データを入力し、当該被検血清についてのレプトスピラ症の感染/非感染を表すラベルをデータとして出力する。
2.2.1.[回帰部の学習フェーズ]
次に、回帰部6における第1の深層学習器6aを学習させる方法について説明する。図4は、本実施の形態に係る顕微鏡下凝集試験のための感染診断装置2が行う処理のうち、回帰部6における第1の深層学習器6aを学習させる処理のフローチャートである。当該処理は、ユーザの操作(例えば、学習の開始を指示する操作)によって開始される(ステップS02)。
次に、分類部8における第2の深層学習器8aを学習させる方法について説明する。図5は、本実施の形態に係る顕微鏡下凝集試験のための感染診断装置2が行う処理のうち、分類部8における第2の深層学習器8aを学習させる処理のフローチャートである。当該処理は、ユーザの操作(例えば、学習の開始を指示する操作)によって開始される(ステップS20)。
次に、複数の被検血清についての画像データ、各画像データに対するフリー菌割合、及び、複数の被検血清における複数の(希釈度、フリー菌割合)データ、各被検血清における感染/非感染を表すラベルを用いて、回帰部6における第1の深層学習器6aと、分類部8における第2の深層学習器8aとを同時に学習させる方法について説明する。図6は、本実施の形態に係る顕微鏡下凝集試験のための感染診断装置2が行う処理のうち、複数の被検血清についての画像データ、各画像データに対するフリー菌割合、及び、複数の被検血清における複数の(希釈度、フリー菌割合)データ、各被検血清における感染/非感染を表すラベルを用いて、回帰部6における第1の深層学習器6aと、分類部8における第2の深層学習器8aとを同時に学習させる処理のフローチャートである。当該処理は、ユーザの操作(例えば、学習の開始を指示する操作)によって開始される(ステップS40)。
次に、本実施の形態に係る顕微鏡下凝集試験のための感染診断装置2における回帰部6及び分類部8を利用して、顕微鏡画像からレプトスピラ症の感染の有無を判定する処理を説明する。図7は、本実施の形態に係る顕微鏡下凝集試験のための感染診断装置2が行う処理のうち、1検体(1被検血清)についての顕微鏡画像データから、当該検体のレプトスピラ症の感染の有無を判定する処理のフローチャートである。当該処理は、ユーザの操作(例えば、判定の開始を指示する操作)によって開始される(ステップS60)。
以上のように、本実施の形態に係る顕微鏡下凝集試験のための感染診断装置2は、第1の深層学習器6aを含み、当該第1の深層学習器6aにより、外部より取得される顕微鏡画像の特徴量を計算し、それら特徴量からフリー菌割合を回帰する回帰部6であって、適宜の顕微鏡画像データを入力データとし、それら顕微鏡画像データの夫々に付せられるフリー菌割合データを出力データとして、第1の深層学習器6aに対する学習を実行する回帰部6を備える。感染診断装置2は更に、第2の深層学習器8aを含み、当該第2の深層学習器8aにより、一つの被検血清における複数の(希釈度、フリー菌割合)データから、感染の有無を分類する分類部8であって、複数の被検血清の各々における複数の(希釈度、フリー菌割合)データを入力データとし、各々の被検血清についての感染/非感染を表すラベルを出力データとして、第2の深層学習器8aに対する学習を実行する分類部8を備える。
続いて、本発明の好ましい実施の形態2を説明する。
同様に、図9(b-2)は、図9(b-1)のグラフ上に、白抜きの×で表される感染ありのテストデータと、黒塗りの×で表される感染なしのテストデータとをプロットしたものである。粒度の粗い2シリーズの学習データと比較された白抜きの×で表されるテストデータは感染ありと評価されることが想定される一方で、黒塗りの×で表されるテストデータは、感染ありと誤評価される可能性が高いと想定される。
このように、比較的粒度の粗い学習データのみで学習をして、期待通りの精度を実現することは不可能であり、感染/非感染を誤認識する可能性が高くなる。
(1)まず、顕微鏡画像データと、それに対応するフリー菌割合として比較的粒度の粗い数値データとを用いて、回帰部6の第1の深層学習器6aを学習させ、
(2)そのようして作成した学習済みの第1の深層学習器6aに対して、更に別の顕微鏡画像データを入力して、粒度の細かいフリー菌割合の数値を出力させ、
(3)そのようにして出力した粒度の細かいフリー菌割合と希釈度との組み合わせを入力データとし、感染/非感染を表すラベルを入力データに対応する出力データとして用いて、分類部8の第2の深層学習器8aを学習させる。
即ち、先ず、回帰部6の第1の深層学習器6aを学習させ、それに別の顕微鏡画像データを与えて、分類部8の第2の深層学習器8aのための学習データであるフリー菌割合の粒度を疑似的に細かくする。
本実施の形態に係る、分類部8における第2の深層学習器8aを疑似的に粒度の細かい学習データで学習させる処理を具体的に説明する。
以上のように、本実施の形態に係る顕微鏡下凝集試験のための感染診断装置2では、回帰部6が、第1の深層学習器6aを、顕微鏡画像データと、それに対応するフリー菌割合として比較的粒度の粗いものとを用いて予め学習させて、学習済みの第1の深層学習器6aとしている。更に、(1)回帰部6が、感染/非感染が既に明らかである一つの被検血清に関する、複数の希釈度の顕微鏡画像データを、学習済みの第1の深層学習器6aに入力する処理を行い、(2)学習済みの第1の深層学習器6aが、入力された複数の希釈度の顕微鏡画像データの各々におけるフリー菌割合を算出して出力する処理を行い、及び、(3)分類部8が、感染/非感染が既に明らかである一つの被検血清における、希釈度の個数分の(希釈度、フリー菌割合)データを入力データとし、一つの被検血清についての感染/非感染を表すラベルを出力データとして、第2の深層学習器8aに対する学習を実行する処理を行い、並びに、(4)学習精度に応じて上記の(1)~(3)の処理を繰り返す。
以上のように、本出願において開示する技術の例示として、実施の形態1及び実施の形態2を説明した。しかしながら、本開示における技術は、これに限定されず、適宜、変更、置き換え、付加、省略などを行った実施の形態にも適用可能である。
Claims (7)
- 第1の深層学習器を含み、当該第1の深層学習器により、外部より取得される顕微鏡画像の特徴量を計算し、それら特徴量からフリー菌割合を回帰する回帰部であって、適宜の顕微鏡画像データを入力データとし、それら顕微鏡画像データの夫々に付せられるフリー菌割合データを出力データとして、第1の深層学習器に対する学習を実行する回帰部と、
第2の深層学習器を含み、当該第2の深層学習器により、一つの被検血清における複数組の(希釈度、フリー菌割合)データから、感染の有無を分類する分類部であって、複数の被検血清の各々における複数組の(希釈度、フリー菌割合)データを入力データとし、各々の被検血清についての感染/非感染を表すラベルを出力データとして、第2の深層学習器に対する学習を実行する分類部と
を備える、顕微鏡下凝集試験のための感染診断装置。 - 前記回帰部が、一つの被検血清に関する、複数の希釈度の顕微鏡画像データを、学習済みの第1の深層学習器に入力し、
前記学習済みの第1の深層学習器が、入力された複数の希釈度の顕微鏡画像データの各々におけるフリー菌割合を算出して出力し、
前記分類部が、前記一つの被検血清における、希釈度の個数分の(希釈度、フリー菌割合)データを、学習済みの第2の深層学習器に入力し、
前記学習済みの第2の深層学習器が、入力された、希釈度の個数分の(希釈度、フリー菌割合)データに係る、前記一つの被検血清についてのレプトスピラ症の感染/非感染を判定して、感染/非感染を表すラベルを出力する、
請求項1に記載の顕微鏡下凝集試験のための感染診断装置。 - 前記回帰部が、前記第1の深層学習器を、顕微鏡画像データと、それに対応するフリー菌割合として比較的粒度の粗いものとを用いて予め学習させて、学習済みの第1の深層学習器としており、
更に、
(1)前記回帰部が、感染/非感染が既に明らかである一つの被検血清に関する、複数の希釈度の顕微鏡画像データを、前記学習済みの第1の深層学習器に入力する処理を行い、
(2)前記学習済みの第1の深層学習器が、入力された複数の希釈度の顕微鏡画像データの各々におけるフリー菌割合を算出して出力する処理を行い、及び、
(3)前記分類部が、感染/非感染が既に明らかである前記一つの被検血清における、希釈度の個数分の(希釈度、フリー菌割合)データを入力データとし、前記一つの被検血清についての感染/非感染を表すラベルを出力データとして、第2の深層学習器に対する学習を実行する処理を行い、並びに、
(4)学習精度に応じて上記の(1)~(3)の処理を繰り返す、
請求項1に記載の顕微鏡下凝集試験のための感染診断装置。 - 前記学習済みの第1の深層学習器を予め学習させるフリー菌割合の数値が、所定の段階の粗さで設定されるに過ぎないものである、
請求項3に記載の顕微鏡下凝集試験のための感染診断装置。 - 第1の深層学習部を含む回帰部と第2の深層学習器を含む分類部とを備える、感染診断装置を用いて行う、顕微鏡下凝集試験のための方法であって、
適宜の顕微鏡画像データを入力データとし、それら顕微鏡画像データの夫々に付せられるフリー菌割合データを出力データとして、第1の深層学習器に対する学習を実行する第1の学習ステップと、
複数の被検血清の各々における複数組の(希釈度、フリー菌割合)データを入力データとし、各々の被検血清についての感染/非感染を表すラベルを出力データとして、第2の深層学習器に対する学習を実行する第2の学習ステップと、
第1の深層学習器により、外部より取得される顕微鏡画像の特徴量を計算し、それら特徴量からフリー菌割合を回帰する回帰ステップと、及び、
第2の深層学習器により、一つの被検血清における複数組の(希釈度、フリー菌割合)データから、感染の有無を分類する分類ステップと
を含む、顕微鏡下凝集試験のための方法。 - 前記回帰部が、前記第1の深層学習器を、顕微鏡画像データと、それに対応するフリー菌割合として比較的粒度の粗いものとを用いて予め学習させて、学習済みの第1の深層学習器としており、
更に、
(1)前記回帰部が、感染/非感染が既に明らかである一つの被検血清に関する、複数の希釈度の顕微鏡画像データを、前記学習済みの第1の深層学習器に入力する処理を行い、
(2)前記学習済みの第1の深層学習器が、入力された複数の希釈度の顕微鏡画像データの各々におけるフリー菌割合を算出して出力する処理を行い、及び、
(3)前記分類部が、感染/非感染が既に明らかである前記一つの被検血清における、希釈度の個数分の(希釈度、フリー菌割合)データを入力データとし、前記一つの被検血清についての感染/非感染を表すラベルを出力データとして、第2の深層学習器に対する学習を実行する処理を行い、並びに、
(4)学習精度に応じて上記の(1)~(3)の処理を繰り返す、
請求項5に記載の顕微鏡下凝集試験のための方法。 - 前記学習済みの第1の深層学習器を予め学習させるフリー菌割合の数値が、所定の段階の粗さで設定されるに過ぎないものである、
請求項6に記載の顕微鏡下凝集試験のための方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019183164A JP7370573B2 (ja) | 2019-10-03 | 2019-10-03 | 顕微鏡下凝集試験のための感染診断装置及び方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019183164A JP7370573B2 (ja) | 2019-10-03 | 2019-10-03 | 顕微鏡下凝集試験のための感染診断装置及び方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021060223A JP2021060223A (ja) | 2021-04-15 |
JP7370573B2 true JP7370573B2 (ja) | 2023-10-30 |
Family
ID=75381374
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019183164A Active JP7370573B2 (ja) | 2019-10-03 | 2019-10-03 | 顕微鏡下凝集試験のための感染診断装置及び方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7370573B2 (ja) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015522825A (ja) | 2012-07-18 | 2015-08-06 | セラノス, インコーポレイテッド | 凝集の検出および測定のための方法 |
WO2018187548A2 (en) | 2017-04-05 | 2018-10-11 | Arizona Board Of Regents On Behalf Of Arizona State University | Antimicrobial susceptibility testing with large-volume light scattering imaging and deep learning video microscopy |
-
2019
- 2019-10-03 JP JP2019183164A patent/JP7370573B2/ja active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015522825A (ja) | 2012-07-18 | 2015-08-06 | セラノス, インコーポレイテッド | 凝集の検出および測定のための方法 |
WO2018187548A2 (en) | 2017-04-05 | 2018-10-11 | Arizona Board Of Regents On Behalf Of Arizona State University | Antimicrobial susceptibility testing with large-volume light scattering imaging and deep learning video microscopy |
Also Published As
Publication number | Publication date |
---|---|
JP2021060223A (ja) | 2021-04-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6693938B2 (ja) | 外観検査装置 | |
JP6927465B2 (ja) | 検体中の妨害因子を分類するためのモデルベース方法及び装置 | |
US11449980B2 (en) | System and method for combined automatic and manual inspection | |
JP2011039046A (ja) | 尿の作業領域マネージャーおよび尿の作業領域 | |
JP2020119588A (ja) | 情報処理システム、表示制御システム、およびプログラム | |
KR20170074932A (ko) | 반복적인 결함 필터링 프로세스 | |
JP4982213B2 (ja) | 欠陥検査装置及び欠陥検査方法 | |
CN108475328A (zh) | 用于实时化验监测的系统和方法 | |
CN115485602A (zh) | 显微镜系统、投影单元以及精子筛选辅助方法 | |
Gonzalez et al. | Clinical update on home testing for male fertility | |
JP7370573B2 (ja) | 顕微鏡下凝集試験のための感染診断装置及び方法 | |
US20210327060A1 (en) | Discerning device, cell mass discerning method, and computer program | |
Vergani et al. | Deep learning for classification and selection of cine CMR images to achieve fully automated quality-controlled CMR analysis from scanner to report | |
CN117152152B (zh) | 检测试剂盒的生产管理系统及方法 | |
CN107735838A (zh) | 在多种设置下用于医学样品的异常检测 | |
Beggs et al. | Machine learning for determining lateral flow device results for testing of SARS-CoV-2 infection in asymptomatic populations | |
JP2020042669A (ja) | 検査装置及び機械学習方法 | |
JP2020042668A (ja) | 検査装置及び機械学習方法 | |
Salguedo et al. | Low-cost 3D-printed inverted microscope to detect Mycobacterium tuberculosis in a MODS culture | |
WO2019008753A1 (ja) | 画像解析装置 | |
JP6176752B2 (ja) | 抗核抗体画像解析システム、抗核抗体画像解析方法および抗核抗体画像解析プログラム | |
US20220404283A2 (en) | Method and apparatus for detecting a presence of a fluorescence pattern type on an organ section by means of immunofluorescence microscopy | |
US20230334832A1 (en) | Image analyzing device | |
CN114283113A (zh) | 检测患者样本自身抗体与双链脱氧核糖核酸的结合的方法 | |
Soda et al. | Automatic acquisition of immunofluorescence images: Algorithms and evaluation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220930 |
|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A711 Effective date: 20221101 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20221101 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230724 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230829 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230908 |
|
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 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231011 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7370573 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |