JP7463512B2 - 情報処理装置、情報処理方法、及びプログラム - Google Patents
情報処理装置、情報処理方法、及びプログラム Download PDFInfo
- Publication number
- JP7463512B2 JP7463512B2 JP2022533791A JP2022533791A JP7463512B2 JP 7463512 B2 JP7463512 B2 JP 7463512B2 JP 2022533791 A JP2022533791 A JP 2022533791A JP 2022533791 A JP2022533791 A JP 2022533791A JP 7463512 B2 JP7463512 B2 JP 7463512B2
- Authority
- JP
- Japan
- Prior art keywords
- cell
- image
- cells
- classification
- sample image
- 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
- 230000010365 information processing Effects 0.000 title claims description 44
- 238000003672 processing method Methods 0.000 title claims description 8
- 238000000034 method Methods 0.000 claims description 138
- 230000008569 process Effects 0.000 claims description 134
- 238000001514 detection method Methods 0.000 claims description 102
- 230000001413 cellular effect Effects 0.000 claims description 48
- 238000012549 training Methods 0.000 claims description 15
- 238000013135 deep learning Methods 0.000 claims description 5
- 238000004220 aggregation Methods 0.000 claims description 3
- 230000002776 aggregation Effects 0.000 claims description 3
- 230000004931 aggregating effect Effects 0.000 claims 1
- 210000004027 cell Anatomy 0.000 description 414
- 239000010749 BS 2869 Class C1 Substances 0.000 description 37
- 238000012545 processing Methods 0.000 description 24
- 230000035945 sensitivity Effects 0.000 description 24
- 238000003860 storage Methods 0.000 description 21
- 238000010586 diagram Methods 0.000 description 20
- 238000005516 engineering process Methods 0.000 description 12
- 238000003384 imaging method Methods 0.000 description 11
- 239000010750 BS 2869 Class C2 Substances 0.000 description 7
- 108090000623 proteins and genes Proteins 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 230000007423 decrease Effects 0.000 description 5
- 230000003252 repetitive effect Effects 0.000 description 5
- 210000003850 cellular structure Anatomy 0.000 description 4
- 239000000428 dust Substances 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 102000004169 proteins and genes Human genes 0.000 description 4
- 229940125644 antibody drug Drugs 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000010370 cell cloning Methods 0.000 description 2
- 210000004978 chinese hamster ovary cell Anatomy 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 238000012804 iterative process Methods 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000000513 principal component analysis Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 241000699802 Cricetulus griseus Species 0.000 description 1
- 102000003839 Human Proteins Human genes 0.000 description 1
- 108090000144 Human Proteins Proteins 0.000 description 1
- 210000000628 antibody-producing cell Anatomy 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004040 coloring Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 239000001963 growth medium Substances 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000002609 medium Substances 0.000 description 1
- 238000010899 nucleation Methods 0.000 description 1
- 210000001672 ovary Anatomy 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 229940126586 small molecule drug Drugs 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
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
- G06V20/698—Matching; Classification
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12M—APPARATUS FOR ENZYMOLOGY OR MICROBIOLOGY; APPARATUS FOR CULTURING MICROORGANISMS FOR PRODUCING BIOMASS, FOR GROWING CELLS OR FOR OBTAINING FERMENTATION OR METABOLIC PRODUCTS, i.e. BIOREACTORS OR FERMENTERS
- C12M41/00—Means for regulation, monitoring, measurement or control, e.g. flow regulation
- C12M41/30—Means for regulation, monitoring, measurement or control, e.g. flow regulation of concentration
- C12M41/36—Means for regulation, monitoring, measurement or control, e.g. flow regulation of concentration of biomass, e.g. colony counters or by turbidity measurements
-
- 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
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- 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
- G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
- 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
- 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
- G06T2207/20081—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)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Chemical & Material Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Organic Chemistry (AREA)
- Zoology (AREA)
- Wood Science & Technology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Analytical Chemistry (AREA)
- Biotechnology (AREA)
- Microbiology (AREA)
- Sustainable Development (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Biochemistry (AREA)
- General Engineering & Computer Science (AREA)
- Genetics & Genomics (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
- Apparatus Associated With Microorganisms And Enzymes (AREA)
Description
上記実施形態では、分類部52は、非細胞サンプル画像SP2に付与されたサブラベルに基づいて細胞類似サンプル画像SP2Aと細胞非類似サンプル画像SP2Bとに分類しているが、本変形例では、分類部52は、非細胞サンプル画像SP2を、特徴量に基づいて細胞類似サンプル画像SP2Aと細胞非類似サンプル画像SP2Bとに分類する。
第2変形例では、分類部52は、細胞サンプル画像SP1と非細胞サンプル画像SP2のうち、細胞サンプル画像SP1のみを細胞候補領域PRとして分類する分類用学習済みモデルLMCを用いて、細胞類似サンプル画像SP2Aと細胞非類似サンプル画像SP2Bとの分類を行う。
第3変形例では、第2変形例の分類用学習済みモデルLMC(図14参照)を検出用学習済みモデルLMD(図5参照)と同様の構成とする。本変形例では、分類部52により分類した細胞類似サンプル画像SP2A及び細胞非類似サンプル画像SP2Bを用いて学習モデルMを学習させ、学習途中の学習モデルMで分類用学習済みモデルLMCを置き換える置換処理を行う。
次に、細胞候補領域PRの表示形態の変形例を示す。上記実施形態では、図6に示すように、表示制御部43は、細胞候補領域PRを拡大表示している。図20に示すように、本変形例では、表示制御部43は、容器画像WPから検出された複数の細胞候補領域PRのサムネイル画像を列挙して表示させる。これにより、ユーザは、複数の細胞候補領域PRを一目で確認することができる。
次に、本開示の方法により細胞の単一性の判定を行った例を示す。本実施例では、140個のウェル11にCHO細胞を播種した直後に各ウェル11を撮像装置3で撮像することにより、140枚の容器画像WPを取得した。そして、すべての容器画像WPを対象として、容器画像WP内のすべての構造物を、人が目視で、細胞クラスC1、細胞類似クラスC2A、及び細胞非類似クラスC2Bに分類することにより、各構造物の正解クラスCAを作成した。
Claims (12)
- 細胞が播種された容器を撮像した容器画像から細胞の単一性を判定するための細胞候補領域を検出する情報処理装置であって、
少なくとも1つのプロセッサを備え、
前記プロセッサは、
前記容器画像を取得する取得処理を行い、
細胞であることを表すラベルが付与された細胞サンプル画像と、非細胞であることを表すラベルが付与された非細胞サンプル画像とをそれぞれ複数含むデータセットである教師データを用いて学習モデルを学習させることにより作成された検出用学習済みモデルを用いて、前記取得処理で取得した前記容器画像から、細胞を含む細胞領域と、細胞に類似する物体を含む細胞類似領域とを、前記細胞候補領域として検出する検出処理を行い、
検出した前記細胞候補領域を表す情報を出力する出力処理を行い、
前記非細胞サンプル画像のうち前記細胞サンプル画像に類似するものを細胞類似サンプル画像として分類する分類処理を行い、
前記細胞サンプル画像及び前記細胞類似サンプル画像を前記細胞候補領域として検出する前記検出用学習済みモデルを作成する学習処理を行い、
前記分類処理において、前記細胞サンプル画像と前記非細胞サンプル画像とのうち、前記細胞サンプル画像のみを前記細胞候補領域として分類する分類用学習済みモデルを用いて、前記細胞候補領域として誤分類された前記非細胞サンプル画像を前記細胞類似サンプル画像として分類する、
情報処理装置。 - 前記プロセッサは、
前記分類処理を行った後、前記検出用学習済みモデルを作成するための前記学習処理を行い、学習途中の前記学習モデルを前記分類用学習済みモデルに置き換える置換処理を行う、
請求項1に記載の情報処理装置。 - 前記プロセッサは、
複数の前記非細胞サンプル画像に対して、規定回数、又は、前記細胞候補領域として誤分類される前記非細胞サンプル画像がなくなるまで前記分類処理、前記学習処理、及び前記置換処理を繰り返す、
請求項2に記載の情報処理装置。 - 前記プロセッサは、
前記学習処理において、深層学習により前記学習モデルを学習させる、
請求項1から請求項3のうちいずれか1項に記載の情報処理装置。 - 前記プロセッサは、
前記出力処理において、前記細胞候補領域を、前記容器画像とは区別してディスプレイに表示させる表示処理を行う、
請求項1から請求項4のうちいずれか1項に記載の情報処理装置。 - 前記プロセッサは、
前記表示処理において、前記ディスプレイに表示された前記細胞候補領域に対して、細胞である確度を表示する、
請求項5に記載の情報処理装置。 - 前記プロセッサは、
前記ディスプレイに表示された前記細胞候補領域に対して、細胞であるか否かの判定結果をユーザが付与する操作を受け付ける受付処理を行う、
請求項5又は請求項6に記載の情報処理装置。 - 前記プロセッサは、
前記受付処理により受け付けた前記判定結果を、前記細胞候補領域に対して付与する付与処理を行う、
請求項7に記載の情報処理装置。 - 前記プロセッサは、
前記取得処理により取得した前記容器画像が複数存在する場合に、
前記検出処理による前記細胞候補領域の検出結果、又は、前記付与処理により付与した前記判定結果を、前記容器画像ごとに集計し、集計結果を出力する、
請求項8に記載の情報処理装置。 - 前記集計結果には、前記容器画像ごとの細胞の単一性、又は、細胞の個数が含まれる、
請求項9に記載の情報処理装置。 - 細胞が播種された容器を撮像した容器画像から細胞の単一性を判定するための細胞候補領域を検出する処理を行う情報処理方法であって、
前記容器画像を取得する取得処理と、
細胞であることを表すラベルが付与された細胞サンプル画像と、非細胞であることを表すラベルが付与された非細胞サンプル画像とをそれぞれ複数含むデータセットである教師データを用いて学習モデルを学習させることにより作成された検出用学習済みモデルを用いて、前記取得処理で取得した前記容器画像から、細胞を含む細胞領域と、細胞に類似する物体を含む細胞類似領域とを、前記細胞候補領域として検出する検出処理と、
検出した前記細胞候補領域を表す情報を出力する出力処理と、
前記非細胞サンプル画像のうち前記細胞サンプル画像に類似するものを細胞類似サンプル画像として分類する分類処理と、
前記細胞サンプル画像及び前記細胞類似サンプル画像を前記細胞候補領域として検出する前記検出用学習済みモデルを作成する学習処理と、
前記分類処理において、前記細胞サンプル画像と前記非細胞サンプル画像とのうち、前記細胞サンプル画像のみを前記細胞候補領域として分類する分類用学習済みモデルを用いて、前記細胞候補領域として誤分類された前記非細胞サンプル画像を前記細胞類似サンプル画像として分類することと、
を含む情報処理方法。 - 細胞が播種された容器を撮像した容器画像から細胞の単一性を判定するための細胞候補領域を検出する処理をコンピュータに実行させるプログラムであって、
前記容器画像を取得する取得処理と、
細胞であることを表すラベルが付与された細胞サンプル画像と、非細胞であることを表すラベルが付与された非細胞サンプル画像とをそれぞれ複数含むデータセットである教師データを用いて学習モデルを学習させることにより作成された検出用学習済みモデルを用いて、前記取得処理で取得した前記容器画像から、細胞を含む細胞領域と、細胞に類似する物体を含む細胞類似領域とを、前記細胞候補領域として検出する検出処理と、
検出した前記細胞候補領域を表す情報を出力する出力処理と、
前記非細胞サンプル画像のうち前記細胞サンプル画像に類似するものを細胞類似サンプル画像として分類する分類処理と、
前記細胞サンプル画像及び前記細胞類似サンプル画像を前記細胞候補領域として検出する前記検出用学習済みモデルを作成する学習処理と、
前記分類処理において、前記細胞サンプル画像と前記非細胞サンプル画像とのうち、前記細胞サンプル画像のみを前記細胞候補領域として分類する分類用学習済みモデルを用いて、前記細胞候補領域として誤分類された前記非細胞サンプル画像を前記細胞類似サンプル画像として分類することと、
をコンピュータに実行させるプログラム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020115066 | 2020-07-02 | ||
JP2020115066 | 2020-07-02 | ||
PCT/JP2021/021997 WO2022004318A1 (ja) | 2020-07-02 | 2021-06-09 | 情報処理装置、情報処理方法、及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2022004318A1 JPWO2022004318A1 (ja) | 2022-01-06 |
JP7463512B2 true JP7463512B2 (ja) | 2024-04-08 |
Family
ID=79315294
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022533791A Active JP7463512B2 (ja) | 2020-07-02 | 2021-06-09 | 情報処理装置、情報処理方法、及びプログラム |
Country Status (4)
Country | Link |
---|---|
US (1) | US20230127415A1 (ja) |
EP (1) | EP4177332A1 (ja) |
JP (1) | JP7463512B2 (ja) |
WO (1) | WO2022004318A1 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7532754B2 (ja) * | 2019-09-04 | 2024-08-14 | 株式会社ニコン | 画像解析装置、細胞培養観察装置、画像解析方法、及びプログラム |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014041084A (ja) | 2012-08-23 | 2014-03-06 | Fuji Xerox Co Ltd | 画像処理装置、プログラム及び画像処理システム |
JP2015091220A (ja) | 2013-11-08 | 2015-05-14 | 東洋製罐グループホールディングス株式会社 | 細胞計数装置、細胞計数システム、細胞計数方法及び細胞計数プログラム |
WO2017082048A1 (ja) | 2015-11-10 | 2017-05-18 | 株式会社Screenホールディングス | 分類器構成方法およびこれを用いた細胞の生死判定方法 |
JP2019195304A (ja) | 2018-05-10 | 2019-11-14 | 学校法人順天堂 | 画像解析方法、装置、コンピュータプログラム、及び深層学習アルゴリズムの生成方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1586897B1 (en) * | 2002-11-07 | 2010-08-04 | Fujitsu Limited | Image analysis supporting method, image analysis supporting program, and image analysis supporting device |
WO2016134342A1 (en) | 2015-02-20 | 2016-08-25 | Wafergen, Inc. | Method for rapid accurate dispensing, visualization and analysis of single cells |
WO2019034328A1 (en) * | 2017-08-15 | 2019-02-21 | Siemens Healthcare Gmbh | IDENTIFYING THE QUALITY OF CELLULAR IMAGES ACQUIRED USING DIGITAL HOLOGRAPHIC MICROSCOPY USING CONVOLUTIONAL NEURAL NETWORKS |
-
2021
- 2021-06-09 WO PCT/JP2021/021997 patent/WO2022004318A1/ja active Application Filing
- 2021-06-09 JP JP2022533791A patent/JP7463512B2/ja active Active
- 2021-06-09 EP EP21833691.5A patent/EP4177332A1/en active Pending
-
2022
- 2022-12-23 US US18/146,071 patent/US20230127415A1/en active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014041084A (ja) | 2012-08-23 | 2014-03-06 | Fuji Xerox Co Ltd | 画像処理装置、プログラム及び画像処理システム |
JP2015091220A (ja) | 2013-11-08 | 2015-05-14 | 東洋製罐グループホールディングス株式会社 | 細胞計数装置、細胞計数システム、細胞計数方法及び細胞計数プログラム |
WO2017082048A1 (ja) | 2015-11-10 | 2017-05-18 | 株式会社Screenホールディングス | 分類器構成方法およびこれを用いた細胞の生死判定方法 |
JP2019195304A (ja) | 2018-05-10 | 2019-11-14 | 学校法人順天堂 | 画像解析方法、装置、コンピュータプログラム、及び深層学習アルゴリズムの生成方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2022004318A1 (ja) | 2022-01-06 |
US20230127415A1 (en) | 2023-04-27 |
EP4177332A1 (en) | 2023-05-10 |
JPWO2022004318A1 (ja) | 2022-01-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11901077B2 (en) | Multiple instance learner for prognostic tissue pattern identification | |
US11288795B2 (en) | Assessing risk of breast cancer recurrence | |
US20220237788A1 (en) | Multiple instance learner for tissue image classification | |
Saeys et al. | Computational flow cytometry: helping to make sense of high-dimensional immunology data | |
US12067720B2 (en) | Quality control of automated whole-slide analyses | |
US8831327B2 (en) | Systems and methods for tissue classification using attributes of a biomarker enhanced tissue network (BETN) | |
US11756677B2 (en) | System and method for interactively and iteratively developing algorithms for detection of biological structures in biological samples | |
JP2017509903A (ja) | 貨物の検査方法およびそのシステム | |
Marée | The need for careful data collection for pattern recognition in digital pathology | |
Dürr et al. | Know when you don't know: a robust deep learning approach in the presence of unknown phenotypes | |
CN115210779A (zh) | 生物样品中对象的系统性表征 | |
JP6531036B2 (ja) | 教師データ作成支援方法、画像分類方法、教師データ作成支援装置および画像分類装置 | |
JP7463512B2 (ja) | 情報処理装置、情報処理方法、及びプログラム | |
Panes et al. | Identification of point sources in gamma rays using U-shaped convolutional neural networks and a data challenge | |
JP6763673B2 (ja) | 教師データ作成支援装置、画像分類装置、教師データ作成支援方法および画像分類方法 | |
WO2022150554A1 (en) | Quantification of conditions on biomedical images across staining modalities using a multi-task deep learning framework | |
Salami et al. | Building confidence in deep learning-based image analytics for characterization of pharmaceutical samples | |
Cosatto et al. | A multi-scale conditional deep model for tumor cell ratio counting | |
Vanea et al. | Mapping cell-to-tissue graphs across human placenta histology whole slide images using deep learning with HAPPY | |
US20230024468A1 (en) | Systems and methods to process electronic images to determine histopathology quality | |
US20240232242A1 (en) | Data quality control and integration for digital pathology | |
US20240004540A1 (en) | Methods, apparatuses, and computer-readable media for enhancing digital pathology platform | |
Pantanowitz | Digital pathology & artificial intelligence: feasibility for clinical practice |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20221227 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231121 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240122 |
|
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: 20240305 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240327 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7463512 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |