JPH11120350A - 不定形の識別方法及び不定形の識別装置 - Google Patents

Abstract

(57)【要約】 【課題】人間の主観や経験によることなく、自動的に不
定形の解析を行って例えば細胞集魂の良性／悪性の識別
を行うことができる識別方法及装置を提供する。 【解決手段】 画像データに画像処理を施す画像処理工
程と、画像処理が施された画像データに基づいてフラク
タル次元を算出する演算工程と、フラクタル次元と予め
複数の画像データに基づいて算出された複数のフラクタ
ル次元とを比較する比較工程とを有する。このような処
理を行う識別装置１は、画像データに画像処理を施す画
像処理手段３と、画像処理手段３で画像処理が施された
画像データに基づいてフラクタル次元を算出する演算手
段４と、予め複数の画像データに基づいて算出された複
数のフラクタル次元が格納された記録手段６と、演算手
段で算出されたフラクタル次元と記録手段６に格納され
た複数のフラクタル次元とを比較する比較手段５とを有
する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、例えば細胞集塊等
の不定形状を有する画像データをフラクタル次元を用い
て解析する不定形の識別方法及び不定形の識別装置に関
する。

【０００２】

【従来の技術】例えば腫瘍細胞の良性／悪性の診断にお
いては、腫瘍細胞が不定形であるために、人間の経験的
な判断に委ねられていた。具体的には、細胞標本を顕微
鏡を用いて観察し、良性または悪性腫瘍細胞に固有な形
態学的特徴を見いだすことにより、両者の判別を行って
いた。

【０００３】このような腫瘍細胞の細胞標本を診断する
ひとつの方法としては、吸引した細胞をスライドガラス
に吹き付け、その形態を観察する手法が用いられる。一
般には、良性腫瘍細胞は細胞間の結合力が強く、得られ
た細胞集塊が密着した比較的滑らかな形状を持つ傾向が
あり、悪性腫瘍は結合力が弱いため細胞集塊の広がりが
大きく形状も複雑になることが知られているために、そ
の判別が人間の判断によることが多い。

【０００４】

【発明が解決しようとする課題】しかし、細胞腫瘍が良
性か悪性かの判別の基準は、診断者の経験や主観に負う
ところが大きく、また、形態学的な特徴だけでは判別が
困難な例も少なくない。このような診断者の負担を軽減
し、かつ、大量の細胞標本を診断処理するためには、診
断者の経験や主観を補うようなコンピュータシステムの
開発が望まれている。

【０００５】そこで、本発明は、上述したような実情に
鑑みて提案されたものであり、人間の主観や経験による
ことなく、自動的に不定形の解析を行って例えば細胞集
魂の良性／悪性の識別を行うことができる不定形の識別
方法及び不定形の識別装置を提供することを目的とす
る。

【０００６】

【課題を解決するための手段】上述の課題を解決する本
発明にかかる不定形の識別方法は、画像データに画像処
理を施す画像処理工程と、画像処理が施された画像デー
タに基づいてフラクタル次元を算出する演算工程と、フ
ラクタル次元と予め複数の画像データに基づいて算出さ
れた複数のフラクタル次元とを比較する比較工程とを有
することを特徴とする。

【０００７】このような不定形の識別方法は、画像処理
が施された画像データに基づいてフラクタル次元を算出
する演算工程を有しているので、これらフラクタル次元
と予め算出された複数のフラクタル次元とを比較工程で
比較することにより、当該画像データを定量的に識別す
ることができる。

【０００８】また、本発明にかかる不定形の識別装置
は、画像データに画像処理を施す画像処理手段と、画像
処理手段で画像処理が施された画像データに基づいてフ
ラクタル次元を算出する演算手段と、予め複数の画像デ
ータに基づいて算出された複数のフラクタル次元が格納
された記録手段と、演算手段で算出されたフラクタル次
元と記録手段に格納された複数のフラクタル次元とを比
較する比較手段とを有することを特徴とするものであ
る。

【０００９】このように構成された不定形の識別装置
は、画像データに基づいてフラクタル次元を算出する演
算手段を有しているので、フラクタル次元と予め算出さ
れた複数のフラクタル次元とを比較手段で比較すること
により、当該画像データを定量的に識別することができ
る。

【００１０】

【発明の実施の形態】以下、本発明に係る不定形の識別
方法及び不定形の識別装置について図面を参照しながら
説明する。

【００１１】本発明に係る不定形の識別方法及び不定形
の識別装置は、例えば良性腫瘍と悪性腫瘍とを示す画像
データを識別する識別方法及び装置に適用することがで
きる。

【００１２】この識別装置１は、図１に示すように、画
像データを生成する入力部２と、この入力部２から画像
データが入力される画像処理部３と、画像処理部３で画
像処理が施された画像データが入力される演算部４と、
演算部４で算出されたフラクタル次元が入力される比較
部５と、比較部５での比較結果を出力する出力部７とを
有する。

【００１３】入力部２は、例えばスキャナ等から構成さ
れており、識別する対象となる細胞集魂を画像データと
して取り込む。このように入力部２は、細胞集魂を画像
データとして取り込むことにより、図２に示すような細
胞集魂ａ₁を示す画像データ及び図３に示すような細胞
集魂ｂ₁に示す画像データを得る。

【００１４】画像処理部３は、入力部２から画像データ
が入力される。この画像処理部３は、入力された画像デ
ータに対して画像処理を施す。この画像処理部３が行う
画像処理としては、細胞集魂形状の輪郭の特徴を解析す
るため入力された画像データのエッジ抽出を行う。この
ように画像処理部３は、エッジ抽出を行うことで図４及
び図５のように画像処理が施された画像データを得る。
なお、図４は図２の細胞集魂ａ₁を示す画像データにエ
ッジ抽出を行った後の細胞集魂ａ₂を示す画像データで
あり、図５は図３の細胞集魂ｂ₁を示す画像データにエ
ッジ抽出を行った後の細胞集魂ｂ₂を示す画像データで
ある。

【００１５】また、この画像処理の他の一例としては、
細胞集魂の核分布の特徴を解析するためカラー画像をグ
レースケールに変換した後、細胞集魂内の細胞核の染色
濃度階調うちの任意の濃度を閾値として２値化を行って
もよい。このように画像処理部３は、細胞核の染色濃度
に基づいて２値化処理を行うことで図６及び図７のよう
に画像処理が施された画像データを得る。なお、図６は
図２の細胞集魂ａ₁を示す画像データに２値化処理を行
った後の細胞集魂ａ₃を示す画像データであり、図７は
図３の細胞集魂ｂ₁を示す画像データに２値化処理を行
った後の細胞集魂ｂ₃を示す画像データである。

【００１６】演算部４は、画像処理部３で画像処理が施
された画像データが入力される。この演算部４は、入力
された画像データに対してボックスカウンティング法に
よって画像データのフラクタル次元を算出する。

【００１７】この演算部４は、このフラクタル次元を生
成するとき、上述のボックスカウンティング法を用いて
フラクタル次元を算出する。具体的には、先ず、画像デ
ータを一辺がｒの正方形に分解する。次に、画像データ
の画素を少なくとも含む正方形の個数Ｎ（ｒ）を求め
る。次に、Ｎ（ｒ）を縦軸、ｒを横軸として両対数プロ
ットすることによりグラフを作成する。このとき、グラ
フが直線で近似し、そのグラフの傾きの符号を正にした
値をフラクタル次元とする。なお、実際の画像データを
解析するときには、揺らぎが生ずるので、最小自乗法等
によってグラフの傾きを決定する。

【００１８】比較部５は、演算部４で算出されたフラク
タル次元が入力される。この比較部５には、図８に示す
ように、上述のように算出した複数の細胞集魂について
のフラクタル次元が記録部６に格納されている。この図
８によれば、画像データについてフラクタル次元を算出
すると、エッジ抽出処理や２値化処理等の画像処理を施
したものであっても、良性腫瘍を示す画像データのフラ
クタル次元が悪性腫瘍を示す画像データのフラクタル次
元よりも低い。具体的には、この記録部６に格納された
フラクタル次元は、画像処理部３でエッジ抽出処理を施
した場合、良性腫瘍を示す細胞集魂の画像データについ
ては１．３０３±０．０５３程度となり、悪性腫瘍を示
す細胞集根を画像データについては１．３７６±０．０
６程度となる。また、フラクタル次元は、画像処理部３
で２値化処理を施した場合、良性腫瘍を示す細胞集魂を
画像データについては図８中領域Ａに示すように１．５
１５±０．１０９程度となり、悪性腫瘍を示す細胞集根
を画像データについては図８中領域Ｂに示すように１．
６４５±０．０８２程度となる。

【００１９】そして、この比較部５は、入力されたフラ
クタル次元を上記記録部６を参照し、この記録部６のフ
ラクタル次元と入力された画像データに基づくフラクタ
ル次元との比較を行い良性か悪性かの判断を行う。具体
的には、この比較部５は、画像処理部３での画像処理の
種類に応じて記録部６に格納されているフラクタル次元
を参照して入力されたフラクタル次元が、上述した記録
部６に格納されたフラクタル次元の範囲に該当するか否
かの判断を行う。

【００２０】すなわち、この比較部５は、エッジ抽出処
理を施した画像データに基づくフラクタル次元が入力さ
れた場合、フラクタル次元が１．３０３±０．０５３の
範囲内であれば良性腫瘍と判断し、フラクタル次元が
１．３７６±０．０６の範囲内であれば悪性腫瘍と判断
する。また、この比較部５は、２値化処理を施した画像
データに基づくフラクタル次元が入力された場合、フラ
クタル次元が１．５１５±０．１０９の範囲内であれば
良性腫瘍と判断し、フラクタル次元が１．６４５±０．
０８２の範囲内であれば悪性腫瘍と判断する。

【００２１】出力部７は、比較部５での比較結果が入力
される。そして、この出力部７は、この比較結果を例え
ば表示モニタ等に出力したユーザ等に比較結果を示す。

【００２２】このように構成された識別装置１は、入力
された画像データのフラクタル次元を算出する演算部４
を有しているので、細胞集魂のような不定形の画像デー
タを定量的に解析することができる。従って、この識別
装置１によれば、従来のように、細胞検査士の経験等に
よる識別によることなく、良性腫瘍か悪性腫瘍かの判断
を行うことができる。

【００２３】また、この識別装置１は、画像処理部３で
上述したようなエッジ抽出処理や２値化処理等の画像処
理を行うので、細胞集魂のような不定形の画像データの
輪郭的な特徴及び細胞集魂内細胞核の空間分布の特徴に
着目して画像データを定量的に判断することができる。

【００２４】また、この識別装置１では、同一の画像デ
ータに対してエッジ抽出処理が施された画像データと２
値化処理が施された画像データに基づいてそれぞれフラ
クタル次元を算出することにより良性腫瘍か悪性腫瘍か
否かの判断を行うことができるので、判断の信頼性を向
上させることができる。

【００２５】さらに、この識別装置１によれば、上述し
たような簡易な構成で細胞集魂の判別ができるので、パ
ーソナルコンピュータ等の簡易な設備でも細胞画像の自
動識別が可能である。

【００２６】つぎに、このように構成された識別装置１
で細胞集魂の種類を識別する識別方法について説明す
る。

【００２７】この識別方法は、識別する対象物である細
胞集魂を画像データとして取り込む入力工程と、この入
力工程で取り込まれた画像データに画像処理を施す画像
処理工程と、この画像処理工程で画像処理が施された画
像データのフラクタル次元を算出する演算工程と、この
演算工程で算出されたフラクタル次元に基づいて細胞集
魂の種類を判断する比較工程と、この比較工程での比較
結果を出力する出力工程とを有する。

【００２８】入力工程は、例えばスキャナ等の入力部２
で図２及び図３に示すような細胞集魂を画像データとし
て取り込み、画像処理部３に出力する。

【００２９】画像処理工程は、上述の入力工程で取り込
まれた画像データに画像処理を行う。この画像処理とし
ては、細胞集魂の輪郭の形状を抽出するエッジ抽出処理
又は細胞核の空間配置を抽出する２値化処理等の画像処
理がある。この画像処理工程では、エッジ抽出処理を行
うことにより、図４及び図５に示すようにに示すように
入力工程で取り込んだ画像データを輪郭を抽出する。ま
た、この画像処理工程では、２値化処理を行うことによ
り、図６及び図７に示すように入力工程で取り込んだ画
像データの各細胞核について空間配置を抽出する。この
２値化処理は、例えば入力工程で取り込んだ画像がカラ
ー画像である場合、グレースケールに変換した後に、細
胞集魂内の細胞核の染色濃度階調を閾値として２値化を
行うことで核分布画像を作成する。そして、この画像処
理工程では、上述のように画像処理を施した画像データ
を演算部４に出力する。

【００３０】演算工程は、上述の画像処理工程で画像処
理が施された画像データのフラクタル次元を演算部４で
算出する。この演算工程では、例えば上述のボックスカ
ウンティング法を用いてエッジ抽出処理又は２値化処理
が施された画像データのフラクタル次元を算出する。そ
して、この演算工程では、画像データに基づいて算出し
たフラクタル次元を比較部５に出力する。

【００３１】比較工程は、上述の演算工程で算出された
フラクタル次元と記録部６に格納された複数の画像デー
タに基づく複数のフラクタル次元とを比較部５で比較す
る。具体的には、この比較工程では、画像処理工程での
画像処理の種類に応じて記録部６に格納されているフラ
クタル次元を参照して入力されたフラクタル次元が、上
述した記録部６に格納されたフラクタル次元の範囲に該
当するか否かの判断を行う。

【００３２】すなわち、この比較工程では、エッジ抽出
処理を施した画像データに基づくフラクタル次元が入力
された場合、フラクタル次元が１．３０３±０．０５３
の範囲内であれば良性腫瘍と判断し、フラクタル次元が
１．３７６±０．０６の範囲内であれば悪性腫瘍と判断
する。また、この比較工程では、２値化処理を施した画
像データに基づくフラクタル次元が入力された場合、フ
ラクタル次元が１．５１５±０．１０９の範囲内であれ
ば良性腫瘍と判断し、フラクタル次元が１．６４５±
０．０８２の範囲内であれば悪性腫瘍と判断する。

【００３３】出力工程では、上述の比較工程で判断され
た結果が入力され、例えば表示モニタ等で比較工程での
判断をユーザ等に示す。

【００３４】このような識別方法では、予め良性腫瘍と
して規定されたフラクタル次元の範囲と悪性腫瘍として
規定されたフラクタル次元の範囲とを格納した記録部６
と判断対象である画像データに基づくフラクタル次元と
を比較工程で比較するので入力工程で画像データとして
取り込んだ細胞腫瘍が良性か悪性かを判断することがで
きる。

【００３５】このような識別方法は、入力された画像デ
ータのフラクタル次元を算出する演算工程を行い、細胞
集魂のような不定形の画像データを定量的に解析するこ
とができる。従って、この識別方法によれば、入力され
た画像データのフラクタル次元と記録部６に格納された
フラクタル次元とを比較することにより、従来のよう
に、細胞検査士の経験等の識別によることなく、良性腫
瘍か悪性腫瘍かの判断を行うことができる。

【００３６】また、この識別方法は、画像処理工程でエ
ッジ抽出処理を２値化処理等の画像処理を行うので、細
胞集魂のような不定形の画像データの輪郭的な特徴及び
細胞集魂内細胞核の空間分布の特徴に着目して画像デー
タを定量的に判断することができる。

【００３７】また、この識別方法では、同一の画像デー
タに対してエッジ抽出処理が施された画像データと２値
化処理が施された画像データに基づいてそれぞれフラク
タル次元を算出することにより良性腫瘍か悪性腫瘍か否
かの判断を行うことができるので、判断の信頼性を向上
させることができる。

【００３８】さらに、この識別方法によれば、上述した
ような簡易な工程で細胞集魂の判別ができるので、パー
ソナルコンピュータ等の簡易な設備でも細胞画像の自動
識別が可能である。

【００３９】なお、本発明に係る不定形の識別方法及び
不定形の識別装置１は、上述したように細胞集魂を画像
データとして取り込んで識別する識別装置１及び識別方
法に限らず、例えば人工衛生からの画像等の不定形の画
像を識別するあらゆる識別装置及び識別方法に適用可能
である。

【００４０】

【発明の効果】以上詳細に説明したように、本発明に係
る不定形の識別方法は、入力された画像データのフラク
タル次元と予め複数の画像データに基づいて算出された
複数のフラクタル次元とを比較する比較工程を有するの
で、不定形を定量的に解析して、不定形の識別を定量的
に行うことができる。

【００４１】また、本発明に係る不定形の識別装置は、
フラクタル次元と予め複数の画像データに基づいて算出
された複数のフラクタル次元とを比較する比較手段を有
するので、不定形を定量的に解析して、不定形の識別を
定量的に行うことができる。

【図面の簡単な説明】

【図１】本発明を適用した識別装置の一例を示すブロッ
ク図である。

【図２】入力部で生成された良性腫瘍の画像を示す平面
図である。

【図３】悪性腫瘍の画像を示す平面図である。

【図４】図２の画像にエッジ抽出処理を施した画像を示
す平面図である。

【図５】図３の画像にエッジ抽出処理を施した画像を示
す平面図である。

【図６】図２の画像に２値化処理を施した画像を示す平
面図である。

【図７】図３の画像に２値化処理を施した画像を示す平
面図である。

【図８】エッジ抽出処理を施したときの良性腫瘍及び悪
性腫瘍のフラクタル次元の値と２値化処理処理を施した
ときの良性腫瘍及び悪性腫瘍のフラクタル次元の値を示
す図である。

【符号の説明】

１ 識別装置、２ 画像処理部、３ 演算部、４ 比較
部、５ 記録部

Claims (10)

【特許請求の範囲】
1. 【請求項１】 画像データに画像処理を施す画像処理工
   程と、 画像処理が施された画像データに基づいてフラクタル次
   元を算出する演算工程と、 上記フラクタル次元と予め複数の画像データに基づいて
   算出された複数のフラクタル次元とを比較する比較工程
   とを有することを特徴とする不定形の識別方法。
2. 【請求項２】 上記画像処理工程では、エッジ抽出処理
   を行うことで上記画像データの輪郭の特徴を抽出するこ
   とを特徴とする請求項１記載の不定形の識別方法。
3. 【請求項３】 上記画像処理工程では、２値化処理を行
   うことで上記画像データの濃度分布の特徴を抽出するこ
   とを特徴とする請求項１記載の不定形の識別方法。
4. 【請求項４】 上記演算工程では、ボックスカウンティ
   ング法を用いてフラクタル次元を算出することを特徴と
   する請求項１記載の不定形の識別方法。
5. 【請求項５】 上記画像データが細胞集魂を示すことを
   特徴とする請求項１記載の不定形の識別方法。
6. 【請求項６】 画像データに画像処理を施す画像処理手
   段と、 上記画像処理手段で画像処理が施された画像データに基
   づいてフラクタル次元を算出する演算手段と、 予め複数の画像データに基づいて算出された複数のフラ
   クタル次元が格納された記録手段と、 上記演算手段で算出された上記フラクタル次元と上記記
   録手段に格納された複数のフラクタル次元とを比較する
   比較手段とを有することを特徴とする不定形の識別装
   置。
7. 【請求項７】 上記画像処理手段は、画像データにエッ
   ジ抽出画像処理を行うことで当該画像データの輪郭の特
   徴を抽出することを特徴とする請求項６記載の不定形の
   識別装置。
8. 【請求項８】 上記画像処理手段は、画像データに２値
   化処理を行うことで当該画像データの濃度分布の特徴を
   抽出することを特徴とする請求項６記載の不定形の識別
   装置。
9. 【請求項９】 上記記録手段に格納された複数のフラク
   タル次元はボックスカウンティング法を用いて算出さ
   れ、上記演算手段はボックスカウンティング法を用いて
   フラクタル次元を算出することを特徴とする請求項６記
   載の不定形の識別装置。
10. 【請求項１０】 画像データを生成する入力手段を備
    え、当該入力手段は細胞集魂を示す画像データを生成す
    ることを特徴とする請求項６記載の不定形の識別装置。