JPH07504283A

JPH07504283A - 正常な生物医学検体を確認する方法

Info

Publication number: JPH07504283A
Application number: JP5514347A
Authority: JP
Inventors: シー．ネルソン，アラン; リー，シー−ヨン　ジェームズ; ジョンストン，リチャード　エス．
Original assignee: ネオパス，インク．
Priority date: 1992-02-18
Filing date: 1993-02-18
Publication date: 1995-05-11
Anticipated expiration: 2015-06-12
Also published as: ES2127810T3; AU3722893A; EP0628186A1; US5787188A; CA2130338C; DE69322498D1; EP0628186A4; AU670938B2; WO1993016436A1; DE69322498T2; JP3050406B2; EP0628186B1; CA2130338A1

Abstract

(57)【要約】本公報は電子出願前の出願データであるため要約のデータは記録されません。

Description

【発明の詳細な説明】正常な生物医学検体を確認する方法側■１本発明は生物医学検体の像を表わすデータを分析するための方法、さらに詳細には正常（陰性）な生物医学検体を見分けるために生物医学検体の像を表わすデータを解析する方法に関する。

髪且のｌ１ハードウェアとソフトウェアとの両面におけるデータ処理技術の進歩に伴い、生物医学的画像システムがますます広まってきている。現在、人体組織の画像を提供する像収集システム、たとえば、磁気共鳴造影装置、超音波造影、コンピューター断層造影などが開発されている。画像強調システムは一般に患者の器官、たとえば、患者の心臓、肺などの改良された画像を提供するためのデータを処理するために使用されている。しかしながら１画像強調システムを患者の機能系の生物医学的状態の診断に利用しようとする試みはまったくなされていない。

その他いくつかの画像解析システムが、医療技師による患者の生物医学的状態の診断を増強する目的で、患者から採取された検体のｍ像データを解析するために開発されている。たとえば、血液細胞、骨髄細胞、脳細胞などを表わす画像データを得るための画像解析システムが提供されている０画像解析システムは一般に検体の特性たとえば血液細胞のカウント数を決定するために画像データを処理するよう設計されている。これらのシステムでは集められたデータの分析はいくらか試みられてはいるが、これらシステムが検体の総合的な品質または状態、たとえば、正常（陰性）であるか異常であるかを診断するために有意義的に使用されたことはこれまでない、逆に、これらシステムは人間による再検査が必要であるような検体の部分を見つけ出す予備選別システムとして一義的に使用されている。

たとえば、いくつかの画像解析システムが１つの子宮頚管Ｐａｐ塗抹標本の各部分のスクリーニングのために提供されている。これらのシステムは一般に標本を検査可能とするよう前もって子宮頚管Ｐａｐ塗抹標本を特別に（非標準的に）調製することを必要している。その理由は画像装置の援助なしに細胞検査技師によって検査される典型的頚管Ｐａｐ塗抹標本は、現在使用可能なデータ処理技術によっては容易に画像化できない細胞の層や部片を含んでいるからである。しかし、このような画像解析システムのために必要な特別な調製作業は標本作製にさらに１つの工程を追加するものであり全体のコストおよび解析の複雑性を増大させる。

さらにその上、画像選別を実施するために現在利用可能な画像解析システムは検体（ｓｐｅｃｉ霞ｅｎ）に存在する正常とは見えないスライド上の物体（ｏｂｊｅｃｔｓ　）を識別するものである。たとえば、子宮頚管Ｐａｐ塗抹検査を実施するためにつくられている装置は正規細胞であるとは見えない物体、たとえば、不規則細胞または人為産物を指示するであろう。そしてこれらの不規則細胞や人為産物が細胞検査技師に示され、技師はそのスライドをさらに調べてスライド上の検体が正常であるか異常であるかを判定しなければならない、この方法によるスライドの予備選別は細胞検査技師が精密検査されべき細胞を迅速に識別することを可能にする。

なぜならば、細胞検査技師はスライド全体を調べる必要がないからである。しかしながら、この方法を使用しても、細胞検査技師はいぜんとして各スライドを逐 −調べなければならない。さらに、１つのスライドの上に異常らしい数百個の物体が存在する可能性があるから、細胞検査技師が各スライドを調べるために要する仕事はいぜんとして相当な量となる。したがって、かかる画像選別システムは細胞検査技師が不規則細胞や人為産物を見つけ出すために必要な時間を短縮することはできるであろうが、それでもなお、これらシステムは不満足なものである。

なぜならば、１つの検体が正常であるか異常であるかを判定するために細胞検査技師がしなければならない不規則細胞や人為産物の検査の量は実質的に減少されないからである。

したがって、生物医学検体の像を表わすデータを解析しつる画像解析システムの提供が望まれている。さらに、検体の像を表すデータを解析する画像解析システムであって、検体の全体的状態を判定しつる画像解析システムの提供が望まれている。さらに、生物医学検体を解析するための画像解析システムであって、正常とは見えない細胞グループが１つの正常検体または異常検体を代表するものであるか否かを決定しそして最終的には当該検体が全体として正常であるが否かを判定できる画像解析システムの提供が望まれている。

１団ΩＩＬ本発明は生物医学的またはその他の検体の像を表わすデータを解析するための方法を提供する０本方法は画像データを処理して画像の物体を確認しそして確認された物体を表わす物体データを提供する工程を含む０本方法はさらにその物体データを解析して物体データによって表わされた当該物体の予定された特徴の測定値を決定する工程を含む。この特徴測定値は各物体の信頼率をめるために使用される。この信頼率とはその物体が予定された特徴の点から正常である蓋然性を示すものであり、したがって、各物体を正常または異常に分類するために使用される。最後に、本方法は当該検体のすべての物体に対する信頼率を組み合わせて該検体の総合評価を与えそしてその総合評価が予定された範囲内にあるか否がを判定し、その範囲内にあった場合には、該検体が正常であると確認する工程を含む。

本発明の現在の好ましい実施態様においては、物体データは問題物体の近位に位置している複数の物体を検査することによって解析され、しかして問題物体の近位に位置する複数の物体の特性によって決定される特徴測定値と信頼率とが当該物体に与えられる。さらにいま１つの実施態様においては、問題物体の近位に位置している槽数の物体が近隣特徴測定値と数特徴測定値を付与することによって検査される。ここで、近隣特徴測定値とは対象物体周囲の複数の物体の特徴を表すものでありそして数特徴測定値とは対象物体の近位に位置する複数の物体の個数を示すものである。

欧１０鷹巣皇説用図１は本発明に従って構成された画像解析システムを説明するブロック図である；図２は本発明の方法の一般的方法論的手順を説明する説明図である；図３は本発明の方法をさらに詳細に説明する説明的流れ図である。

！肛０昆菫皇晟」画像収集および解析システム１００が図１に示されている。この画像解析システムは正常な生物医学検体を確認するため生物医学検体の画像を表わすデータを集めそして分析するために設けられている０本発明の目下の好ましい１つの実施例においては、画像収集および解析システム１００は顕微鏡スライドの上に載っている子宮頚管Ｐａｐ塗抹標本を表わす画像を解析するために構成されている。

当技術分野に通常の知識を有する者は本発明の方法が単層スライド標本を含むあらゆる生物医学的解析のために適用しうろことを理解するであろう、さらに、当技術分野に通常の知識を有する者は本発明が細胞学および組織学の種々の分野の生物医学的検体の解析と組み合わせて使用しうることを理解するであろう。たとえば、本発明は血液試料、尿試料、糞便試料、喀痰試料、皮膚掻き取り試料などに対して使用するよう容易に構成することができる。さらに、本発明は、たとえば、バイオプシー、組織塊または他のバルク生物医学的試料のごとき検体の生物医学的解析のために使用することができる。さらにまた、本発明は各種の他の映像システムたとえば画像強調システム、あるいは科学的画像分析システムに適用することができる。

画像収集および解析システム１００は画像収集システム１０２を包含し、これはカメラ１０４、モーションコントローラ１０６、照明系１０８およびインターフェース１１０を含む。この画像収集システム１０２はスライド１１２の上に載っている１つの標本すなわち検体の像を表わす画像データを集めるよう構成されている。集められる画像データは典型的には複数のデータ語を含む。その各データ語はカメラ１０４の１つのビクセルに対応し、検体の各部分の透過率を示す１つの二進数値を有する多ビツト二進言語である。

カメラ１０４は画像データをインターフェース１１０に与え、そのインターフェースは画像データを受け取りそして画像解析システム１００によって使用するための画像データを準備する。モーションコントローラ１０６は画像収集および解析システム１００に応答してスライド１１２を位置決めし、カメラ１．０４がスライド１１２の異なる複数の視野を表わす画像データを提供できるようにする。

図示した本発明の好ましい実施例においては、モーションコントローラ１０６は各１つのスライド１１２について１５０００ていどの多数の視野像を提供するようつくられている。

照明系１０８はスライド１１２を照明してカメラ１０４によって提供される画像データのグレースケールコンテント及びスピードを高める目的で設（ブられている。前記したように、本発明は好ましくはスライド１１２上の検体に特別な非標準的調製作業を行う必要なしに効率よく使用されるよう構成される。この目的のために１画像収集システム１０２はスライド１１２上の実質的に三次元の物体に精密合焦がなされるようつくられる。

ｌ１ｉｉ像収集システム１０２はデータ処理システム１１４と結合されており、それに画像データを供給する。データ処理システム１１４は、後でさらに詳述するように、画像データを解析して正常生物医学検体のみを含むスライドを確認するよう構成されている。なお、このデータ処理システム１１４は、従来技術の画像選別装置によって行なわれているように、異常らしく見える物体を見つけ出すものである。しかしながら、このデータ処理システム１１４は、さらに、当該スライド１１上の異常らしく見える複数の物体を分析して当該スライド＋１２上の検て、このデータ処理システム＋１４はたとえ異常らしく見える物体を含む検体であっても、それが正常な生物医学検体であると判定することが可能である。

データ処理システム１１４はデータプロセッサー１１６を含み、これはメモリー１２０に結合されている。メモリー１２０は後記において更に説明する画像解析を実行するためにデータプロセッサー１１６によって使用されるプログラムデータと命令を記憶している。さらに、メモリー１２０は中間分析データのほかにインターフェース１１０によって与えられる画像データを記憶するために設けることもできる。たとえば、１つの視野像の解析にはその視野像を表わす画像データを画像収集システム１０２によって提供された形とは異なる１つの形に変換することが必要である。メモリー１２０は多数の視野を表わすデータを記憶しかつまた各視野に関する中間データを記憶するために十分な容量のものでなければならない。

データプロセッサー１１６は画像データに対するデータ処理を実行するために任意多数の市場で入手可能な装置を包含することができる。本発明の現在の好ましい実施例においては、データプロセッサー１１６は、並列およびバイブライン形画像解析機能を実行するため、標準マイクロプロセッサ−回路と組み合わせた複数の画像プロセッサーボードを包含している。

本画像収集および解析システム１００は従来技術の画像選別システムに比較して改良されている。なぜならば、本画像解析システムは当該検体が全体として正常であるか否かを判定することができるがらである。これに対して、従来技術の画像選別システムはスライド上の問題なしと見られる物体を識別することだけが可能であるにすぎない。図２を参照すると、スライド１１２はバーコードまたは他の機械読み取り可能な識別子をその領域に有するバーコード部分２００およびその領域上に検体が置かれる検体部分２０２を含む。図２のステップＡに示したように、検体は多数の物体２０４を含有しつる。画像予備選別を実行するための従来技術の装置はスライド１１２上のこれ１う物体２０４の画像を表わすデータを捕捉しそして捕捉された画像データを解析して正常とは見えない物体２０６（ステップＢ）を識別するものである。この従来装置は細胞検査技師によるＣＲＴ再検査のためにそれら識別された物体の記録像を記憶しておくことはできない。

これに対して、本発明の画像収集および解析システム１００はステップＡとＢを経由して物体２０６を表わす画像データを解析しそして、ステップ２０８に示したように、スライド１１２の上にある検体が正常であるか否かについて判定する。そのスライドが正常であった場合、すなわちステップ２１０では細胞検査技師はそのスライドを調べる必要がない。しかしながら、判定２０８においてスライドが正常であると判定されなかった場合には、ステップ２１２において細胞検査技師によって当該スライドが調べられ、独立的に当該スライドが正常、ステップ２１４．と判断されるか、あるいは当該スライドはさらに再検査を要する。ステップ２１６、と判断される。

当技術分野に通常の知識を有する者には明らかなように、本発明は従来技術に対して顕著な改良を示している。なぜならば、細胞検査技師は検体が正常であるか否かを判断するために各スライドをすべて再検査したりあるいは各スライドからの当該データを逐−調べる必要がないからである０本発明を具体化した装置は再検査される全スライドの５０乃至８０％もの多くを正常スライドとして確認するよう構成することができる。このことは細胞検査技師の仕事負担量が５０乃至８０％軽減されることを意味し、したがって、生物医学的分析試験所の出来高を相当に増加できることを表わしている。

図２に示した方法論を具体化するため、本発明の方法は図３Ａと３Ｂに示した工程を実施する。すなわち、データ処理システム１１４は画像収集システム１０２（図１）にスライド１１２を走査して画像データを供給するよう制御信号を送る６次いで、データ処理システム１１４はスライド上の検体の複数の物体を識別するため画像データを処理する。当技術分野に通常の知識を有する者にとって明らかなように、各物体は１個の細胞、１つの細胞グループあるいは人為産物でありうる。本発明の現在の好ましい実施例においては、データ処理システム１１４は最初にどの視野が物体を含むかを見つけるため第１の倍率でスライドを走査するように画像収集システム１０２を制御する。データ処理システム１１４は第２回目に画像収集システム１０２がより高い倍率でスライドを走査して第１回目の走査で確定された視野の画像データを得るようｖＩＩＩする。このように、種々の解像度の画像データが得られる。

与えられた各組の視野画像データに対して、データ処理システム１１４は視野内の問題のあるそれぞれの物体を識別するためマスクを発生する。この時発生されるマスクは多数の物体識別子ＯＢ　（ｘ）を含み、このマスクは各問題物体ＯＢを特徴づけるデータを発生するため最初の視野データと組み合わせることができる。

視野内のＯＢ　（ｘ）物体を識別するためのマスクが発生されてしまった後、本方法の工程３０２で使用するため変数が初期化される。変数に、ｉ、ｇはインデックス変数であり、最初はｌにセットされる。変数ｊは問題物体のマスク内のＸ物体の個数を認識するために使用される。現在の本発明の好ましい実施例では、問題物体は３段階に分類される。したがって、現評価段階を記録するため工程３０１では段階の変数はｇにセットされる。したがって、第１段階の問題物体ＯＢのマスクは段階マスクと呼ばれる。

次に、工程３０４において、各物体が調べられて当該物体が正常と見えるか異常と見えるか判断される。当該物体が正常と見えるか異常と見えるかの判断は当該物体を特性化するため当該物体の特徴の数を測定することによってなされる。

当該物体を特性化し、それによって当該物体が正常か否かを決定するために測定されつる特徴の例は当該物体の寸法、形状、密度、組織などである０画像収集および解析システム１００が子宮頚管Ｐａｐ塗抹標本解析のために使用される本実施例の場合では、問題物体が正常か否かを判断するために複数の近隣物体の特徴が測定される。測定可能な近隣物体の特徴の例は問題物体の近位に存在する物体の総個数および問題物体の近位に存在する異常物体の個数である。他の用途においては、近隣物体のその他の特徴をさらに測定して問題物体が正常か否かを判断することができよう。

当技術分野に通常の知識を有する者にとって明らかなように、本明細書では子宮頚管Ｐａｐ塗抹標本の細胞が正常であるか否かを判断するために使用されるものとして特定の特徴を記載したが、それらの特徴を別の特徴で置き換えることも可能なことである。さらに１本発明が細胞学、組織学の他の分野あるいは別の画像解析領域に適用される場合には、各種の他の特徴および特徴組み合わせが当該物体を正常か異常かを判断するために望ましいものとなりつるであろう。

選択された特徴のいかんにかかわらず、後述するように複数の特徴測定値が組み合わされ、そして工程３０４においてその物体が正常らしいか異常らしいかの判定がなされる。物体が異常らしいと判断された場合には、その物体の１つのマスクが工程３０６においてアレイＡＢ　（ｋ）に記録される。この後、工程３０８でおいてインデックス変数ｋがインクレメントされる。他方、その物体が正常らしいと工程３０４において判断された場合には、工程３１０においてインデックス変数ｉがインクレメントされ、そして変数ｉが変数Ｊと比較されて問題物体のマスクのすべての物体が検査されたか否かが工程３１２において判断される。工程３０４乃至３１２はすべての物体が検査されてしまうまでくり返される。すべてが検査された時点では、アレイＡＢ　（ｋ）は正常とは見えない視野内の各物体を認識する画像データを含有する。

異常物体を表わす画像データは段階２マスクを発生し、異常物体の寸法、形状および段階ｌマスクからの位置が確かめられる。当技術分野に通常の知識を有する者は異常物体を識別する段階２マスクは各種の方法でつ（り出すことができることを理解するであろう、たとえば、正常物体を段階１マスクから差し引いて、異常であると認識された物体だけが残るようにすることができる。別の方法として、段階２マスクは段階ｌマスクでの異常物体を表わすデータをブランクマスクに付加することによって創出することができる。さらにいま１つの方法として、最初のグレイスケール画像に付加的な画像処理をほどこして段階１マスクを洗練して段階２マスクをつくることもできる。その他の段階２マスクを創出する方法は当技術分野に通常の知識を有する者にとって自明であろう。

３つの段階について段階３０１乃至３１２が繰り返され、第３段階が完了したか否かを判定するために工程３０３で変数Ｓｔａｇｅが３と比較され、そして。

３でない場合には、工程３０５でインデックス変数ｇが１だけインクレメントされ、段階２マスクの物体は問題アレイＯＢの物体の中に保存される（図３）。

本発明の現在の好ましい実施例においては、順次的各段階において物体が正常か異常かを判断するために異なる特徴が測定される。たとえば１段階ｌにおいては異常物体はその寸法と形状を測定することによって認識される。段階ｌで異常と認識された物体はそれらが本当に異常であるか否かを判断するため段階２で測定される。この段階２では、その物体が正常か異常かを判断するために当該物体の組織（ｔｅｘｔｕｒｅ）と密度を測定することができる。段階２で異常と認識された物体はそれらが本当に異常であるか否かを判断するため段階３で測定されることになる。この段階３では、その物体が正常か異常かを判断するために当該物体の近位にある異常物体の個数ならびに当該物体の近位に存在する物体の総数を測定することができる。

段階ｌ、段階２または段階３で物体が正常か異常かを判定する時に、その物体の特徴測定値がモデファイトバイナリ−デシジョントリー（園ｏｄｉｆｉｅｄ　ｂｉｎａｒｙｄｅｃｉｓｉｏｎ　ｔｒｅｅ　）に入力される。このデシジョントリーのターミナル結節はデシジョントリー人力として使用される特徴スペースの領域を識別する。詳細に説明すると、各ターミナル結節には予め決定された信頼値が指定されており、１つの物体の測定結果がバイナリ−トリーのある特定のターミナル結節である場合には、その物体に該予定信頼値が割り当てられる０本発明の現在説明している好ましい実施例では、各ターミナル結節はそれぞれの物体に３つの信頼値を割り当てる。

１つの信頼値はその物体が人為産物である可能性を指示するために割り当てられる。第２の信頼値はその物体が正常細胞である可能性を指示するために割り当てられる。そして第３の信頼値はその物体が異常である可能性を指示するために割り当てられる０本発明の現在の好ましい実施例では、物体が人為産物であるか。

正常細胞であるかまたは異常細胞であるかを決定するために段々と大きい信頼値を使用している。しかじから、当技術分野に通常の知識を有する者には明らかなように、これらの信頼値は物体を正常５異常または人為産物に分類するためにさまざまな方法で比較し、結合しまた使用することができるものである。さらに、別の信頼値を別の分類または複数の異なる分類のために割り当てることができることが理解できよう、さらにまた、複数の特徴測定値を結合するためにバイナリ −デシジョン］・リーが使用されているが、それの代わりに他のデータ処理法を同じく使用することができる。

この点について付言すると、それぞれの物体はそれ自体にかかわる前記のごとき特徴に関連して分類されるのみならず、さらにそのスライド上に存在する他の複数の物体にかかわる特徴に関連しても分類される。たとえば、物体はそれの近くにある複数の物体にかかわる近隣特徴測定値を受け取ることができる０問題物体の近隣物体がもし寸法または形状の点で異常であると見えた場合には１問題物体の近隣特徴測定値は相対的な異常性を指示するであろう。逆に、近隣物体がすべて正常細胞であるように見えた場合には１問題物体の近隣特徴測定値は相対的正常性を指示するであろう。同じようにして、各物体に数特徴測定値が与えられる。この数特徴測定値は当該物体の近くに存在する細胞の個数に関連して当該物体の正常性を指示するものである。すなわち、当該物体の近隣の細胞の数が予め定められた範囲内である場合には、当該物体には相対的正常性を指示する数特徴測定値が与えられる。反対に、当該物体の近隣の細胞の数が予め定められた範囲外であった場合には、当該物体には相対的異常性を指示する数特徴測定値が与えられる。

正常とは見えない複数の物体ＡＢ　（ｋ）に与えられる複数の特徴測定値についていえば、各測定値はある範囲の数値がその物体に与えられつるように予め定められた範囲にわたって変わり得るものである。さらに、当技術分野に通常の知識を有する者にとって明らかなように２上記したような特徴に加えて、さらに他の特徴、当該物体についての特徴とその近隣物体についての特徴の両方、あるいは物体の状態などを与えることもできる。しかしながら、本発明の重要な点は、検査物体がそれ自体にかかわる特徴によってのみ分類されるのではなく、それの外部の特徴によっても分類されることである。このことによって、検体が全体として正常であるか異常であるかの判定がより正確になされ得るのである。

再び図３Ａと３Ｂを参照すると、段階３が完了した後においては１画像収集および解析システム１００のデータプロセッサー１１６には各段階の分類データが保存されている。それら分類データにより当該段階で正常とされた物体の個数、当該段階で異常とされた物体の個数、および当該段階で人為産物と認識された物体の個数がわかる。１つのスライド全体が正常らしいか否かを決定するために、工程３１６において、それら分類データが組み合わされて各スライドに対する総合評価Ｎが与えられる。そして、この総合評価が予め定められた正常値ＰＮＶと比較される。総合評価がその予定正常値より小さかった場合には、工程３２０においてそのスライドは正常であると認定される。しかしながら、総合評価がその予定正常値と等しいかまたはそれより大きかった場合には、工程３２２においてそのスライドはさらに検査が必要と認定され、この場合は細胞検査技師によって再検査されなければならない。

総合評価Ｎを与えるために分類データは各種の仕方で組み合わせることができる。同様に、予定正常値ＰＮＶも種々選択することができる。この場合、予定正常値の相対的大きさが、部分的には、本方法の正確度を決定するであろう、スライドが正常か否かを判定するために分類データを組み合わせる１つの好ましい方法は下記式で定義される２つの分類係数ｆ、とｆ２をめるものである：段階３異常物体の数そしてスライドの総合評価Ｎは次式の異常性スコアとして定義するのである：異常性スコア＝ＱＩｆｆ十　Ω２Ｆ２式中、Ω１と０２は予め定めた定数である。

当技術分野に通常の知識を有する者にとって明らがなように、分類データはスライドの総合評価を決定するために各種の方法で組み合わせることができる。たとえば、各段階の正常物体の数を人為産物の数および／または異常物体の数と比較することができる。また別の例として種々の段階での異常物体の数を種々の段階での正常物体の数と比較することができる。さらにまた、スライドの総合評価を定めるために信頼率を分類データと組み合わせて使用することができる。当技術分野に通常の知識を有する者はスライドの総合評価を与えるために分類データと信頼率を組み合わせる方法として各種の方法が得られることが理解されよう。

上記から明らかなごとく、本発明の特定の実施例を説明の目的で本明細書に記載したが、本発明の精神と範囲から逸脱することなくさまざまな変更がなし得るものである。したがって、本発明は添付請求の範囲によって制限される以外、なんらの制限も受けない。

図２図３Ｂフロントページの続き（８１）指定国　ＥＰ（ＡＴ、ＢＥ、ＣＨ，ＤＥ。

ＤＫ、ＥＳ、ＦＲ，ＧＢ、ＧＲ，ＩＥ、ＩＴ、ＬＵ、ＭＣ，ＮＬ、ＰＴ、ＳＥ）、０Ａ（ＢＦ、ＢＪ、ＣＦ、ＣＧ、ＣＩ、ＣＭ、ＧＡ、ＧＮ、ＭＬ、ＭＲ，ＳＮ、ＴＤ。

ＴＧ）、ＡＵ、ＢＢ、ＢＧ、ＢＲ，ＣＡ、ＣＺ、ＦＩ。

ＨＵ、ＪＰ、ＫＰ、ＫＲ，ＬＫ、ＭＧ、ＭＮ、ＭＷ、ＮＯ，ＮＺ、ＰＬ、ＲＯ，ＲＵ、ＳＤ、ＳＫ、ＵＡ（７２）発明者　リー、シー−ヨン　ジェームズアメリカ合衆国、　９８００６　ワシントン、ベレヴユー、サウスイースト　フォーティシックスス　ストリート１４１１６（７２）発明者　ジョンストン、リチャード　ニス。

アメリカ合衆国、　９８０２７　ワシントン、イサ力、サウスイースト　トウェンティエイス　ストリート　２５５２４

Claims

【特許請求の範囲】１．下記工程を包含する陰性の生物医学的検体（２０２）を確認するための方法：（ａ）患者から生物医学検体（２０２）を得てその生物医学検体（２０２）を顕微鏡スライド（１１２）の上に置く、ここで該生物医学検体（２０２）は患者の複数の細胞（２０４）からなる；（ｂ）電子的に制御される顕微鏡（１０４）を用意して顕微鏡スライド（１）２）上の検体（２０２）を表わす面像データ（１２０）を得る；（ｃ）該画像データ（１２０）を処理してスライド（１１２）上の検体（２０２）の物体（２０４）を識別しそして物体データ（１２０）を得る、ここで各物体（２０４）は１個の細胞または１個の人為産物からなり得そして該物体データは識別された物体（２０４）を表わすものである；（ｄ）該物体データ（１２０）を識別された物体（２０４）の予め定められた特徴に関して解析して各物体（２０４）についての特徴測定値を得そしてそれら特徴測定値を組み合わせて（３１６）各物体（２０４）についての一組の信頼率を得る、ここで該一組の信頼率（３１４）は当該物体（２０４）が正常細胞、異常細胞または人為産物であることを指示する；（ｅ）該スライド（１１２）上のすべての物体（２０４）についての複数組の信頼率（３１４）を組み合わせて（３１６）該スライド（１１２）についての総合的生物医学的評価を求めそして得られた生物医学的評価が予め定められた範囲（３１８）内にあるか否かを判断し、範囲内にあった場合には該生物医学的試料をさらに人間による再検査を必要としない正常試料（３２０）であると確認し、そしてもし範囲内になかった場合には工程（３２２）（ｆ）を実行する；そして（ｆ）該スライド（１１２）をさらに検査を必要とするおそらく異常である試料（３２０）として認定し（３０８）そしてその異常物体データ（１２０）とその異常物体ロケーションデータをユーザーに提供する。２．物体データ（１２０）を、識別された物体（２０４）の予め定められた特徴に関して解析する、上記工程（ｄ）が下記副工程を含む請求項１記載の方法：（ｇ）当該物体（２０４）の形状、当該物体（２０４）の寸法、当該物体（２０４）の密度および当該物体（２０４）の組繊についての特徴測定値を得る。３．物体データ（１２０）を、識別された物体（２０４）の予め定められた特徴に関して解析する、上記工程（ｄ）が下記副工程を含む請求項１記載の方法：（ｈ）当該物体（２０４）の近くに存在する物体（２０４）を調べて当該物体（２０４）の近くに存在する物体（２０４）の特徴によって決定される当該物体（２０４）についての１つの特徴測定値を得る。４．当該物体（２０４）の近くに存在する物体（２０４）を調べる上記工程（ｄ）が下記副工程を含む請求項３記載の方法：（ｉ）近隣特徴測定値と数特徴測定値（１００）を得る、ここで近隣特徴測定値は当該物体（２０４）の周囲の物体（２０４）の特徴を表わすものでありそして数特徴測定値は当該物体（２０４）の近くに存在する物体（２０４）の数を表わすものである。５．下記工程を包含する生物医学的像を表わす画像データ（１２０）を解析するための方法：（ａ）画像データ（１２０）を処理して（１１４）生物医学的像の物体（２０４）を識別しそして物体データ（１２０）を得る、ここで物体データ（１２０）は識別された物体（２０４）を表わすものである；（ｂ）該物体データ（１２０）を、予め定められた特徴に関して解抗して（３０４）分類データを得る（３１６）、ここで分類データは物体（２０４）が正常であるか異常であるかを指示するために使用される；（ｃ）該生物医学的像の物体（２０４）の一部分について該分類データを組み合わせて該生物医学的像についての総合評価を得そして該総合坪価が予め定められた範囲（３１８）にあるか否かを判定しそして、範囲内にある場合には、その生物医学的像を正常と認定する。６．予め定められた特徴に関して物体データ（１２０）を解析する（３０４）工程（ｂ）が下記副工程を含む請求項５記載の方法：（ｄ）物体データ（１２０）によって識別された物体（２０４）の予め定められた特徴に関して物体データ（１２０）を解析して（３０４）各物体（２０４）についての特徴測定値を得る；そして（ｅ）各物体（２０４）についてそれらの特徴測定値を組み合わせて（３１６）一組の分類係数を得る、ここで該一組の分類係数は物体（２０４）が正常であるか否かを指示するために使用される。７．予め定められた特徴に関して物体データ（１２０）を解析する（３０４）工程（ｂ）が下記副工程を含む請求項６記載の方法：（ｆ）一組の第一段階異常物体（２０４）をきめる（３１６）、ここで該一組の第一段階異常物体（２０４）は、上記一組の分類係数がその物体（２０４）を異常であると指示する物体として識別される（３０８）ものである；そして（ｇ）該第一段階異常物体（２０４）に対して工程（ｂ）を繰り返す。８．医学的像の物体（２０４）の一部分について分類データを組み合わせる（３１６）工程（ｃ）が下記副工程を含む請求項７記載の方法：（ｈ）段階の一部分で正常および異常と議別された物体（２０４）の数を決定し（１１４，３０８）そしてそれらの数を組み合わせて（３１６）総合評価を得る（３１６）。９．予め定められた特徴に関して物体データを解析する（３０４）工程（ｂ）が下記副工程を含む請求項５記載の方法：（ｉ）一組の第一段階異常物体（２０４）をきめる（３１６）、ここで該一組の第一段階異常物体（２０４）は上記一組の分類係数がその物体（２０４）を異常であると指示する物体として議別される（３０８）ものである；そして（ｊ）該第一段階異常物体（２０４）に対して工程（ｂ）を繰り返す。１０．医学的像の物体（２０４）の一部分について分類データを組み合わせる（３１６）工程（ｃ）が下記副工程を含む請求項７記載の方法：（ｋ）段階の一部分で正常および異常と識別された物体（２０４）の数を決定し（３０８）そしてそれらの数を組み合わせて（３１６）総合評価を得る（３１４）。１１．予め定められた特徴に関して物体データ（１２０）を解析する（３０４）工程（ｂ）が下記副工程を含む請求項５記載の方法：（１）物体データによって識別された物体（２０４）の予め定められた特徴に関して該物体データ（１２０）を解析して（３０４）各物体（２０４）についての特徴測定値を得そしてそれら特徴測定値を組み合わせて（３１６）一組の信頼率（３１４）を得る、ここで該一組の信頼率（３１４）はその物体（２０４）が正常であるか否かを指示するために使用される。１２．予め定められた特徴に関して物体データ（１２０）を解析する（３０４）工程（ｂ）が下記副工程を含む請求項１１記載の方法：（ｍ）一組の第一段階異常物体（２０４）をきめる、ここで該一組の第一段階異常物体（２０４）は前記一組の信頼率（３１４）がその物体（２０４）を異常と指示する物体として識別されるものである；そして（ｎ）該第一段階異常物体（２０４）の第一段階特徴に関して該物体データ（１２０）を解析して（３０４）各第一段階異常物体（２０４）について第一段階特徴測定値を得そして該第一段階特徴測定値を椙み合わせて（３１６）一組の第一段階信頼率（３１４）を得る、ここで該第一段階特徴は上記予め定められた特徴とは区別される。１３．予め定められた特徴に関して物体データ（１２０）を解析する（３０４）工程（ｂ）が下記副工程を含む請求項１１記載の方法：（ｏ）物体（２０４）の形状、物体（２０４）の寸法、物体（２０４）の密度および物体（２０４）の組識について特徴測定値を得る。１４．予め定められた特徴に関して物体データ（１２０）を解析する（３０４）工程（ｂ）が下記副工程を含む請求項１１記載の方法：（ｐ）当該物体（２０４）の近くに存在する物体（２０４）を調べて当該物体（２０４）の近くに存在する物体（２０４）の特徴によって決定される当該物体（２０４）についての１つの特徴測定値を得る。１５．当該物体（２０４）の近くに存在する物体（２０４）を調べる工程（ｐ）が下記副工程を含む請求項１４記載の方法：（ｑ）近隣特徴測定値および数特徴測定値を得る（１００）．ここで近隣特徴測定値は当該物体（２０４）の周囲の物体（２０４）の特徴を表わすものでありそして数特徴測定値は当該物体（２０４）の近くに位置している物体（２０４）の数を表わすものである。１６．さらに下記工程を含む請求項１５記載の方法：（ｒ）患者から生物医学的検体（２０２）を得そして該生物医学的検体（２０２）を１つのスライド（１１２）の上に置く；そして（ｓ）生物医学的画像形成装置を用意してスライド（１１２）上の該検体（２０２）から面像データ（１２０）を得る。１７．下記のものを包含する生物医学的画像を解所するための装置：検体（２０２）の像を表わす画像データ（１２０）を与える画像形成手段；該画像データ（１２０）を解析する（１１４）ためのデータ処理手段（１１６）、このデータ処理手段（１１６）は該画像データ（１２０）を処理（１１４）して該生物医学的像の物体（２０４）を識別しそして識別された物体（２０４）を表わす物体データ（１２０）を与える手段を含み、さらに該データ処理手段（１１６）は予め定められた特徴に関して該物体データ（１２０）を解析（１１４）してその物体（２０４）が正常か異常かを指示するために使用される分類データを与える（３１６）手段を含み、該データ処理手段（１１６）は該生物医学的像の物体（２０４）の一部分について該分類データを組み合わせて（３１６）該生物医学的像についての総合評価を与えるよう構成されており、そしてさらに、該総合評価が予め定められた範囲（３１８）内にある場合には、正常画像データ（１２０）を提供するよう構成されている；および該正常画像データ（１２０）に関連した生物医学的像を確認（１１４）するための手段。