JPWO2019117177A1 - 判別方法、学習方法、判別装置及びコンピュータプログラム - Google Patents
判別方法、学習方法、判別装置及びコンピュータプログラム Download PDFInfo
- Publication number
- JPWO2019117177A1 JPWO2019117177A1 JP2019559678A JP2019559678A JPWO2019117177A1 JP WO2019117177 A1 JPWO2019117177 A1 JP WO2019117177A1 JP 2019559678 A JP2019559678 A JP 2019559678A JP 2019559678 A JP2019559678 A JP 2019559678A JP WO2019117177 A1 JPWO2019117177 A1 JP WO2019117177A1
- Authority
- JP
- Japan
- Prior art keywords
- cells
- principal component
- raman
- type
- learning
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 99
- 238000004590 computer program Methods 0.000 title claims abstract description 28
- 238000012850 discrimination method Methods 0.000 title claims abstract description 11
- 238000001237 Raman spectrum Methods 0.000 claims abstract description 219
- 238000001228 spectrum Methods 0.000 claims abstract description 65
- 238000000513 principal component analysis Methods 0.000 claims abstract description 46
- 238000001069 Raman spectroscopy Methods 0.000 claims description 120
- 230000008569 process Effects 0.000 claims description 60
- 238000012706 support-vector machine Methods 0.000 claims description 40
- 238000004364 calculation method Methods 0.000 claims description 21
- 238000010801 machine learning Methods 0.000 claims description 14
- 230000005284 excitation Effects 0.000 claims description 7
- 210000004027 cell Anatomy 0.000 description 299
- 238000004891 communication Methods 0.000 description 27
- 238000012545 processing Methods 0.000 description 15
- 238000001514 detection method Methods 0.000 description 13
- 230000003287 optical effect Effects 0.000 description 13
- 238000005259 measurement Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 125000002485 formyl group Chemical group [H]C(*)=O 0.000 description 9
- 239000011159 matrix material Substances 0.000 description 8
- 230000008859 change Effects 0.000 description 7
- 238000012549 training Methods 0.000 description 6
- 210000004978 chinese hamster ovary cell Anatomy 0.000 description 5
- 239000000284 extract Substances 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 210000004748 cultured cell Anatomy 0.000 description 3
- 150000001408 amides Chemical class 0.000 description 2
- 210000003855 cell nucleus Anatomy 0.000 description 2
- 230000001678 irradiating effect Effects 0.000 description 2
- 238000011282 treatment Methods 0.000 description 2
- 208000016557 Acute basophilic leukemia Diseases 0.000 description 1
- 238000012935 Averaging Methods 0.000 description 1
- 102000018832 Cytochromes Human genes 0.000 description 1
- 108010052832 Cytochromes Proteins 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000024245 cell differentiation Effects 0.000 description 1
- 210000000170 cell membrane Anatomy 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000012258 culturing Methods 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 210000002288 golgi apparatus Anatomy 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000003834 intracellular effect Effects 0.000 description 1
- 150000002632 lipids Chemical class 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 102000039446 nucleic acids Human genes 0.000 description 1
- 108020004707 nucleic acids Proteins 0.000 description 1
- 150000007523 nucleic acids Chemical class 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 230000001172 regenerating effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000010186 staining Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
Classifications
-
- 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
- G01N21/65—Raman scattering
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
- G01N33/483—Physical analysis of biological material
- G01N33/487—Physical analysis of biological material of liquid biological material
- G01N33/48707—Physical analysis of biological material of liquid biological material by electrical means
- G01N33/48728—Investigating individual cells, e.g. by patch clamp, voltage clamp
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/28—Investigating the spectrum
- G01J3/44—Raman spectrometry; Scattering spectrometry ; Fluorescence spectrometry
- G01J3/4412—Scattering spectrometry
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/10—Investigating individual particles
- G01N15/14—Optical investigation techniques, e.g. flow cytometry
- G01N15/1429—Signal processing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/10—Investigating individual particles
- G01N15/14—Optical investigation techniques, e.g. flow cytometry
- G01N15/1434—Optical arrangements
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/10—Investigating individual particles
- G01N15/14—Optical investigation techniques, e.g. flow cytometry
- G01N15/1456—Optical investigation techniques, e.g. flow cytometry without spatial resolution of the texture or inner structure of the particle, e.g. processing of pulse signals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/10—Investigating individual particles
- G01N2015/1006—Investigating individual particles for cytology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Biomedical Technology (AREA)
- Dispersion Chemistry (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Signal Processing (AREA)
- Molecular Biology (AREA)
- Urology & Nephrology (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Hematology (AREA)
- Biophysics (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
- Investigating Or Analysing Biological Materials (AREA)
- Apparatus Associated With Microorganisms And Enzymes (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
Description
本実施形態に係る細胞の種類の判別方法では、ラマン散乱光測定装置により、複数の細胞が含まれる試料から各細胞のラマンスペクトルを測定し、判別装置により、測定されたラマンスペクトルに基づいて細胞の種類の判別を行う。試料には、複数種類の細胞が含まれている。例えば、試料は、培養された細胞を含む試料、又は人等の生物から採取された細胞を含む試料である。ここで、細胞の種類の違いとは、活性化した細胞と活性化していない細胞との違い、生細胞と死細胞との違い、正常な細胞と異常になった細胞との違い等の違いを含む。
図1は、ラマン散乱光測定装置1の構成を示すブロック図である。ラマン散乱光測定装置1は、試料5を保持する試料保持部16と、レーザ光を照射する照射部11と、マスク142と、ビームスプリッタ141と、レンズ15とを備えている。例えば、試料5は液状であり、シャーレ等の容器に収容されている。試料保持部16は、例えば、試料5を収容した容器が載置される試料台である。試料保持部16は試料台以外の形態であってもよい。照射部11が照射するレーザ光は、マスク142で細い光束に絞られ、ビームスプリッタ141で反射し、レンズ15を通り、試料5へ照射される。照射部11、マスク142、ビームスプリッタ141及びレンズ15は、レンズ15の中でレーザ光が光軸及び光軸近傍のみを通るように、配置されている。図1中ではレーザ光を実線矢印で示している。
実施形態2においては、ラマンスペクトルの一部分を用いて細胞の判別を行う形態を示す。細胞のラマンスペクトルには、細胞の特徴を比較的強く反映しており、細胞の種類による変化が大きい部分と、細胞の特徴をあまり反映しておらず、細胞の種類による変化が小さい部分とが含まれる。以下、細胞のラマンスペクトル中で細胞の特徴を強く反映した部分を、指紋領域と言う。実施形態2では、指紋領域を用いて細胞の判別を行う。
試料に含まれる細胞の種類を判別する方法において、
一つの未判別の細胞から一つのラマンスペクトルを取得し、
種類の判明している複数の細胞の夫々から一つずつ得られたラマンスペクトルからなる複数のラマンスペクトルの予め定められたラマンシフト範囲に対応する部分に対する主成分分析により得られた複数の主成分のスペクトルの前記ラマンシフト範囲に対応する部分に対して、前記未判別の細胞のラマンスペクトルの前記ラマンシフト範囲に対応する部分が一致する度合を示す複数の一致度を計算し、
前記主成分分析により得られた前記種類の判明している複数の細胞の夫々に対応する複数の主成分スコアを、教師あり学習を用いる学習モデルによって種類別に分類した結果に基づいて、前記複数の一致度を分類することにより、前記未判別の細胞の種類を判別すること
を特徴とする判別方法。
試料に含まれる細胞の種類をラマンスペクトルに基づいて判別するための学習を行う方法であって、
種類の判明している複数の細胞の夫々から一つずつ得られたラマンスペクトルからなる複数のラマンスペクトルの予め定められたラマンシフト範囲に対応する部分を主成分分析することにより得られた、複数の主成分のスペクトルの前記ラマンシフト範囲に対応する部分、及び前記複数の細胞の夫々に対応する複数の主成分スコアを取得し、
複数組の前記複数の主成分スコアと、前記複数の細胞の夫々の種類とを教師データとして、教師あり学習を用いる学習モデルによって前記種類に応じて複数組の前記複数の主成分スコアを分類することができるように、前記学習モデルの機械学習を行い、
前記複数の主成分のスペクトルの前記ラマンシフト範囲に対応する部分、及び学習後の前記学習モデルによる前記複数の主成分スコアの分類結果を記憶すること
を特徴とする学習方法。
試料に含まれる細胞の種類を判別する装置において、
種類の判明している複数の細胞の夫々から一つずつ得られたラマンスペクトルからなる複数のラマンスペクトルの予め定められたラマンシフト範囲に対応する部分に対する主成分分析により得られた複数の主成分のスペクトルの前記ラマンシフト範囲に対応する部分に対して、未判別の細胞から取得したラマンスペクトルの前記ラマンシフト範囲に対応する部分が一致する度合を示す複数の一致度を計算する計算部と、
前記主成分分析により得られた前記種類の判明している複数の細胞の夫々に対応する複数の主成分スコアを、教師あり学習を用いる学習モデルによって種類別に分類した結果に基づいて、前記複数の一致度を分類することにより、前記未判別の細胞の種類を判別する判別部と
を備えることを特徴とする判別装置。
コンピュータに、試料に含まれる細胞の種類を判別する処理を実行させるコンピュータプログラムにおいて、
コンピュータに、
種類の判明している複数の細胞の夫々から一つずつ得られたラマンスペクトルからなる複数のラマンスペクトルの予め定められたラマンシフト範囲に対応する部分に対する主成分分析により得られた複数の主成分のスペクトルの前記ラマンシフト範囲に対応する部分に対して、未判別の細胞から取得したラマンスペクトルの前記ラマンシフト範囲に対応する部分が寄与する度合を示す複数の一致度を計算するステップと、
前記主成分分析により得られた前記種類の判明している複数の細胞の夫々に対応する複数の主成分スコアを、教師あり学習を用いる学習モデルによって種類別に分類した結果に基づいて、前記複数の一致度を分類することにより、前記未判別の細胞の種類を判別するステップと
を含む処理を実行させることを特徴とするコンピュータプログラム。
コンピュータに、試料に含まれる細胞の種類を判別するための学習を行わせるコンピュータプログラムであって、
コンピュータに、
種類の判明している複数の細胞の夫々から一つずつ得られたラマンスペクトルからなる複数のラマンスペクトル予め定められたラマンシフト範囲に対応する部分を主成分分析することにより得られた、複数の主成分のスペクトルの前記ラマンシフト範囲に対応する部分、及び前記複数の細胞の夫々に対応する複数の主成分スコアを取得するステップと、
複数組の前記複数の主成分スコアと、前記複数の細胞の夫々の種類とを教師データとして、教師あり学習を用いる学習モデルによって前記種類に応じて前記複数の主成分スコアを分類することができるように、前記学習モデルの機械学習を行うステップと、
前記複数の主成分のスペクトルの前記ラマンシフト範囲に対応する部分、及び学習後の前記学習モデルによる前記複数の主成分スコアの分類結果を記憶するステップと
を含む処理を実行させることを特徴とするコンピュータプログラム。
11 照射部
12 検出部
13 分光器
15 レンズ
18 制御部
2 判別装置
21 CPU
24 記憶部
241 コンピュータプログラム
3 通信ネットワーク
4 記憶装置
5 試料
コンピュータに、試料に含まれる細胞の種類を判別するための学習を行わせるコンピュータプログラムであって、
コンピュータに、
種類の判明している複数の細胞の夫々から一つずつ得られたラマンスペクトルからなる複数のラマンスペクトルの予め定められたラマンシフト範囲に対応する部分を主成分分析することにより得られた、複数の主成分のスペクトルの前記ラマンシフト範囲に対応する部分、及び前記複数の細胞の夫々に対応する複数の主成分スコアを取得するステップと、
複数組の前記複数の主成分スコアと、前記複数の細胞の夫々の種類とを教師データとして、教師あり学習を用いる学習モデルによって前記種類に応じて前記複数の主成分スコアを分類することができるように、前記学習モデルの機械学習を行うステップと、
前記複数の主成分のスペクトルの前記ラマンシフト範囲に対応する部分、及び学習後の前記学習モデルによる前記複数の主成分スコアの分類結果を記憶するステップと
を含む処理を実行させることを特徴とするコンピュータプログラム。
Claims (12)
- 試料に含まれる細胞の種類を判別する方法において、
一つの未判別の細胞から一つのラマンスペクトルを取得し、
種類の判明している複数の細胞の夫々から一つずつ得られたラマンスペクトルからなる複数のラマンスペクトルの主成分分析により得られた複数の主成分のスペクトルに対して、前記未判別の細胞のラマンスペクトルが一致する度合を示す複数の一致度を計算し、
前記主成分分析により得られた前記種類の判明している複数の細胞の夫々に対応する複数の主成分スコアを、教師あり学習を用いる学習モデルによって種類別に分類した結果に基づいて、前記複数の一致度を分類することにより、前記未判別の細胞の種類を判別すること
を特徴とする判別方法。 - 前記学習モデルは、サポートベクターマシンであること
を特徴とする請求項1に記載の判別方法。 - 種類の判明している複数の細胞の夫々に対応する複数の主成分スコアと前記複数の細胞の夫々の種類とを教師データとして、前記学習モデルの機械学習を行うこと
を特徴とする請求項1又は2に記載の判別方法。 - 一つの細胞の全体に励起光を照射し、
前記一つの細胞の全体からのラマン散乱光を測定することにより、ラマンスペクトルを取得すること
を特徴とする請求項1乃至3のいずれか一つに記載の判別方法。 - 試料に含まれる細胞の種類をラマンスペクトルに基づいて判別するための学習を行う方法であって、
種類の判明している複数の細胞の夫々から一つずつ得られたラマンスペクトルからなる複数のラマンスペクトルを主成分分析することにより得られた、複数の主成分のスペクトル、及び前記複数の細胞の夫々に対応する複数の主成分スコアを取得し、
複数組の前記複数の主成分スコアと、前記複数の細胞の夫々の種類とを教師データとして、教師あり学習を用いる学習モデルによって前記種類に応じて複数組の前記複数の主成分スコアを分類することができるように、前記学習モデルの機械学習を行い、
前記複数の主成分のスペクトル、及び学習後の前記学習モデルによる前記複数の主成分スコアの分類結果を記憶すること
を特徴とする学習方法。 - 夫々に前記複数の主成分スコアを成分とする複数の座標点が含まれる座標空間を、前記学習モデルによって複数の領域に分割することにより、複数組の前記複数の主成分スコアを分類すること
を特徴とする請求項5に記載の学習方法。 - 試料に含まれる細胞の種類を判別する装置において、
種類の判明している複数の細胞の夫々から一つずつ得られたラマンスペクトルからなる複数のラマンスペクトルの主成分分析により得られた複数の主成分のスペクトルに対して、未判別の細胞から取得したラマンスペクトルが一致する度合を示す複数の一致度を計算する計算部と、
前記主成分分析により得られた前記種類の判明している複数の細胞の夫々に対応する複数の主成分スコアを、教師あり学習を用いる学習モデルによって種類別に分類した結果に基づいて、前記複数の一致度を分類することにより、前記未判別の細胞の種類を判別する判別部と
を備えることを特徴とする判別装置。 - 種類の判明している複数の細胞の夫々に対応する複数の主成分スコアと前記複数の細胞の夫々の種類とを教師データとして、前記学習モデルの機械学習を行う学習部
を更に備えることを特徴とする請求項7に記載の判別装置。 - 前記教師データを外部から取得する第1取得部
を更に備えることを特徴とする請求項8に記載の判別装置。 - 前記複数の主成分のスペクトル、及び前記種類の判明している複数の細胞の夫々に対応する複数の主成分スコアを前記学習モデルによって種類別に分類した結果を、外部から取得する第2取得部
を更に備えることを特徴とする請求項7乃至9のいずれか一つに記載の判別装置。 - コンピュータに、試料に含まれる細胞の種類を判別する処理を実行させるコンピュータプログラムにおいて、
コンピュータに、
種類の判明している複数の細胞の夫々から一つずつ得られたラマンスペクトルからなる複数のラマンスペクトルの主成分分析により得られた複数の主成分のスペクトルに対して、未判別の細胞から取得したラマンスペクトルが寄与する度合を示す複数の一致度を計算するステップと、
前記主成分分析により得られた前記種類の判明している複数の細胞の夫々に対応する複数の主成分スコアを、教師あり学習を用いる学習モデルによって種類別に分類した結果に基づいて、前記複数の一致度を分類することにより、前記未判別の細胞の種類を判別するステップと
を含む処理を実行させることを特徴とするコンピュータプログラム。 - コンピュータに、試料に含まれる細胞の種類を判別するための学習を行わせるコンピュータプログラムであって、
コンピュータに、
種類の判明している複数の細胞の夫々から一つずつ得られたラマンスペクトルからなる複数のラマンスペクトルを主成分分析することにより得られた、複数の主成分のスペクトル、及び前記複数の細胞の夫々に対応する複数の主成分スコアを取得するステップと、
複数組の前記複数の主成分スコアと、前記複数の細胞の夫々の種類とを教師データとして、教師あり学習を用いる学習モデルによって前記種類に応じて前記複数の主成分スコアを分類することができるように、前記学習モデルの機械学習を行うステップと、
前記複数の主成分のスペクトル、及び学習後の前記学習モデルによる前記複数の主成分スコアの分類結果を記憶するステップと
を含む処理を実行させることを特徴とするコンピュータプログラム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017238644 | 2017-12-13 | ||
JP2017238644 | 2017-12-13 | ||
PCT/JP2018/045591 WO2019117177A1 (ja) | 2017-12-13 | 2018-12-12 | 判別方法、学習方法、判別装置及びコンピュータプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2019117177A1 true JPWO2019117177A1 (ja) | 2021-01-14 |
JP7232771B2 JP7232771B2 (ja) | 2023-03-03 |
Family
ID=66819260
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019559678A Active JP7232771B2 (ja) | 2017-12-13 | 2018-12-12 | 判別方法、学習方法、判別装置及びコンピュータプログラム |
Country Status (5)
Country | Link |
---|---|
US (1) | US11125692B2 (ja) |
EP (1) | EP3709005A1 (ja) |
JP (1) | JP7232771B2 (ja) |
CN (1) | CN111433592B (ja) |
WO (1) | WO2019117177A1 (ja) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20210052389A (ko) | 2018-08-27 | 2021-05-10 | 리제너론 파마슈티칼스 인코포레이티드 | 다운스트림 정제에서의 라만 분광법의 사용 |
JP7383939B2 (ja) * | 2019-09-03 | 2023-11-21 | 東ソー株式会社 | 学習装置、学習方法、細胞判別装置、細胞判別方法、細胞判別学習プログラムおよび細胞判別プログラム |
WO2021070385A1 (ja) * | 2019-10-11 | 2021-04-15 | アイポア株式会社 | 粒子の識別を行うためのセンサ、測定器、コンピュータ装置、およびシステム |
CN116235031A (zh) * | 2020-10-05 | 2023-06-06 | 松下知识产权经营株式会社 | 处理装置、系统、方法和计算机程序 |
EP4248753A4 (en) * | 2020-11-20 | 2024-04-24 | Juchheim Co Ltd | BUM CAKE BAKING SYSTEM, BUM CAKE BAKING AID SYSTEM, PROGRAM AND METHOD FOR PRODUCING BUM CAKES |
CN113267482B (zh) * | 2021-01-28 | 2023-07-25 | 深圳市罗湖区人民医院 | 一种鼻咽癌单细胞检测方法、存储介质及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110317158A1 (en) * | 2008-12-18 | 2011-12-29 | Lyng Fiona M | Cytological method for analyzing a biological sample by raman spectroscopy |
WO2017073737A1 (ja) * | 2015-10-28 | 2017-05-04 | 国立大学法人東京大学 | 分析装置 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10365220B2 (en) * | 2005-05-31 | 2019-07-30 | Lawrence Livermore National Security, Llc | Single-cell raman spectroscopy for the non-destructive, non-invasive analysis of cells and cellular components |
US8379197B2 (en) * | 2006-01-05 | 2013-02-19 | Chemimage Corporation | Spectroscopic systems and methods for classifying and pharmaceutically treating cells |
WO2008100582A2 (en) * | 2007-02-14 | 2008-08-21 | Chemimage Corporation | Spectroscopic system and method for predicting outcome of disease |
WO2009021178A1 (en) * | 2007-08-08 | 2009-02-12 | Chemimage Corporation | Raman difference spectra based disease classification |
JP2010181391A (ja) | 2009-02-05 | 2010-08-19 | Mutsumi Takagi | 動物細胞の識別方法 |
GB201018628D0 (en) * | 2010-11-04 | 2010-12-22 | Univ Nottingham | Method, apparatus and software for identifying cells |
CN103487425A (zh) * | 2013-09-12 | 2014-01-01 | 福建师范大学 | 一种利用表面增强拉曼光谱判别癌细胞的方法 |
-
2018
- 2018-12-12 CN CN201880078199.6A patent/CN111433592B/zh active Active
- 2018-12-12 JP JP2019559678A patent/JP7232771B2/ja active Active
- 2018-12-12 WO PCT/JP2018/045591 patent/WO2019117177A1/ja unknown
- 2018-12-12 US US16/771,987 patent/US11125692B2/en active Active
- 2018-12-12 EP EP18889335.8A patent/EP3709005A1/en not_active Withdrawn
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110317158A1 (en) * | 2008-12-18 | 2011-12-29 | Lyng Fiona M | Cytological method for analyzing a biological sample by raman spectroscopy |
WO2017073737A1 (ja) * | 2015-10-28 | 2017-05-04 | 国立大学法人東京大学 | 分析装置 |
Non-Patent Citations (2)
Title |
---|
DIES H , ET AL.: "Rapid identification and quantification of illicit drugs on nanodendritic surface-enhanced Raman sca", SENSORS AND ACTUATORS B, vol. 257, JPN6019007499, 31 October 2017 (2017-10-31), pages 382 - 388, ISSN: 0004881647 * |
KIM W , ET AL.: "Instrument-Free Synthesizable Fabrication of Label-Free Optical Biosensing Paper Strips for the Earl", ANALYTICAL CHEMISTRY, vol. 88, JPN6019007497, 29 April 2016 (2016-04-29), pages 5531 - 5537, ISSN: 0004881646 * |
Also Published As
Publication number | Publication date |
---|---|
JP7232771B2 (ja) | 2023-03-03 |
EP3709005A1 (en) | 2020-09-16 |
CN111433592B (zh) | 2023-09-15 |
CN111433592A (zh) | 2020-07-17 |
WO2019117177A1 (ja) | 2019-06-20 |
US11125692B2 (en) | 2021-09-21 |
US20210140891A1 (en) | 2021-05-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7232771B2 (ja) | 判別方法、学習方法、判別装置及びコンピュータプログラム | |
JP7339308B2 (ja) | 細胞の表現型応答を自動的に分析するためのシステムおよび方法 | |
US11098275B2 (en) | Analysis device | |
US20200323480A1 (en) | Hyperspectral Image-Guided Raman Ocular Imager for Alzheimer's Disease Pathologies | |
WO2006104201A1 (ja) | 細胞画像解析方法、細胞画像解析プログラム、細胞画像解析装置、スクリーニング方法およびスクリーニング装置 | |
US8253936B2 (en) | Raman characterization of transplant tissue | |
WO2016080442A1 (ja) | 品質評価方法及び品質評価装置 | |
JP2007020449A (ja) | スクリーニング方法およびスクリーニング装置 | |
JPWO2018203568A1 (ja) | 細胞評価システム及び方法、細胞評価プログラム | |
US20200300768A1 (en) | Determination device, determination method, and determination program | |
JP4728025B2 (ja) | 細胞画像解析装置 | |
JP2018004594A (ja) | 品質評価方法及び品質評価装置 | |
EP1857538B1 (en) | Microscope apparatus and cell observation method | |
JP2019207239A (ja) | 品質評価方法及び品質評価装置 | |
US20220065782A1 (en) | Forensic detector and the system thereof | |
JP5845154B2 (ja) | 生体数モデル生成装置、生体数モデル生成方法、サイトメーター、および、プログラム | |
KR102139477B1 (ko) | 매질 특성 차이를 이용한 영상 기반의 시료 분석 장치를 이용하여 시료를 측정하고 분석하는 방법 | |
US20240044773A1 (en) | Cell life-and-death determination method, cell life-and-death determination device, and cell life-and-death determination system | |
US20220349803A1 (en) | Method and apparatus for particle detection in turbid or clear medium | |
US20240052287A1 (en) | Cell culture apparatus and living cell concentration adjustment method | |
US20230129540A1 (en) | Cell analyzer device | |
JP2023067851A (ja) | 細胞の成熟度の評価方法 | |
CN107407639A (zh) | 用于检查用于移植的材料的装置和方法 | |
Regner | Randomness in Biological Systems |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200515 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20211005 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220927 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221117 |
|
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: 20230207 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230220 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7232771 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |