KR20210046788A - 형광 직접 보합 이미지 획득 시 카메라 노출 제어 - Google Patents

형광 직접 보합 이미지 획득 시 카메라 노출 제어 Download PDF

Info

Publication number
KR20210046788A
KR20210046788A KR1020217009317A KR20217009317A KR20210046788A KR 20210046788 A KR20210046788 A KR 20210046788A KR 1020217009317 A KR1020217009317 A KR 1020217009317A KR 20217009317 A KR20217009317 A KR 20217009317A KR 20210046788 A KR20210046788 A KR 20210046788A
Authority
KR
South Korea
Prior art keywords
image
fish
exposure
fish probe
intensity
Prior art date
Application number
KR1020217009317A
Other languages
English (en)
Inventor
칼 랫클리프
Original Assignee
라이카 바이오시스템즈 이미징 인크.
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 라이카 바이오시스템즈 이미징 인크. filed Critical 라이카 바이오시스템즈 이미징 인크.
Publication of KR20210046788A publication Critical patent/KR20210046788A/ko

Links

Images

Classifications

    • G06T5/92—
    • 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
    • G01N21/64—Fluorescence; Phosphorescence
    • G01N21/645—Specially adapted constructive features of fluorimeters
    • G01N21/6456—Spatial resolved fluorescence measurements; Imaging
    • G01N21/6458—Fluorescence microscopy
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
    • 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
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/27—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands using photo-electric detection ; circuits for computing concentration
    • G—PHYSICS
    • G02—OPTICS
    • G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
    • G02B21/00—Microscopes
    • G02B21/16—Microscopes adapted for ultraviolet illumination ; Fluorescence microscopes
    • G06K9/00134—
    • G06K9/0014—
    • G06K9/2027—
    • G06K9/3233—
    • G06K9/44—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/007—Dynamic range modification
    • G06T5/009—Global, i.e. based on properties of the image as a whole
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration by the use of local operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration by the use of local operators
    • G06T5/30—Erosion or dilatation, e.g. thinning
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/155—Segmentation; Edge detection involving morphological operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition
    • G06V10/12—Details of acquisition arrangements; Constructional details thereof
    • G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
    • G06V10/141—Control of illumination
    • 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
    • G06V10/20—Image preprocessing
    • G06V10/34—Smoothing or thinning of the pattern; Morphological operations; Skeletonisation
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/70—Circuitry for compensating brightness variation in the scene
    • H04N23/71—Circuitry for evaluating the brightness variation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/70—Circuitry for compensating brightness variation in the scene
    • H04N23/73—Circuitry for compensating brightness variation in the scene by influencing the exposure time
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/70—Circuitry for compensating brightness variation in the scene
    • H04N23/743—Bracketing, i.e. taking a series of images with varying exposure conditions
    • 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
    • G06T2207/10024—Color 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
    • G06T2207/10—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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10064—Fluorescence 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
    • G06T2207/20036—Morphological image processing
    • 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
    • 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
    • G06T2207/30072—Microarray; Biochip, DNA array; Well plate

Abstract

샘플의 형광 직접 보합(FISH; fluorescence in situ hybridization) 이미지 획득 장치 및 FISH 이미지 획득 장치를 제어하는 방법에 있어서, FISH 프로브 이미지가 획득된다. 형태학적 작동을 사용한 이미지 처리가 이미지 강도가 상승된 위치 주변의 관심 영역을 식별하기 위해 적용된다. 이로부터, 관심 영역을 제외한 모든 영역을 필터링하는 마스크가 생성된다. 마스크는 관심 영역의 이미지 강도를 결정하기 위해 적용된다. 이미지의 부적절한 노출을 나타내는, 이미지 강도가 원하는 값이 아닌 경우, 적절하게 노출된 FISH 프로브 이미지가 획득될 때까지 하나 이상의 다른 노출로 상기 방법이 반복된다. 적절한 노출은 단계적 증가를 반복적으로 적용하여 경험적으로 결정하거나 공식을 적용하여 분석적으로 결정한다.

Description

형광 직접 보합 이미지 획득 시 카메라 노출 제어
본 발명은 일반적으로 형광 직접 보합(FISH; fluorescent in situ hybridization)에 관한 것으로, 보다 구체적으로는 FISH 이미지를 획득하기 위한 방법 및 장치에 관한 것이다.
FISH는 염색체에 형광 프로브를 부착하여 DNA(deoxyribonucleic acid) 또는 RNA(ribonucleic acid)의 특정 염기 서열을 검출하여 핵 이상을 검출, 분석 및 정량화하는 방법으로 널리 사용되는 세포 유전학적 기술이다. FISH의 구현에는 여러 가지가 있으며, 그 중 몇 가지는 다음과 같다: (a) 조직 FISH; (b) 다중-스펙트럼 FISH (M-FISH); (c) 스팟 카운팅 FISH; (d) 유동-FISH (즉, 유동 세포 계측기에서 수행되는 FISH); 및 (e) 미세 유체-보조 FISH(MA-FISH). FISH의 응용에는 여러 암 유형의 진단, 여러 암 유형의 진행 분석 및 염색체 이상 식별이 포함된다. 종종, 핵 DNA을 염색하기 위해 FISH 프로브 이미지, 즉 관심있는 DNA 또는 RNA에 태그를 지정하는 데 사용되는 형광 라벨에 민감한 이미지를 획득하는 것뿐만 아니라 DAPI (4’,6-diamidino-2-phenylindole)와 같은 염색제를 사용하여 획득된 대비염색(counterstain) 이미지를 획득하여 샘플에서 핵의 위치를 식별할 수 있다.
Applied Imaging Corporation(현재 Leica Biosystem, Inc.의 일부)의 하기 특허 공개문헌은 FISH 이미지를 획득하기 위한 방법 및 장치를 기술한다: US 5880473 A, US 6225636 B1, US 2002/081014 A1, US 2003/012420 A1 및 WO 98/52018 A1, 이의 전체 내용은 본 명세서에 참조로서 포함된다.
WO 2008/019299 A2는 샘플의 모든 영역에서 허용 가능한 노출 이미지를 캡처하기 위한 자동 노출 방법을 개시한다. 이 방법은 특히 이미지 센서 및 관련 전자 장치의 동적 범위가 샘플의 다른 영역의 강도 범위보다 작아 단일의 캡처된 이미지가 모든 신호 정보를 저장할 수 없는 상황을 해결한다. 이러한 문제를 해결하기 위해, 여러 이미지를 촬영한다. 즉, 가장 밝은 이미지 영역에 대해 적절한 노출로 제1이미지가 촬영된다. 그러나, 희미한 신호가 있는 영역은 제1이미지에서 과소 노출되며 동적 범위 밖에 있는 신호를 고려할 때 전혀 기록되지 않을 것이므로, 제2이미지는 이러한 희미한 영역을 이미징하기 위해 더 큰 노출로 촬영되며, 동시에 밝은 영역을 마스킹한다. 전체 이미지 세트가 전체 샘플 영역에 걸쳐 적절하게 노출된 이미지를 포함할 때까지 원하는 만큼 노출을 연속적으로 감소시키면서 추가 이미지를 촬영하도록 프로세스를 반복할 수 있다.
EP 3021105 A1은 이미지 센서 및 관련 전자 장치의 동적 범위가 샘플 내의 상이한 영역의 강도 범위보다 작아 희미한 영역의 중요한 신호가 손실되는 경우와 같은 동일한 문제를 해결하는 샘플의 모든 영역에서 허용 가능한 노출 이미지를 캡처하기 위한 또 다른 자동 노출 방법을 개시한다. 이 방법은 예를 들어 0.1초, 1초, 4초 및 40초와 같이 기-정의된 노출 시간 세트를 사용하는 것을 기반으로 한다. 제1이미지는 전체 이미지에 대한 최상의 노출 또는 세트 중간의 노출 시간 중 하나로 획득된다. 제1이미지는 각각의 영역에 대한 강도값을 결정하기 위해 영역별로 처리된다. 특정 영역의 강도값이 검출기의 포화값보다 낮고 검출기의 배경 노이즈 수준보다 높으면, 세트에서 더 긴 노출 시간에 대한 강도값이 무엇인지 결정된다. 그런 다음 소프트웨어는 포화보다 낮은 가장 높은 강도값을 제공할 것으로 예상되는 세트에서 특정 노출 시간을 선택한다. 그런 다음 그 노출값에서 추가 이미지가 촬영되며 해당 특정 영역을 덮는 하위 이미지 “타일(tile)”이 후속 이미지 처리에 사용되는 이미지가 된다. 따라서 이미지의 후 처리에 궁극적으로 사용되는 이미지는 서로 다른 노출을 갖는 하부 이미지 타일의 합성 모자이크이며, 각각의 타일은 해당 영역에 대해 선택된 노출을 갖는다.
FISH 프로브 이미지를 획득하는 공지된 현미경 및 기타 시스템은 FISH 프로브 이미지의 밝기, 즉 이미지 강도를 결정하기 위해, 이미지 히스토그램 또는 최소 및 최대 픽셀 값과 같은 다른 이미지 측정에 의존하는 자동 노출 기술을 사용하여 카메라의 노출을 설정한다. 적절한 노출을 결정하기 위한 히스토그램은 전체 FISH 프로브 이미지 또는 FISH 프로브 이미지의 선택된 부분으로부터 생성된다. 후자의 경우, 중앙 부분과 같은 이미지의 일부로부터, 또는 전체 이미지를 구역으로 나누고 각 구역에 대해 결정된 개별 밝기 값에서 합의된 판독값을 취함으로써, 또는 이미지 임계값을 적용하여 FISH 신호의 위치를 파악하고 마스크를 생성하여 임계값 미만의 강도를 가진 영역을 마스킹함으로써 히스토그램이 생성되어, 오직 임계 강도가 높은 영역만 노출 결정을 위해 고려되는 것으로 알려져 있다. 예를 들어, FISH 프로브 이미지를 획득하기 위한 자동 노출 기능이 있는 공지된 현미경 시스템은 Leica Bisosystems, Inc.에서 제공하는 CytoVision(RTM)이다.
그러나, 방금 설명한 표준 자동 노출 설정 방법으로 획득한 FISH 프로브 이미지는 때때로 디테일이 부족한 것으로 관찰되었다. 특히, 보다 면밀한 조사에서는, 일부의 경우에 FISH 프로브가 위치한 관심 이미지 부분이 최적으로 노출되지 않은, 즉 과소 노출 또는 과다 노출인 것으로 나타난다.
적절한 노출로 상세한 FISH 이미지를 획득하는 장치 및 이를 제어하는 방법을 제공하는 것을 목적으로 한다.
본 발명의 일 관점에 따르면, FISH 프로브로 라벨링된 샘플의 형광 직접 보합(FISH; fluorescence in situ hybridization) 프로브 이미지를 획득하기 위하여 형광 현미경 배열을 포함하는 이미지 획득 장치를 제어하는 방법이 제공된다. 상기 방법은,
FISH 프로브 이미지를 획득하기 위한 노출을 초기값으로 설정하는 단계;
상기 노출의 설정값으로 FISH 프로브 이미지를 획득하는 단계;
이미지 강도가 상승된 위치 주변의 관심 영역을 식별하도록 적어도 하나의 형태학적 연산자를 적용하고, 상기 관심 영역을 제외한 모든 영역을 필터링하기 위한 FISH 프로브 이미지 마스크를 생성함으로써 상기 FISH 프로브 이미지를 이미지 처리하는 단계;
상기 관심 영역에서 이미지 강도를 결정하기 위해 상기 FISH 프로브 이미지에 상기 마스크를 적용하는 단계; 및
이미지 강도가 상기 FISH 프로브 이미지의 적절한(correct) 노출을 나타내는 원하는 강도값을 갖는 경우,
정확하게 노출된 FISH 프로브 이미지를 포함하는 FISH 레코드를 생성 및 저장하는 단계를 포함하고,
그 밖의 경우, 상기 노출값을 조정하고 상기 노출의 조정값으로 상기 방법을 반복하는 단계를 포함한다.
마스크는 특히 세포 핵에서 마스크 영역 내의 이미지 강도를 결정하기 위해 FISH 프로브 이미지를 이미지 처리하는 데 사용된다. 레코드에 저장되는 최종 이미지에 대한 노출의 조정값은 마스크 영역 내의 이미지 강도에 따라 결정된다.
일 그룹의 실시예에서, 조정된 노출은 이미지 강도가 원하는 값을 초과할 때까지 노출의 연속적인 증가에 의해 경험적으로 결정되어, 원하는 값이 초과되어야 하는 임계값으로 작용한다. 즉, 초기 FISH 프로브 이미지가 과소 노출되도록 노출 초기값을 의도적으로 매우 짧게 설정한다. 과소 노출된 첫 번째 FISH 프로브 이미지로 획득을 시작함으로써, 다음 획득에 대한 노출의 조정값이 초기값보다 커질 것이다. 초기에 의도적으로 과소 노출된 FISH 프로브 이미지를 사용하면 핵 영역에서의 신호가 거의 분명히 매우 낮을 것이다. 과소 노출 FISH 프로브 이미지에서의 관심 영역에서의 이미지 강도로부터, FISH 신호의 충분히 밝은 이미징을 제공하는 더 높은 노출이 결정될 수 있다. 특히, 노출은 초기값으로부터 반복적으로 증가하여 결국 충분히 밝은 FISH 프로브 이미지를 캡처하는 노출에 도달할 수 있다. 단, FISH에 의해 형광으로 태그되는, 예를 들어 핵과 같은 특징부가 없거나 불충분한 경우, FISH 프로브 이미지 내의 신호가 없거나 불충분할 수 있으며, 따라서 노출에 무관하게 세포 영역(즉, 마스크 하부 영역)은 형광을 전혀 발하지 않거나 충분히 강하게 발하지 않아 어둡거나 너무 희미하게 유지된다. 어떠한 또는 충분한 FISH 신호가 있는지 여부를 미리 알 수 없기 때문에, 최대 노출값에 도달되거나 접근하는 반복 후에 노출의 증가를 종료하는 것이 바람직하다. 이러한 측정은 충분히 강한 FISH 신호를 찾을 가능성이 없을 때 FISH 프로브 이미지의 반복 획득을 불필요하게 반복하는 것을 방지한다.
특히, 이러한 실시예 그룹에서, 노출의 조정값을 결정하는 단계는 초기값으로부터 연속적으로 증가된 노출을 갖는 후속 FISH 프로브 이미지를 획득하고 이들을 원하는 이미지 강도보다 높은 관심 영역에서 이미지 강도를 제공하는 노출에 도달할 때까지 이미지 강도를 결정하기 위해 이미지를 처리하는 단계를 포함한다. 더욱이, 상술한 바와 같이 임계값 이상의 이미지 강도를 가진 FISH 프로브를 얻지 않고 최대 노출값에 도달하면 노출의 증분 증가를 종료하는 것이 유용할 수 있다. 이 경우 FISH 레코드는 가장 최근에 획득한 것과 같이 임계값 미만의 이미지 강도를 가진 FISH 프로브 이미지 중 하나와 FISH 프로브 이미지에 FISH 신호가 없거나 부족할 가능성이 높다는 것을 나타내는 레코드 헤더의 텍스트 레이블과 같은 메타 데이터와 함께 생성되고 저장된다.
적어도 이론상으로는 노출이 부족한 초기 FISH 프로브 이미지를 기반으로 제안된 방법의 반대가 가능할 것이다. 이는 의도적인 과다 노출로 첫 번째 FISH 프로브 이미지를 얻을 수 있으며, 적절한 이미지 강도에 도달할 때까지 노출을 감소한다. 그러나, 이러한 방법은 예를 들어, 7초 정도의 가장 긴 노출에서 시작하므로 초기 노출 기간이 일반적으로 예를 들어 5 ms 정도의 몇 밀리초일 수 있는 청구된 방법과 비교하였을 때 수십 배 더 긴 실행 시간이 걸릴 수 있어 바람직하지 않을 수 있다.
다른 그룹의 실시예에서, 조정된 노출은 초기에 획득된 FISH 프로브 이미지의 이미지 강도 및 노출에 기초하여 원하는 값에 도달하기 위해 이미지 강도에 필요한 노출을 계산하는 공식을 적용함으로써 분석적으로 결정된다. 따라서, 원하는 이미지 강도는 이러한 실시예 그룹에서 목표로 하는 목표값으로 작용한다. 예를 들어, 노출의 조정값은 노출과 초기 FISH 프로브 이미지의 이미지 강도 사이의 비율에 기초한 제1인자와 원하는 이미지 강도에 기초한 제2인자를 곱하여 결정할 수 있다. 다른 실시예에서, 노출의 조정값을 결정하는 것은 적어도 하나의 후속 FISH 프로브 이미지를 획득하는 것을 포함하며, 각각의 후속 FISH 프로브 이미지는 초기값으로부터 시작하여 연속적으로 증가된 노출을 가지며, 추가적으로: 이미지 강도를 결정하기 위해 후속 FISH 프로브 이미지를 이미지 처리하는 단계; 및 노출 및 복수의 초기 및 후속 FISH 프로브 이미지의 이미지 강도의 비율의 합에 기초한 제1인자와 원하는 이미지 강도에 기초한 제2인자를 곱함으로써, 또는 노출과 후속 FISH 프로브 이미지 중 하나의 이미지 강도 사이의 비율에 기초한 제1인자와 원하는 이미지 강도에 기초한 제2인자를 곱함으로써 노출의 조정값을 결정하는 단계를 포함한다.
선택적으로, 샘플은 대비 염색으로 추가 라벨링될 수 있으며, 이 경우 방법은 샘플의 대비 염색 이미지를 획득하는 단계를 더 포함할 수 있다. 그런 다음 대비 염색 이미지는 대비 염색 영역 또는 그 주변 영역을 제외한 모든 영역을 필터링하기 위한 대비 염색 이미지 마스크를 생성하기 위해 이미지가 처리된다. FISH 프로브 이미지의 후속 이미지 처리는 대비 염색 이미지 마스크에 의해 필터링되지 않은 영역으로 국한될 수 있다. 즉, FISH 프로브 이미지 처리는 대비 염색된 샘플 영역 또는 대비 염색된 영역에 밀접하게 연관된 영역(예를 들어, 대비 염색 마스크를 생성하기 위해 대비 염색 픽셀에 확장 연산자가 적용된 경우)에서만 수행된다. 이러한 방식으로 확장 연산자를 적용하면 FISH 신호가 있는 FISH 프로브 이미지에서 영역의 대비 염색 마스크에 의해 클리핑을 유발하는 대비 염색 이미지와 FISH 프로브 이미지 사이의 등록 오류를 방지하는 데 도움이 될 수 있다. FISH를 사용하는 일반적인 대비 염색의 경우, 대비 염색이 샘플의 핵 물질에 부착되므로 대비 염색된 특징부 위치는 세포 핵 위치가 된다.
본 발명의 또 다른 측면은 FISH 프로브로 라벨링 및 선택적으로 대비 염색된 샘플의 FISH 프로브 이미지를 획득하기 위한 이미지 획득 장치를 제어하기 위한 컴퓨터 프로그램 제품을 제공하며, 컴퓨터 프로그램 제품은 상술한 이미지 획득 장치를 제어하는 방법을 수행하기 위한 기계 판독 가능 명령어를 포함한다.
본 발명의 또 다른 측면은 FISH 프로브로 라벨링된 샘플의 형광 직접 보합(FISH; fluorescence in situ hybridization) 프로브 이미지를 획득하기 위한 이미지 획득 장치와 관련된다. 이미지 획득 장치는 샘플의 FISH 프로브 이미지를 획득하도록 작동 가능한 형광 현미경 배열; 및 상기 형광 현미경 배열을 갖는 FISH 프로브 이미지를 획득하기 위한 적절한 노출을 결정하도록 구성된 제어 컴퓨터를 포함한다. 제어 컴퓨터는 다음의 단계를 통해 적절한 노출을 결정한다:
FISH 프로브 이미지를 획득하기 위한 노출을 초기값으로 설정하는 단계;
상기 노출의 설정값으로 FISH 프로브 이미지를 획득하는 단계;
적어도 하나의 형태학적 연산자를 적용하여 상승된 이미지 강도의 위치 주변의 관심 영역을 식별하고, 상기 관심 영역을 제외한 모든 영역을 필터링하기 위한 FISH 프로브 이미지 마스크를 생성함으로써 상기 FISH 프로브 이미지를 이미지 처리하는 단계;
상기 관심 영역에서 이미지 강도를 결정하기 위해 상기 FISH 프로브 이미지에 상기 마스크를 적용하는 단계; 및
상기 이미지 강도가 상기 FISH 프로브 이미지의 적절하게 노출을 나타내는 원하는 강도값을 갖는 경우,
정확하게 노출된 FISH 프로브 이미지를 포함하는 FISH 레코드를 생성 및 저장하는 단계를 포함하고,
그렇지 않은 경우, 상기 노출값을 조정하고 상기 노출의 조정값으로 상기 방법을 반복하는 단계를 포함한다.
상기 장치는 디스플레이; 및 상기 FISH 기록에 접근하고 상기 FISH 프로브 이미지, 및 선택적으로 대비 염색 이미지가 표시되도록 상기 디스플레이에 상기 FISH 프로브 이미지, 및 선택적으로 상기 대비 염색 이미지를 전송하도록 작동 가능한 디스플레이 출력을 더 포함할 수 있다.
본 발명의 또 다른 측면은 임상 네트워크와 관련되며, 컴퓨터; FISH 프로브 이미지, 및 선택적으로 대비 염색 이미지를 포함하는 FISH 레코드를 저장하도록 구성된 데이터 저장소; 상기 컴퓨터와 상기 데이터 저장소 사이에 상기 FISH 레코드 또는 그 일부를 전송할 수 있는 네트워크 연결; 및 상기 FISH 레코드를 생성하고 이를 상기 데이터 저장소에 저장하도록 작동 가능한 상술한 바에 따른 이미지 획득 장치를 포함한다.
적절한 노출로 상세한 FISH 이미지를 획득하는 장치 및 이를 제어하는 방법을 제공할 수 있다.
이하에서, 본 발명은 도면에 도시된 예시적인 실시예를 참조하여 오직 예시적인 방법으로 추가 기술될 것이다
도 1은 FISH 이미지를 획득하는 데 적합한 예시적인 형광 현미경 시스템의 개략도이다.
도 2는 본 발명의 일 실시예에 따른 방법을 수행하는 단계를 나타내는 흐름도이다.
도 3(a)는 본 발명의 이점없이 촬영된 FISH 프로브 이미지를 나타낸다.
도 3(b)는 본 발명의 일 실시예에 따라 최적화된 노출로 촬영된 도 3(a)와 동일한 샘플의 FISH 프로브 이미지를 나타낸다.
도 4는 다른 실시예에 따른 방법을 수행하는 단계를 나타내는 흐름도이다.
도 5는 본 발명의 실시예들과 함께 사용될 수 있는 예시적인 컴퓨터 네크워크를 나타낸다.
도 6은 본 발명을 구현하는 데 필요한 이미지 처리를 수행하기 위해 사용될 수 있는 컴퓨팅 장치의 블록도이다.
이하의 상세한 설명에서는 한정이 아닌 설명의 목적으로서 본 발명을 더 잘 이해하기 위한 특정 상세 구성이 제시된다. 본 발명은 이러한 특정 상세 구성을 벗어나는 다른 실시예에서도 실시될 수 있다는 점은 통상의 기술자에게 명백할 것이다.
본 명세서에서 우리는 형태학적 연산자(morphological operator)라는 용어를 사용한다. 이 용어는 모양 분석, 특히 모양의 표현 및 설명에 유용한 이미지 구성요소를 추출하는 데 사용되는 수학적 연산자를 의미하는 것으로 이해될 수 있다. FISH 프로브 이미지의 경우, 이는 세포의 모양 또는 핵과 같은 세포 요소를 의미한다. 형태학적 연산자의 예는 확장(dilation), 침식(erosion), 열림(opening), 닫힘(closing)이다. 추가적인 상세 내용은 다음에서 찾을 수 있다:
· Gonzalez와 Woods(2008), 9장 "Morphological Image Processing", 책 "Digital Image Processing" 3판, pp. 627- 688, ISBN　013168728
· Richard Wootton, David Springall와 Julia Polak(1995) 편집, 14장 "Edge Detection in Microscope Images", 책 "Image Analysis in Histology", pp. 241-261, ISBN 0521434823
그 전체 내용이 본 명세서에서 참조로서 포함된다.
현미경 플랫폼
도 1은 샘플(10)의 FISH 이미지를 획득하는 데 적합한 예시적인 반사 모드(즉, 에피(epi)) 형광 현미경 시스템(5)의 개략도이다. 현미경 시스템(5)의 광학 배열은 (필터 휠의 여러 필터 중 하나로 도시된) 여기 필터(12), 이색성 거울(15), (예를 들어 60x에서 100x 이미지 캡처 배율의) 현미경 대물 렌즈(17), 및 (때로는 배리어 필터라고도 불리는) 발광 필터(20)를 포함한다. 소스(25)로부터의 여기 광은 여기 필터(12)를 통과하고, 부분적으로 이색성 거울(15)에 의해 반사되며 그 부분은 현미경 대물 렌즈(16)를 통해 샘플(10)로 진행된다. 샘플을 향해 진행하는 여기 광은 속이 비어 있는 화살촉으로 개략적으로 도시된다. 샘플(10)에서 방출된 형광 방사선은 대물 렌즈(17), 이색성 거울(15) 및 발광 필터(20)를 다시 통과하여 이미지 평면(30)에 이미지를 형성한다. 샘플로부터 멀어지도록 진행하는 형광은 단색 검정 화살촉으로 개략적으로 도시된다. 이미지는 전하 결합 장치 검출기와 같은 카메라(32)에 의해 디지털화되고, 디지털화된 이미지는 후속 처리를 위해 컴퓨터(35)로 전송된다.
필터가 단일 통과 대역을 갖는 경우, 특정 필터 및 이색성 거울은 샘플의 단일 염료에 한정된다. 샘플의 다른 염료에 대한 이미지는 각각의 다른 염료에 대한 여기 및 발광 대역에 대해 구성된 광학 요소를 대체하여 획득한다. 이색성 거울 및 발광 필터는 일반적으로 큐브라고 불리는 (가상선으로 도시된) 지지 구조체(40)에 견고하게 장착되며, 다수의 큐브가 광 경로의 안팎으로 이동할 수 있다. 반대 방향의 화살표(42)는 회전 가능한 터렛(turret) 또는 디텐트(detented) 슬라이드 메커니즘과 같은 적절한 매커니즘을 나타낸다. 다수의 여기 필터는 일반적으로 (도시된 바와 같이) 회전 가능한 필터 휠에 배치된다. 이 시스템은 단색 이미지 획득 또는 컬러 이미지 획득을 위한 것이리 수 있다. 컬러 획득의 경우 CCD 카메라는 컬러 CCD 카메라이며, 멀티대역 여기는 각각의 소스 또는 광대역 소스 및 적절한 필터가 있는 3개의 컬러 대역으로 제공되며, 3개의 발광 대역 중 오직 하나 내에서만 전송되는 3개의 대응되는 발광 필터가 제공된다. FISH에 사용되는 형광 염료의 예에는 DAPI, FITC(fluorescein isothiocyanate) 및 Cy3, Cy3.5, Cy5, Cy5.5 및 Cy7와 같은 시아닌 염료가 포함된다.
이미지 획득
FISH 프로브 이미지의 이미지 획득은 카메라 자동 노출 방법을 적용하는 것을 포함한다. 자동 노출 방법은 샘플이 충분한 밝기의 FISH 신호를 생성할 수 있는 경우, FISH 신호가 선명하고 가시적이 되도록 카메라 노출을 FISH 프로브 이미지를 얻기 위한 적절한 값으로 설정하기 위해 고안되었다. 특히, 제안된 방법은 FISH 형광 신호가 위치한 세포 핵 영역의 과소 노출을 초래할 수 있는 밝고 형광성이 높은 이물질이 있는 경우에 대해 강력하다.
도 2는 제안된 자동 노출 방법을 구현하는 방법을 수행하는 단계를 나타내는 흐름도이다.
먼저, 단계 S20에 나타낸 바와 같이, 예를 들어 슬라이드 상에 샘플을 제공하는 것이 필요하다. 샘플은 FISH 프로브와 적절한 대비 염색으로 라벨이 지정된다. 샘플은 현미경 또는 적합하게 장착된 유세포 분석기 또는 미세 유체 시스템과 같은 현미경 이미징 기능이 있는 기타 적합한 장치 플랫폼에 로딩된다. 대비 염색은 일반적으로 세포 핵을 강조하지만 원칙적으로 대비 염색은 세포질 또는 세포질막과 같은 다른 세포 특징을 추가로 또는 대신하여 염색할 수 있다. 이하에서 우리는 핵 대비 염색을 가정한다.
단계 S21에서, 방법은 샘플의 대비 염색 이미지를 획득하여 저장한다.
단계 S22에서, 방법 이미지는 관심 영역, 즉 핵의 영역을 정의하는 마스크를 생성하기 위해 대비 염색 이미지를 처리한다. 이는 예를 들어 세포 핵의 위치를 식별하는 마스크를 생성하기 위해, 이미지 강도 임계값을 적용함으로써 수행될 수 있다. 예를 들어, 폐쇄형 윤곽선은 핵에 대응되는 것으로 식별된 픽셀의 각 연속 그룹 주변에서 결정될 수 있다. 폐쇄형 윤곽선은 마스크를 직접 사용하거나, 예를 들어 확장(dilation)에 의해 윤곽선을 추가로 처리할 수 있다. 또 다른 대안은 마스크를 정의하기 위해 일종의 블롭(blob) 분석을 사용하는 것이다. 핵 영역의 일부 팽창 또는 기타 확장은 마스크를 사용하여 후속적으로 분석되는 대비 염색과 FISH 프로브 이미지 사이의 등록 오류를 허용하는 데 유리할 수 있다. 즉, 마스크가 대비 염색 이미지의 염색된 핵 픽셀과 정확히 대응되는 경우 등록 오류로 인해 FISH 신호의 일부가 이미지 강도 결정에서 제외되어 측정된 이미지 강도가 실제 이미지 강도보다 낮아진다.
단계 S23에서, 방법은 이미지 획득 장치의 노출을 FISH 프로브 이미지의 과소 노출을 초래할 것으로 예상되는 초기값으로 설정한다.
단계 S24에서, 방법은 FISH 프로브 이미지를 획득한다.
단계 S25에서, 방법 이미지는 적어도 하나의 형태학적 연산자를 적용함으로써 상승된 이미지 강도의 위치 주변의 관심 영역을 식별한 다음 관심 영역 주변의 FISH 프로브 이미지 마스크를 생성하여 마스크가 관심 영역을 제외한 모든 영역을 필터링함으로써 FISH 프로브 이미지를 처리한다. 단계 S22에서 생성된 대비 염색 마스크는 이미지 처리가 대비 염색 마스크에 의해 정의된 대로 영상 처리가 관심 영역에 국한되도록 함으로써 필요한 처리량을 줄이고 관심 세포 물질 영역에 높여 있은 않은 결함의 처리를 방지함으로써 단계 S25의 영상 처리를 지원한다.
단계 S25(FISH 프로브 이미지 마스크 생성)의 연산 예시
a. FISH 프로브 이미지는 대비 염색 마스크에 의해 마스킹된 모든 픽셀의 강도값을 0으로 설정하기 위해 대비 염색 마스크에 의해 필터링된다.
b. 노이즈 감소를 위해 중간 필터를 적용한다.
c. 화이트 탑 햇(white top hat) 필터는 FISH 신호의 배경 주변 광 성분을 제거하여 배경 및 특정 크기보다 작은 물체보다 밝은 이미지 강도 특징을 보존하며, 여기서 크기는 현재 이미지 캡처 확대 (또는 가능한 이미지 캡처 확대 범위)에서 발생할 수 있는 어떠한 특징도 거부하지 않도록 선택된다.
d. 영역(regional) 최대 연산자를 적용하여 FISH 프로브 이미지 내의 최대 위치를 결정한다. 영역 최대값은 연결된 픽셀의 연속 세트로 정의될 수 있으며, 각 픽셀은 임계값보다 높은 강도값을 가지며 외부 경계 픽셀은 모두 임계값보다 작은 값을 갖는다.
e. 영역 최대값이 너무 많은 마스크 필터링을 피하기 위해 확장 연산자를 적용함으로써 영역 최대값을 확장한다.
f. FISH 프로브 이미지 마스크는 임계값 필터를 영상에 적용함으로써 생성되며, 초과 임계 강도를 갖는 픽셀이 FISH 신호의 위치에 대응되도록 임계값이 설정된다.
단계 S26 내지 S28에서, 방법은 관심 영역의 이미지 강도에 기초하여 필요에 따라 노출을 조정한다. 이미지 강도 측정 결과 관심 영역의 밝기가 임계값 미만(즉, 너무 어두움)이 표시되는 경우, 방법은 증가된 노출값이 최대 허용값을 초과하지 않는 한 노출을 E' = E + ΔE로 증가시킨다(단계 S27의 테스트). 만약 최대 노출이 단계 S27에서 테스트한 바와 같이 증분에 의해 초과된다면, 이는 측정하기에 FISH 신호가 없거나 불충분하다는 것을 나타내며, 이는 가장 오래 허용된 노출이 여전히 핵이 위치한 위치에서 너무 어두운 FISH 프로브 이미지를 생성했기 때문이며 이 경우 방법은 종료될 수 있다. 반면, 강도 측정에서 밝기가 충분히 높은 것으로 나타나는 경우에는 노출이 OK이며, 방법의 반복 부분은 단계 S29에서 레코드를 생성하고 저장한 후에 종료될 수 있다.
즉, 단계 S26은 단계 S25에서 획득된 이미지 강도가 원하는 강도값을 갖는지 여부를 테스트하며, 이는 FISH 프로브 이미지의 적절한(correct) 노출을 나타낸다. ‘예’이면, 정확하게 노출된 FISH 프로브 이미지를 포함하는 FISH 레코드를 생성 및 저장하여 방법을 종료할 수 있다. 필수적이지는 않지만 대비 염색 이미지를 레코드에 저장하는 것도 현명하다. “아니오”이면, 단계 S27에서 노출값을 증가시키는 것이 적절한지 테스트한다.
단계 S27에서, 증가된 노출값이 최대 노출값보다 높은 경우, 이는 샘플이 충분히 강한 FISH 신호를 방출할 수 없는 모든 가능성을 의미하므로 더 이상의 반복은 불필요하다. 따라서 이 방법은 예를 들어 가장 최근에 획득한 FISH 이미지를 포함하는 레코드를 저장함으로써 종료된다. 이 경우 필수적이지는 않지만 레코드 헤더의 텍스트 레이블, FISH 프로브 이미지에 중요하거나 불충분한 FISH 신호(즉, 이는 실패한 획득일 가능성이 높음)가 없을 가능성이 매우 크다는 것을 명시하거나 표시하는 것과 같은 일부 메타 데이터를 추가하는 것도 합리적이다.
단계 S27에서 노출이 증가되도록 허용하는 경우, 이는 단계 S28에서 수행되며 처리 흐름은 단계 S24로 되돌아가서 추가 FISH 프로브 이미지를 획득하다.
적절한 값을 찾기 위해 노출을 조정하는 것은 단계 S24 내지 S28의 루프를 반복적으로 수행하여 노출을 점진적으로 증가시키면서 FISH 프로브 이미지를 반복적으로 획득하는 것을 포함할 것이며, 이미지 처리는 각각의 반복에서 관심 영역(예를 들어, 세포 핵)에서의 FISH 이미지 강도를 결정하는 것으로 예상되며, 반복은 노출이 충분히 밝은, 즉 낮은 이미지의 강도 임계값 이상의, 이미지 강도를 제공하는 것에 도달할 때까지 이루어진다(단계 S26의 테스트).
노출 증분은, 예를 들어 일정한 고정 증분, 또는 크기가 변하는 증분일 수 있다. 변화하는 증분의 하나의 예는 곱셈 인자에 의한 증가, 예를 들어 2는 매번 노출을 2배로 증가하는 것과 같은 기 정의된 진행에 따르는 것이다. 이러한 실시예에서 곱셈 인자에 대한 바람직한 값은 1.5 내지 2.5이다. 또 다른 예는 예를 들어, 원하는 강도와 현재 강도의 차이를 구성요소로 포함하는 곱셈 인자를 사용함으로써, 마지막 FISH 프로브 이미지가 원하는 강도 수준보다 얼마나 낮은지에 따라 상호작용식으로 증분 크기를 변경하는 것이며, 원하는 강도 수준에 가까워질수록 증분은 작아진다.
단계 S29에서, 방법은 FISH 프로브 이미지를 레코드에 저장함으로써 종료된다. 바람직한 결과는 흐름이 단계 S26 내지 단계 S29로 진행될 때이면, 이 경우 저장된 FISH 프로브 이미지는 관심 영역에서 원하는 값의 강도값을 갖는다. 레코드는 바람직하게는 대비 염색 이미지 또한 저장한다. 저장된 FISH 프로브 이미지는 최대 노출 한계에 도달한 경우, (단계 S27에서 단계 S29으로의 흐름의 경우에) ‘널(nul)’ 다크 이미지를 포함하여 가장 최근에 획득된 이미지일 수 있다. 대안적으로, 저장된 이미지는 단계 S29의 일부로 획득된 추가 FISH 프로브 이미지일 수 있다. 레코드를 위해 추가 수집을 수행하는 것은 전반적으로 더 좋은 품질의 이미지를 얻을 수 있다. 예를 들어, 단계 S24의 다양한 수행(예를 들어, 단계 S24 내지 S28 루프의 가장 최근의 2개 또는 3개의 반복의 이미지 강도의 보간(interpolation)에 의해 결정된 노출값)을 통해 2개 이상의 FISH 프로브 이미지의 공동 분석에 기초하여 최적으로 간주되는 노출이 선택될 수 있다.
상기 획득 프로세스 동안 이미지의 처리가 신속하여 수행되어, 방법이 예를 들어 그래픽 처리 장치(GPU)의 도움으로 수용할 수 있을 정도로 빠른 것이 바람직하다. 더욱이, 노출 증분 ΔE는 미세 조정을 제공하기에 충분히 작은 값으로 설정되는 것이 바람직하지만, 반복 횟수로 인해 프로세스 전체가 허용할 수 없을 정도로 느려질 정도로 작지는 않다. 또한, 속도는 상기 방법이 긴 노출에서 시작하여 이를 단축하는 것보다는 반대로 짧은 노출에서 시작하여 이를 증가시키는 이유이다.
FISH 프로브 이미지로부터 생성된 마스크 및 대비 염색 이미지로부터 생성된 마스크는 예를 들어 상기 참조된 텍스트북 챕터에 설명된 바와 같이 표준 처리 기술의 임의의 조합을 사용하여 생성될 수 있다. FISH 프로브 이미지 또는 대비 염색 이미지는 컬러 또는 그레이 스케일일 수 있다. 이미지는 콘트라스트 향상 필터를 적용함으로써 수정될 수 있다. 마스크 생성에는 이미지에서 관심 영역을 식별하기 위한 일부 분할이 포함될 수 있다. 분할에는 다음 이미지 처리 기술 중 일부 또는 모두가 포함될 수 있다:
1. 시드 영역 식별을 위한 분산 기반 분석
2. 적응형 임계값
3. (상술한) 형태학적 작업
4. 윤곽 식별
5. 근접 발견적(heuristic) 규칙에 기반한 윤곽 병합
6. 불변 이미지 모멘트 계산
7. 가장자리 추출(예를 들어, 소벨(Sobel) 가장자리 검출)
8. 곡률 흐름 필터링
9. 슈퍼픽셀 클러스터링
마스크를 생성하기 위한 이러한 이미지 처리 단계는 예로서 설명되며 본 발명의 범위를 제한하는 것으로 해석되어서는 안 된다.
비교예
도 3A는 본 발명의 이점 없이 촬영된 FISH 프로브 이미지를 나타낸다. 이미지의 하단 가장자리 근처에서 왼쪽에서 오른쪽으로 중앙에 보이는 밝은 형광 파편은 전체 이미지의 밝기를 기반으로 한 자동 노출 방식으로 인해 관심 영역이 과소 노출되어 너무 어둡게 보이는 것이다.
도 3B는 본 발명의 일 실시예에 따라 최적화된 노출된 촬영된 도 3A와 동일한 샘플의 FISH 프로브 이미지를 나타낸다. FISH 프로브 이미지에서 얻은 마스크는 위에서 설명한 바와 같이 결정된 노출에 영향을 미치는 밝은 형광 파편을 제외하는 데 사용된다. 결과적으로 FISH 프로브 이미지의 관심 영역이 적절하게 노출되고 세포 핵이 상세하게 나타난다.
대체적 이미지 획득 실시예들
초기에 의도적으로 과소 노출한 다음 이미지 강도가 임계값 이상이 될때까지 노출을 단계적으로 증가시키는 상술한 경험적 접근법에 대한 대안으로서, 최종 FISH 프로브 이미지의 관심 영역에서 원하는 이미지 강도에 도달하기 위해 이미지 강도에 필요한 노출을 계산하여 분석적으로 적절한 노출을 결정할 수 있다. 이러한 계산은 초기 FISH 프로브 이미지의 이미지 강도를 최종 FISH 프로브 이미지에 대한 원하는 이미지 강도와 비교하여 초기 이미지에 사용되는 노출을 상하로 스케일링하는 것을 기반으로 할 수 있다. 따라서, 최종 FISH 프로브 이미지에 대한 노출은 반복없이 초기에 획득한 초기 FISH 프로브 이미지에서 결정된 이미지 강도로부터 직접 설정될 수 있다. 즉, 주어진 FISH 프로브 이미지의 이미지 강도가 특정 비율, 예를 들어, 하나의 예에서 원하는 이미지 강도의 1/3인 경우, 적절한 노출은 우리의 예에서 비율의 역수인 3배인 것으로 추론될 수 있으며 노출은 FISH 프로브 이미지를 얻기 위해 사용된다. 즉, 조정된 노출값 Efinal은 초기 이미지를 획득하는 데 사용된 노출 E0와 초기 FISH 프로브 이미지의 이미지 강도 I0의 비율에 기반한 제1인자와 원하는 이미지 강도 Ith에 기반한 제2인자의 곱에 의해 결정될 수 있다.
Figure pct00001
도 4는 이러한 자동 노출 방법을 구현하는 방법을 수행하는 것과 관련된 단계를 나타내는 흐름도이다.
단계 S40은 도 2의 단계 S20에 대응된다. 이 단계는 FISH 프로브 및 적절한 대비 염색으로 라벨링된 샘플을 제공하고 샘플을 획득 장치에 로딩한다.
도 2의 단계 S21에 대응되는 단계 S41에서, 방법은 샘플의 대비 염색 이미지를 획득하고 이를 저장한다.
도 2의 단계 S22에 대응되는 S42에서, 방법 이미지는 관심 영역, 즉 핵 영역을 정의하는 마스크를 생성하기 위해 대비 염색 이미지를 처리한다.
도 2의 단계 S23에 대응되는 단계 S43에서, 방법은 이미지 획득 장치의 노출을 초기값으로 설정하며, 이는 예를 들어 과소 노출 FISH 프로브 이미지를 생성할 것으로 예상되는 값 또는 적절하게 노출될 것으로 예상되는 값일 수 있다.
도 2의 단계 S24에 대응되는 단계 S44에서, 방법은 FISH 프로브 이미지를 획득한다.
도 2의 단계 S25에 대응되는 단계 S45에서, 방법 이미지는 적어도 하나의 형태학적 연산자를 적용하여 상승된 이미지 강도의 위치 주변의 관심 영역을 식별함으로써 FISH 프로브 이미지를 처리한 다음 관심 영역을 제외한 모든 영역을 필터링하기 위한 FISH 프로브 이미지 마스크를 생성한다. 이러한 마스크는 관심 영역의 이미지 강도를 결정하기 위해 FISH 프로브 이미지에 적용된다.
단계 S46에서 적절한 노출은 다음 공식에 따라 계산된다:
Figure pct00002
단계 S47에서, 단계 S46에서 계산된 노출로 최종 FISH 프로브 이미지가 획득된다.
도 2의 단계 S29에 대응되는 단계 S48에서, 최종 FISH 프로브 이미지 및 바람직하게는 대비 염색 이미지 또한 저장되는 FISH 레코드가 생성된다. 도 2의 실시예와 유사하게, 필요에 따라 단계 S47에서 획득된 최종 FISH 프로브 이미지의 이미지 강도는 단계 S45에서와 동일한 측정을 적용함으로써 결정될 수 있으며, 만약 임계값을 초과하거나 하한 및 상한 사이의 원하는 범위 내에서 측정했을 때 이미지 강도가 원하는 값과 비교하여 너무 낮은(또는 너무 높은) 경우, 레코드에 FISH 신호가 너무 약하다(또는 너무 강하다)는 것을 나타낼 수 있는 메타 데이터를 저장할 수 있다.
초기 FISH 이미지가 의도적으로 이미지를 과소 노출하도록 선택한 노출을 가질 필요가 없는 도 2와 다른 도 4의 분석적 접근 방식을 제외하고는, 단계 S40 내지 S45는 단계 S20 내지 S25 각각과 본질적으로 동일하다는 것을 알 수 있을 것이다.
도 2 및 도 4의 실시예들 사이의 하이브리드 접근법은, 예를 들어 노출을 2번 이상 반복적으로 증가시킨 다음 이러한 이미지로부터의 이미지 강도값 사이를 보간하여 최종 획득에 적합한 노출을 결정함으로써, 상이한 노출로 2개 이상의 FISH 프로브 이미지를 획득하는 데에도 사용될 수 있다. FISH 프로브 이미지 노출에 대한 적절한 최종값을 결정하는 이러한 분석 방법의 예는 도 2의 흐름에 따라 적어도 하나의 후속 FISH 프로브 이미지를 획득하여 초기 FISH 프로브 이미지를 포함하여 적어도 2개의 FISH 프로브 이미지를 획득하고, 여기에서 최종 FISH 프로브 이미지에 대한 노출을 획득하는 것을 포함한다. 후속 FISH 프로브 이미지 또는 이미지들은 첫 번째 후속 FISH 프로브 이미지에 대한 초기값에 대한 증분으로부터 시작하여 이전 이미지보다 연속적으로 증가하는 노출을 갖는 것으로 예상된다. 최종 노출값인 Efinal은 최초 및 후속 FISH 프로브 이미지의 노출과 최초 및 후속 FISH 프로브 이미지 강도의 비율의 합에 기반한 제1인자와 원하는 이미지 강도에 기반한 제2인자의 곱에 의해 결정되며, 따라서 공식은 다음과 같다.
Figure pct00003
n=0은 초기 FISH 프로브 이미지에 대응,
n
Figure pct00004
1은 후속 FISH 프로브 이미지 또는 각각의 후속 FISH 프로브 이미지에 대응, 및
N은 후속 FISH 프로브 이미지들의 수(N
Figure pct00005
1)를 나타낸다.
이것은 필요에 따라 합산의 일부 요소만을 취함으로써, 예를 들어 가장 낮은 ‘n’ 숙자와 관련된 하나 이상의 반복을 버림으로써 수정될 수 있다. 또 다른 수정은 가장 최근에 획득한 후속 이미지에 더 높은 가중치를 부여하는 것과 같이 합리적인 방식으로 합계 요소에 가중치를 부여하는 것이며, 여기서 가중치가 적용된 공식은 다음과 같다:
Figure pct00006
여기서 cn은 가중 인자이다.
또 다른 대안은 후속 FISH 프로브 이미지 중 하나만 결정에 사용하는 것이며, 즉:
Figure pct00007
(1
Figure pct00008
n
Figure pct00009
N)
이는 노출과 후속 FISH 프로브 이미지 중 하나의 이미지 강도 사이의 비율에 기반한 제1인자와 원하는 이미지 강도에 기반한 제2인자를 곱하는 것이다.
이 주제에 대한 추가 변형은 쉽게 인식 가능하다.
컴퓨팅 플랫폼 및 네크워크 환경
제안된 이미지 처리는 다양한 컴퓨팅 아키텍처, 특히 중앙 처리 장치(CPU), GPS, FPGA(field-programmable gate arragys) 및 또는 주문형 집적 회로(ASIC; application specific integrated circuits)에 기반할 수 있는 이미지 처리에 최적화된 특정 아키텍처에서 수행될 수 있다. 일부 실시예에서, 이미지 처리 소프트웨어는 테슬라(Tesla) K80 GPU와 같은 캘리포니아 산타클라라에 있는 엠비디아(Nvidia Corporation)의 Nvidia GPU에서 실행된다. 다른 실시예에서, 이미지 처리 소프트웨어는 일반 CPU에서 실행될 수 있다. 이미지 처리 계산을 수행하기 위해 특별히 설계된 프로세서에 의해 더 빠른 처리를 얻을 수 있다.
이미지 처리 소프트웨어를 실행하는 데 사용되는 컴퓨팅 파워는, CPU, GPU 또는 일부 프로세서 유형에 기반하는지 여부를 떠나, 예를 들어 아래에 설명된 또는 데이터 센터에서 원격으로 임상 네트워크에서 국부적으로 호스팅될 수 있음을 이해할 수 있을 것이다.
제안된 컴퓨터 자동화 방법은 실험실 정보 시스템(LIS)의 맥락에서 작동하며, 이는 일반적으로 병원 정보 시스템(HIS) 또는 사진 보관 및 통신 시스템(PACS)과 같은 대규모 임상 네트워크 환경의 일부이다. LIS에서 이미지 데이터 파일은 일반적으로 데이터베이스(개별 환자의 전자 의료 기록을 포함하는 환자 정보 데이터베이스)에 보관된다. 이미지 데이터 파일을 획득하는 현미경에 바코드 판독기가 장착되어 있기 때문에, 이미지 테이터 파일은 이미지 데이터 파일에 적합한 메타데이터가 태그 지정되는 인쇄 바코드 레이블이 부착된 슬라이드 상에 장착된 염색된 조직 샘플에서 추출된다. 하드웨어 관점에서 LIS는 유선 및 무선 연결을 원하는 대로 사용하는 LAN과 같은 종래의 컴퓨터 네트워크가 될 것이다.
도 5는 본 발명의 실시예와 함께 사용될 수 있는 예시적인 컴퓨터 네트워크를 나타낸다. 네트워크(150)은 병원(152)의 LAN을 포함한다. 병원(152)은 각각이 근거리 통신망을 통해 연관된 저장 장치(158)를 갖는 병원 컴퓨터 서버(156)에 접근하는 다수의 워크 스테이션(154)을 갖추고 있다. LIS, HIS 또는 PACS 아카이브는 저장 장치(158)에 저장되어 아카이브의 데이터가 워크 스테이션(154) 중 임의의 것으로부터 접근될 수 있다. 워크 스테이션(154) 중 하나 이상은 전술한 바와 같이 이미지를 생성하는 방법의 컴퓨터 구현을 위한 그래픽 카드 및 소프트웨어에 접근할 수 있다. 소프트웨어는 각각의 워크 스테이션(154)에 로컬로 저장하거나 필요에 따라 워크 스테이션(154)에 네트워크(150)을 통해 원격으로 다운로드할 수 있다. 다른 예로, 발명을 구체화하는 방법은 워크 스테이션(154)이 터미널로 운영되는 컴퓨터 서버에서 실행될 수 있다. 예를 들어 워크스테이션은 원하는 FISH 이미지 데이터 세트를 정의하는 사용자 입력을 수신하고 이미지 처리 분석이 시스템의 다른 곳에서 수행되는 동안 결과 이미지를 표시하도록 구성될 수 있다. 또한 다수의 FISH 이미지 획득 장치와 기타 의료 이미징 장치(160, 162, 164, 166)가 병원 컴퓨터 서버(156)에 연결되어 있다. 장치(160, 162, 164, 166)에 수집된 이미지 데이터는 저장 장치(156)의 LIS, HIS 또는 PACS 아카이브에 직접 저장할 수 있다. 따라서 해당 FISH 이미지 데이터가 기록된 직후에 FISH 영상을 보고 처리할 수 있다. 로컬 영역 네트워크는 병원 인터넷 서버(170)에 의해 인터넷(168)에 연결되어 LIS, HIS 또는 PACS 아카이브에 원격으로 접속할 수 있다. 이 기능은 원격 데이터 접근 및 예를 들어, 환자를 이송하는 경우와 같은 병원 간 데이터 전송 또는 외부 연구를 수행하는 데 사용된다.
도 6은 여기에 설명된 다양한 실시예들과 관련하여 사용될 수 있는 컴퓨팅 장치(500)의 예를 보여주는 블록 다이어그램입니다. 예를 들어, 컴퓨팅 장치(500)은 위에서 언급한 LIS 또는 PACS 시스템에서 컴퓨팅 노드로 사용될 수 있으며, 예를 들어, 적절한 CPU 또는 GPU와 함께 FISH 이미지의 처리가 수행되는 호스트 컴퓨터이다.
컴퓨팅 장치(500)는 서버 또는 기존의 개인용 컴퓨터 또는 유무선 데이터 통신이 가능한 다른 프로세서 지원 장치일 수 있다. 유무선 데이터 통신을 할 수 없는 기기를 포함하여 통상의 기술자에게 자명한 기타 컴퓨팅 기기, 시스템 및/또는 아키텍처도 사용할 수 있다.
컴퓨팅 장치(500)에는 프로세서(510)와 같은 하나 이상의 프로세서가 포함되어 있는 것이 좋다. 프로세서(510)는 CPU, GPU, 어레이 또는 CPU 및 GPU 조합과 같은 조합일 수 있다. 입력 / 출력을 관리하는 보조 프로세서, 텐서 처리 유닛(TPU)과 같은 부동 소수점 수학적 연산을 수행하는 보조 프로세서, (예를 들어, 디지털 신호 프로세서, 이미지 프로세서와 같은) 신호 처리 알고리즘의 의 빠른 실행에 적합한 아키텍처를 가진 특수 목적의 마이크로 프로세서, 주 처리 시스템에 종속된 슬레이브 프로세서(예를 들어, 백엔드 프로세서), 이중 또는 다중 프로세서 시스템을 위한 추가 마이크로 프로세서 또는 컨트롤러, 또는 코프로세서와 같은 추가 프로세서가 제공될 수 있다. 이러한 보조 프로세서는 개별 프로세서이거나 프로세서(510)에 통합될 수 있다. 컴퓨팅 장치(500)와 함께 사용할 수 있는 CPU의 예로는 펜티엄 프로세서, 코어 i7 프로세서, 제온 프로세서가 있으며, 모두 캘리포니아 주 산타클라라의 인텔사에서 구할 수 있다. 컴퓨팅 장치(500)와 함께 사용할 수 있는 GPU의 예로는 캘리포니아 주 산타 클라라 엔비디아사의 테슬라 K80 GPU가 있다.
프로세서(510)는 통신 버스(505)에 연결되어 있다. 통신 버스(505)는 저장 장치와 컴퓨팅 장치(500)의 다른 주변 장치 요소들 사이의 정보 전송을 촉진하기 위한 데이터 채널을 포함할 수 있다. 통신 버스(505)는 데이터 버스, 어드레스 버스 및 제어 버스(미도시)를 포함하여 프로세서(510)와의 통신에 사용되는 일련의 신호를 추가로 제공할 수 있다. 통신 버스(505)는 예를 들어 산업 표준 아키텍처(ISA), 확장 산업 표준 아키텍처(EISA), 마이크로 채널 아키텍처(MCA), 주변 부품 상호 연결(PCI) 로컬 버스 또는 IEEE 488 GPIB 범용 인터페이스 버스(GPIB), IEEE 696/S-100 등을 포함하는 IEEE (Institute of Electrical and Electronics Engineers)에서 발표한 표준과 호환되는 버스 아키텍처와 같은 임의의 표준 또는 비표준 버스 아키텍처를 포함할 수 있다.
컴퓨팅 장치(500)는 메인 메모리(515)를 포함하고 또한 보조 메모리(520)를 포함할 수 있다. 메인 메모리(515)는 위에서 설명한 하나 이상의 명령어 및/또는 모듈과 같은 프로세서(510)에서 실행되는 프로그램에 대한 지시 및 데이터를 저장한다. 메모리에 저장되고 프로세서(510)에 의해 실행되는 컴퓨터 판독 가능 프로그램 명령어는 어셈블러 명령어, ISA(명령어 세트 아키텍처) 명령어, 머신 명령어, 머신 종속 명령어, 마이크로 코드, 펌웨어 명령어, 상태 설정 데이터, 집적 회로에 대한 구성 데이터 또는, 국한되진 않지만 Smalltalk, C/C++, Java, JavaScript, Perl, Visual Basic, .NET 등을 포함하는 하나 이상의 프로그래밍 언어의 임의의 조합으로 작성 및/또는 이들로부터 컴파일된 소스 코드 또는 객체 코드일 수 있음을 이해할 것이다. 메인 메모리(515)는 일반적으로 동적 랜덤 액세스 메모리(DRAM) 및/또는 정적 랜덤 액세스 메모리(SRAM)와 같은 반도체 기반 메모리이다. 다른 반도체 기반 메모리 유형은 예를 들어, 읽기 전용 메모리(ROM)를 포함하는, 동기식 동적 랜덤 액세스 메모리(SDRAM), 램버스(Rambus) 동적 랜덤 액세스 메모리(RDRAM), 강유전성 랜덤 액세스 메모리(FRAM) 등을 포함한다.
컴퓨터 판독 가능 프로그램 명령어는 전체적으로 사용자의 컴퓨터에서, 부분적으로는 사용자의 컴퓨터에서, 독립형 소프트웨어 패키지로서, 부분적으로는 사용자의 컴퓨터 및 부분적으로는 원격 컴퓨터에서 또는 전체적으로 원격 컴퓨터 또는 서버에서 실행될 수 있다. 후자의 시나리오에서, 원격 컴퓨터는 LAN(Local Area Network) 또는 WAN(Wide Area Network)을 포함한 임의의 유형의 네트워크를 통해 사용자의 컴퓨터에 연결되거나 (예를 들어, 인터넷 서비스 제공자를 통해 인터넷을 통해) 외부 컴퓨터에 연결될 수 있다.
보조 메모리(520)은 선택적으로 내부 메모리(525) 및/또는 이동식 매체(530)를 포함할 수 있다. 이동식 저장 매체(530)는 임의의 잘 알려진 방식으로 판독 및/또는 기록된다. 이동식 저장 매체(530)는 예를 들어 자기 테이프 드라이브, CD(콤팩트 디스크) 드라이브, DVD(Digital Versatile Disc) 드라이브, 기타 광학 드라이브, 플래시 메모리 드라이브 등일 수 있다.
이동식 저장 매체(530)는 컴퓨터 실행 가능 코드(즉, 소프트웨어) 및/또는 저장된 데이터를 갖는 비-일시적 컴퓨터 판독 가능 매체이다. 이동식 저장 매체(530)에 저장된 컴퓨터 소프트웨어 또는 데이터는 프로세서(510)에 의한 실행을 위해 컴퓨팅 장치(500)로 판독된다.
보조 메모리 (520)는 컴퓨터 프로그램 또는 다른 데이터 또는 명령어가 컴퓨팅 장치(500)에 로딩되도록 하기 위한 다른 유사한 요소를 포함할 수 있다. 이러한 수단은 예를 들어, 외부 저장 매체(545) 및 통신 인터페이스(540)를 포함할 수 있으며, 이는 소프트웨어 및 데이터가 외부 저장 매체(545)로부터 컴퓨팅 장치(500)로 전송될 수 있게 한다. 외부 저장 매체(545)의 예는 외부 하드 디스크 드라이브, 외부 광 드라이브, 외부 광 자기 드라이브 등을 포함할 수 있다. 보조 메모리(520)의 다른 예는 프로그래밍 가능 읽기-전용 메모리(PROM), 삭제 가능 프로그램 가능 읽기-전용 메모리(EPROM), 전기적으로 삭제 가능한 읽기-전용 메모리(EEPROM) 또는 플래시 메모리(EEPROM과 유사한 블록-지향 메모리)와 같은 반도체 기반 메모리를 포함할 수 있다.
상술한 바와 같이, 컴퓨팅 장치(500)는 통신 인터페이스(540)를 포함할 수 있다. 통신 인터페이스(540)는 소프트웨어 및 데이터가 컴퓨팅 장치(500)와 외부 장치(예를 들어, 프린터), 네트워크 또는 다른 정보 소스 사이에서 전송될 수 있게 한다. 예를 들어, 컴퓨터 소프트웨어 또는 실행 가능한 코드는 통신 인터페이스(540)를 통해 네트워크 서버로부터 컴퓨팅 장치(500)로 전송될 수 있다. 통신 인터페이스(540)의 예는 내장 네트워크 어댑터, 네트워크 인터페이스 카드(NIC), PCMCIA (Personal Computer Memory Card International Association) 네트워크 카드, 카드 버스 네트워크 어댑터, 무선 네트워크 어댑터, USB(Universal Serial Bus) 네트워크 어댑터, 모뎀, 네트워크 인터페이스 카드(NIC), 무선 데이터 카드, 통신 포트, 적외선 인터페이스, IEEE 1394 파이어 와이어, 또는 네트워크 또는 다른 컴퓨팅 장치와 시스템(550)을 인터페이스할 수 있는 임의의 다른 장치를 포함한다. 통신 인터페이스(540)는 바람직하게 이더넷 IEEE 802 표준, 파이버 채널, 디지털 가입자 회선(DSL), 비동기 디지털 가입자 회선(ADSL), 프레임 릴레이, 비동기 전송 모드(ATM), 집적 디지털 서비스 네트워크((ISDN), 개인 통신 서비스(PCS), 전송 제어 프로토콜/인터넷 프로토콜(TCP/IP), 직렬 회선 인터넷 프로토콜/지점 간 프로토콜(SLIP/PPP) 등과 같이 업계에서 발표한 프로토콜 표준을 구현하지만, 사용자 지정 또는 비표준 인터페이스 프로토콜로도 구현될 수 있다.
통신 인터페이스(541)을 통해 전송되는 소프트웨어와 데이터는 일반적으로 전기 통신 신호(555)의 형태이다. 이러한 신호(555)는 통신 채널(550)을 통해 통신 인터페이스(540)에 제공될 수 있다. 일 실시예에서, 통신 채널(550)은 유선 또는 무선 네크워크 또는 기타 다양한 통신 링크일 수 있다. 통신 채널(550)은 신호(555)를 전달하며 유선 또는 케이블, 광섬유, 종래의 전화선, 휴대전화 링크, 무선 데이터 통신 링크, 무선 주파수("RF") 링크 또는 적외선 링크를 포함한 다양한 유선 또는 무선 통신 수단을 사용하여 구현할 수 있다.
컴퓨터 실행 가능 코드(즉, 컴퓨터 프로그램 또는 소프트웨어)는 메인 메모리(515) 및/또는 보조 메모리(520)에 저장된다. 컴퓨터 프로그램은 통신 인터페이스(540)를 통해 수신할 수 있으며 메인 메모리(515) 및/또는 보조 메모리(520)에 저장할 수 있다. 이러한 컴퓨터 프로그램은, 실행될 때, 컴퓨팅 장치(500)가 본 명세서의 다른 곳에서 설명한 바와 같이 개시된 실시예들의 다양한 기능을 수행할 수 있도록 한다.
본 문서에서 "컴퓨터 판독 가능 매체"라는 용어는 컴퓨터 실행 가능 코드(예를 들어, 소프트웨어 및 컴퓨터 프로그램)를 컴퓨팅 장치(500)에 제공하기 위해 사용되는 임의의 비-일시적 컴퓨터 판독 가능 저장 매체를 지칭하는 데 사용된다. 이러한 매체의 예로는 메인 메모리(515), (내장 메모리(525), 이동식 매체(530) 및 외장 저장 매체(545)를 포함하는) 보조 메모리(520)와 (네트워크 정보 서버 또는 기타 네트워크 장치를 포함하는) 통신 인터페이스(540)와 연결된 주변 장치를 포함한다. 이러한 비-일시적 컴퓨터 판독 가능 미디어는 실행 가능한 코드, 프로그래밍 명령어 및 소프트웨어를 컴퓨팅 장치(500)에 제공하기 위한 수단이다. 소프트웨어를 사용하여 구현된 실시예에서 소프트웨어는 컴퓨터에서 읽을 수 있는 매체에 저장되고 이동식 매체(530), I/O 인터페이스(535) 또는 통신 인터페이스(540)를 통해 컴퓨팅 장치(500)에 로딩될 수 있다. 이러한 실시예에서, 소프트웨어는 전기 통신 신호(555)의 형태로 컴퓨팅 장치(500)에 로딩된다. 소프트웨어는, 프로세서(510)에 의해 실행될 때, 본 명세서의 다른 곳에서 설명한 특징 및 기능을 프로세서(510)가 수행하도록 하는 것이 바람직하다.
I/O 인터페이스(535)는 컴퓨팅 장치(500)의 하나 이상의 구성요소와 하나 이상의 입력 및/또는 출력 장치 사이의 인터페이스를 제공한다. 예시적인 입력 장치는 키보드, 터치 스크린 또는 기타 터치 감지 장치, 생체 인식 장치, 컴퓨터 마우스, 트랙볼, 펜 기반 포인팅 장치 등을 포함하지만 이에 제한되지 않는다. 출력 장치의 예에는 음극선 관(CRT), 플라즈마 디스플레이, 발광 다이오드(LED) 디스플레이, 액정 디스플레이 (LCD), 프린터, 진공 형광 디스플레이(VFD), 표면 전도 전자 방출 디스플레이(SED), 전계 발광 디스플레이(FED) 등이 포함되나 이에 제한되지 않는다.
컴퓨팅 장치(500)는 또한 음성 네트워크 및/또는 데이터 네트워크를 통한 무선 통신을 용이하게 하는 선택적 무선 통신 구성요소를 포함한다. 무선 통신 구성요소는 안테나 시스템(570), 무선 시스템(565) 및 기저대역 시스템(560)을 포함한다. 컴퓨팅 장치(500)에서, 무선 주파수(RF) 신호는 무선 시스템(565)의 관리 하에 안테나 시스템(570)에 의해 무선으로 송수신된다.
안테나 시스템(570)은 송신 및 수신 신호 경로를 안테나 시스템(570)에 제공하기 위해 스위칭 기능을 수행하는 하나 이상의 안테나 및 하나 이상의 멀티플렉서(미도시)를 포함할 수 있다. 수신 경로에서, 수신된 RF 신호는 멀티플렉서에서 수신된 RF 신호를 증폭하고 증폭된 신호를 무선 시스템(565)으로 전송하는 저잡음 증폭기(미도시)에 결합될 수 있다.
무선 시스템(565)은 다양한 주파수를 통해 통신하도록 구성된 하나 이상의 라디오를 포함할 수 있다. 일 실시예에서, 무선 시스템(565)은 하나의 집적 회로(IC)에서 복조기(미도시) 및 변조기(미도시)를 결합할 수 있다. 복조기와 변조기는 별도의 구성요소일 수도 있다. 수신 경로에서, 복조기는 무선 시스템(565)으로부터 기저 대역 시스템(560)으로 전송되는 기저 대역 수신 오디오 신호를 남기고 RF 캐리어 신호를 제거한다.
수신된 신호가 오디오 정보를 포함하면, 기저 대역 시스템(560)은 신호를 디코딩하고 이를 아날로그 신호로 변환한다. 그런 다음 신호가 증폭되어 스피커로 전송된다. 기저 대역 시스템(560)은 또한 마이크로폰으로부터 아날로그 오디오 신호를 수신한다. 이러한 아날로그 오디오 신호는 디지털 신호로 변환되고 기저 대역 시스템(560)에 의해 인코딩된다. 기저 대역 시스템(560)은 또한 전송을 위해 디지털 신호로 코딩되고 무선 시스템(565)의 변조기 부분으로 라우팅되는 기저 대역 전송 오디오 신호를 생성한다. 변조기는 안테나 시스템(570)으로 라우팅되고 전력 증폭기(미도시)를 통과할 수 있는 RF 전송 신호를 생성하는 RF 캐리어 신호와 기저 대역 전송 오디오 신호를 혼합한다. 전력 증폭기는 RF 전송 신호를 증폭하고 신호가 전송을 위해 안테나 포트로 전환되는 안테나 시스템(570)으로 라우팅된다.
기저 대역 시스템(560)은 또한 CPU일 수 있는 프로세서(510)와 통신적으로 결합된다. 프로세서(510)는 데이터 저장 영역(515, 520)에 액세스할 수 있다. 프로세서(510)는 바람직하게는 주 메모리(515) 또는 보조 메모리(520)에 저장될 수 있는 명령어(즉, 컴퓨터 프로그램 또는 소프트웨어)을 실행하도록 구성된다. 컴퓨터 프로그램은 또한 기저 대역 프로세서(560)로부터 수신되어 주 메모리(510) 또는 보조 메모리(520)에 저장되거나, 수신 시 실행될 수 있다. 이러한 컴퓨터 프로그램은 실행될 때 컴퓨팅 장치(500)가 개시된 실시예의 다양한 기능을 수행할 수 있게 한다. 예를 들어, 데이터 저장 영역(515, 520)은 다양한 소프트웨어 모듈을 포함할 수 있다.
컴퓨팅 장치는 상술한 I/O 인터페이스(535)에 연결된 임의의 디스플레이 대신에 제공되거나 추가될 수 있는 통신 버스(515)에 직접 부착된 디스플레이(575)를 더 포함한다.
다양한 실시예는 또한 예를 들어 주문형 직접 회로(ASIC), 프로그래밍 가능 논리 어레이(PLA), 또는 필드 프로그래밍 가능 게이트 어레이(FPGA)와 같은 구성요소를 사용하여 주로 하드웨어로 구형될 수 있다. 본 명세서에서 설명된 기능을 수행할 수 있는 하드웨어 상태 머신의 구현은 또한 관련 기술 분야의 통상의 기술자에게 명백할 것이다. 하드웨어 및 소프트웨어의 조합을 사용하여 다양한 실시예가 구현될 수 있다.
또한, 통상의 기술자는 상술한 도면 및 본 명세서에 개시된 실시예들과 관련하여 기술된 다양한 예시적인 논리 블록, 모듈, 회로 및 방법의 단계들이 종종 전자 하드웨어, 컴퓨터 소프트웨어 또는 둘의 조합으로 구현될 수 있음을 인식할 것이다. 하드웨어와 소프트웨어의 이러한 상호 교환성을 명확하게 설명하기 위해 다양한 예시적인 구성요소, 블록, 모듈, 회로 및 단계가 일반적으로 그들의 기능성의 관점으로 설명되었다. 이러한 기능이 하드웨어 또는 소프트웨어로 구현되는지 여부는 전체 시스템에 부과된 특정 어플리케이션 및 설계 제약에 따라 다르다. 통상의 기술자는 각각의 특정 어플리케이션에 대해 다양한 방식으로 설명된 기능을 구현할 수 있지만, 그러한 구현 결정이 발명의 범위를 벗어나는 것으로 해석되어서는 안 된다. 또한 모듈, 블록, 회로 또는 단계 내의 기능 그룹은 설명을 쉽게 하기 위한 것이다. 특정 기능 또는 단계는 본 발명에서 하나의 모듈, 블록 또는 회로에서 본 발명에서 벗어나지 않는 다른 모듈, 블록 또는 회로로 이동할 수 있다.
또한, 본 명세서에서 개시된 실시예들과 관련하여 설명된 다양한 예시적인 논리 블록, 모듈, 기능 및 방법은 범용 프로세서, 디지털 신호 프로세서(DSP), ASIC, FPGA 또는 다른 프로그래밍 가능 논리 장치, 개별 게이트 또는 트랜지스터 논리, 개별 하드웨어 구성요소, 또는 본 명세서에서 설명된 기능을 수행하도록 설계된 이들의 임의의 조합으로 구현 또는 수행될 수 있다. 범용 프로세서는 마이크로 프로세서가 될 수 있지만, 대안적으로 프로세서는 임의의 프로세서, 컨트롤러, 마이크로 컨트롤러, 또는 상태 머신이 될 수 있다. 프로세서는 또한 컴퓨팅 장치의 조합, 예를 들어 DSP와 마이크로 프로세서의 조합, 복수의 마이크로 프로세서, DSP 코어와 관련된 하나 이상의 마이크로 프로세서, 또는 임의의 다른 구성으로 구현될 수 있다.
추가적으로, 본 명세서에 개시된 실시예와 관련하여 설명된 방법 또는 알고리즘의 단계는 하드웨어, 프로세서에 의해 실행되는 소프트웨어 모듈, 또는 이 둘의 조합으로 직접 구현될 수 있다. 소프트웨어 모듈은 RAM 메모리, 플래시 메모리, ROM 메모리, EPROM 메모리, EEPROM 메모리, 레지스터, 하드 디스크, 이동식 디스크, CD-ROM 또는 네트워크 저장 매체를 포함하는 임의의 다른 형태의 저장 매체에 존재할 수 있다. 예시적인 저장 매체는 프로세서가 저장 매체로부터 정보를 판독 및 저장 매체에 정보를 기록할 수 있도록 프로세서에 결합될 수 있다. 다른 예에서, 저장 매체는 프로세서에 집적될 수 있다. 프로세서와 저장 매체는 또한 ASIC에 존재할 수 있다.
본 명세서에서 언급되는 컴퓨터 판독 가능 저장 매체는 라디오파 또는 기타 자유롭게 전파하는 전자기파, 도파관 또는 다른 전송 매체를 통해 전파하는 전자기파(예를 들어, 광섬유 케이블을 통과하는 광 펄스), 또는 전선을 통해 전송되는 전기 신호와 같은, 그 자체로 일시적인 신호인 것으로 해석해서는 안 된다.
본 명세서에 설명된 임의의 소프트웨어 구성요소는 다양한 형태를 취할 수 있다. 예를 들어, 구성요소는 독립 실행형 소프트웨어 패키지이거나 더 큰 소프트웨어 제품에서 “툴”로서 통합된 소프트웨어 패키지일 수 있다. 이는 독립 실행형 제품 또는 기존 소프트웨어 어플리케이션 내의 설치를 위한 추가 패키지로서, 예를 들어 웹사이트와 같은 네트워크에서 다운로드할 수 있다. 또한, 이는 클라이언트-서버 소프트웨어 어플리케이션, 웹 지원 소프트웨어 어플리케이션 및/또는 모바일 어플리케이션으로 이용될 수 있다.
본 발명의 실시예는 본 발명의 실시예에 따른 방법, 장치(시스템) 및 컴퓨터 프로그램 제품의 흐름도 및/또는 블록도를 참조하여 본 명세서에서 설명된다. 흐름도 예시 및/또는 블록 다이어그램의 각 블록 및 흐름도 예시 및/또는 블록 다이어그램의 블록 조합은 컴퓨터 판독 가능 프로그램 명령어에 의해 구현될 수 있음을 이해할 수 있을 것이다.
컴퓨터 판독 가능 프로그램 명령어는 범용 컴퓨터, 특수 목적 컴퓨터, 또는 기타 프로그램 가능 데이터 처리 장치의 프로세서에 제공되어 컴퓨터 또는 기타 프로그램 가능 데이터 처리 장치를 통해 실행되는 명령어의 흐름도 및/또는 블록 다이어그램 블록 또는 블록들에 지정된 기능/동작을 구현하기 위한 수단을 생성하도록 머신을 생성할 수 있다. 이러한 컴퓨터 판독 가능 프로그램 명령어는 또한 컴퓨터, 프로그램 가능 데이터 처리 장치 및/또는 기타 장치가 특정 방식으로 기능하도록 지시할 수 있는 컴퓨터 판독 가능 저장 매체에 저장될 수 있으며, 흐름도 및/또는 블록 다이어그램 블록 또는 블록들에 지정된 기능/동작의 측면을 구현하는 명령어를 포함하는 제조 물품을 포함하도록 할 수 있다.
컴퓨터 판독 가능 프로그램 명령어는 또한 컴퓨터, 기타 프로그래밍 가능 데이터 처리 장치 또는 기타 장치에 로딩되어 컴퓨터, 기타 프로그래밍 가능 장치 또는 기타 장치에서 수행되는 일련의 동작 단계를 수행하도록 하여 컴퓨터 구현 프로세스를 생성할 수 있으며, 컴퓨터, 다른 프로그래밍 가능 장치, 또는 기타 장치에서 실행되는 명령어는 흐름도 및/또는 블록 다이어그램 블록 또는 블록들에서 지정된 기능/동작을 구현할 수 있다.
예시된 흐름도 및 블록도는 본 발명의 다양한 실시예에 따른 시스템, 방법 및 컴퓨터 프로그램 제품의 가능한 구현의 아키텍처, 기능 및 동작을 예시한다. 이와 관련하여, 흐름도 또는 블록 다이어그램의 각 블록은 모듈, 세그먼트 또는 명령어의 일부를 나타낼 수 있으며, 이는 지정된 논리 기능(들)을 구현하기 위한 하나 이상의 실행 가능한 명령어를 포함한다. 일부 대안적인 구현예에서, 블록에 표시된 기능은 도면에 표시된 순서와 다르게 발행할 수 있다. 예를 들어, 연속적으로 도시된 두 블록은 실제로는 실질적으로 동시에 실행될 수 있거나, 관련된 기능에 따라 블록이 때때로 역순으로 실행될 수 있다. 또한, 블록 다이어그램 및/또는 흐름도의 각 블록과 블록 다이어그램 및/또는 흐름도의 블록 조합은 지정된 기능 또는 동작을 수행하거나 특수 목적 하드웨어 및 컴퓨터 명령어의 조합을 수행하는 특수 목적 하드웨어 기반 시스템에 의해 구현될 수 있다.
본 발명의 범위를 벗어나지 않으면서 상술한 예시적인 실시예에 대해 많은 개선 및 수정이 이루어질 수 있다는 것은 통상의 기술자에게 명백할 것이다.

Claims (14)

  1. FISH 프로브로 라벨링된 샘플의 형광 직접 보합(FISH; fluorescence in situ hybridization) 프로브 이미지를 획득하기 위하여 형광 현미경 배열을 포함하는 이미지 획득 장치를 제어하는 방법으로서,
    FISH 프로브 이미지를 획득하기 위한 노출을 초기값으로 설정하는 단계;
    상기 노출의 설정값으로 FISH 프로브 이미지를 획득하는 단계;
    이미지 강도가 상승된 위치 주변의 관심 영역을 식별하도록 적어도 하나의 형태학적 연산자를 적용하고, 상기 관심 영역을 제외한 모든 영역을 필터링하기 위한 FISH 프로브 이미지 마스크를 생성함으로써 상기 FISH 프로브 이미지를 이미지 처리하는 단계;
    상기 관심 영역에서 이미지 강도를 결정하기 위해 상기 FISH 프로브 이미지에 상기 마스크를 적용하는 단계; 및
    이미지 강도가 상기 FISH 프로브 이미지의 적절한(correct) 노출을 나타내는 원하는 강도값을 갖는 경우,
    정확하게 노출된 FISH 프로브 이미지를 포함하는 FISH 레코드를 생성 및 저장하는 단계를 포함하고,
    그 밖의 경우, 상기 노출값을 조정하고 상기 노출의 조정값으로 상기 방법을 반복하는 단계를 포함하는, 방법.
  2. 제1항에 있어서,
    상기 초기 노출값은 과소 노출된 FISH 프로브 이미지를 획득하도록 설정되며, 상기 노출값을 조절하는 단계는 상기 방법을 반복함으로써 상기 노출값이 상기 초기값으로부터 연속적으로 증가하도록 그 값을 증가시키는 단계를 포함하는, 방법.
  3. 제2항에 있어서,
    상기 노출의 연속적인 증가는 상기 원하는 강도값의 이미지 강도를 갖는 FISH 프로브 이미지를 획득하지 않고 최대 노출값에 도달하면 종료되고, 이 경우 상기 FISH 레코드는 상기 획득된 FISH 프로브 이미지 중 하나 및 상기 FISH 프로브 이미지가 충분하지 않은 FISH 신호를 가짐을 나타내는 메타 데이터와 함께 생성되고 저장되는, 방법.
  4. 제1항에 있어서,
    상기 노출의 조정값을 결정하는 단계는 상기 노출과 상기 FISH 프로브 이미지의 상기 이미지 강도 사이의 비율에 기초한 제1인자와 상기 원하는 이미지 강도에 기초한 제2인자를 곱하는 단계를 포함하는, 방법.
  5. 제1항에 있어서,
    상기 방법은 복수의 FISH 프로브 이미지를 획득하기 위해 적어도 한 번 반복되고, 상기 노출의 조정값을 결정하는 단계는 상기 노출과 획득된 상기 복수의 FISH 프로브 이미지 각각의 상기 이미지 강도 사이의 비율의 합에 기초한 제1인자와 상기 원하는 이미지 강도에 기초한 제2인자를 곱하는 단계를 포함하는, 방법.
  6. 제1항에 있어서,
    상기 방법은 복수의 FISH 프로브 이미지를 획득하기 위해 적어도 한 번 반복되고, 상기 노출과 상기 연속된 FISH 프로브 이미지 중 하나의 상기 이미지 강도 사이의 비율에 기초한 제1인자와 상기 원하는 이미지 강도에 기초한 제2인자를 곱함으로써 상기 노출의 조정값을 결정하는, 방법.
  7. 제1항에 있어서,
    상기 샘플은 대조 염색으로 추가 라벨링되며, 상기 방법은,
    상기 샘플의 대조 염색 이미지를 획득하는 단계;
    대조 염색 영역 또는 그 주변을 제외한 모든 영역을 필터링하는 대조 염색 이미지 마스크를 생성하기 위해 대조 염색 이미지를 이미지 처리하는 단계; 및
    상기 FISH 프로브 이미지의 상기 이미지 처리가 상기 대조 염색 이미지 마스크에 의해 필터링되지 않은 영역으로 국한되는 단계를 더 포함하는, 방법.
  8. 제7항에 있어서,
    상기 FISH 레코드는 상기 대조 염색 이미지를 더 포함하는, 방법.
  9. 제7항 또는 제8항에 있어서,
    상기 대조 염색은 세포 핵을 염색하도록 구성된, 방법.
  10. FISH 프로브로 라벨링된 샘플의 형광 직접 보합(FISH; fluorescence in situ hybridization) 프로브 이미지를 획득하기 위하여 이미지 획득 장치를 제어하기 위한 컴퓨터 프로그램 제품에 있어서, 제1항 내지 제8항 중 어느 한 항의 방법을 수행하기 위한 기계 판독 명령어를 포함하는, 컴퓨터 프로그램 제품.
  11. FISH 프로브로 라벨링된 샘플의 형광 직접 보합(FISH; fluorescence in situ hybridization) 프로브 이미지를 획득하기 위한 이미지 획득 장치에 있어서,
    샘플의 FISH 프로브 이미지를 획득하도록 작동 가능한 형광 현미경 배열; 및
    다음의 단계를 기반으로, 상기 형광 현미경 배열을 갖는 FISH 프로브 이미지를 획득하기 위한 적절한 노출을 결정하도록 구성된 제어 컴퓨터로서,
    FISH 프로브 이미지를 획득하기 위한 노출을 초기값으로 설정하는 단계;
    상기 노출의 설정값으로 FISH 프로브 이미지를 획득하는 단계;
    적어도 하나의 형태학적 연산자를 적용하여 상승된 이미지 강도의 위치 주변의 관심 영역을 식별하고, 상기 관심 영역을 제외한 모든 영역을 필터링하기 위한 FISH 프로브 이미지 마스크를 생성함으로써 상기 FISH 프로브 이미지를 이미지 처리하는 단계;
    상기 관심 영역에서 이미지 강도를 결정하기 위해 상기 FISH 프로브 이미지에 상기 마스크를 적용하는 단계; 및
    상기 이미지 강도가 상기 FISH 프로브 이미지의 적절하게 노출을 나타내는 원하는 강도값을 갖는 경우,
    정확하게 노출된 FISH 프로브 이미지를 포함하는 FISH 레코드를 생성 및 저장하는 단계,
    그렇지 않은 경우, 상기 노출값을 조정하고 상기 노출의 조정값으로 상기 방법을 반복하는 단계를 기반으로 적절한 노출을 결정하도록 구성된 제어 컴퓨터를 포함하는, 이미지 획득 장치.
  12. 제11항에 있어서,
    대비 염색으로 추가 라벨링된 샘플의 경우, 상기 제어 컴퓨터는,
    상기 샘플의 대비 염색 이미지를 획득하는 단계;
    상기 대조 염색 영역 또는 그 주변을 제외한 모든 영역을 필터링하는 대조 염색 이미지 마스크를 생성하기 위해 상기 대비 염색 이미지를 이미지 처리하는 단계; 및
    상기 FISH 프로브 이미지의 이미지 처리를 상기 대비 염색 이미지 마스크에 의해 필터링되지 않은 영역으로 제한하는 단계를 추가적으로 수행하여 적절한 노출을 결정하도록 추가 구성된, 이미지 획득 장치.
  13. 제11항 또는 제12항에 있어서,
    디스플레이; 및
    상기 FISH 기록에 접근하고 상기 FISH 프로브 이미지가 표시되도록 상기 디스플레이에 상기 FISH 프로브 이미지를 전송하도록 작동 가능한 디스플레이 출력을 더 포함하는, 이미지 획득 장치.
  14. 임상 네트워크에 있어서,
    컴퓨터;
    FISH 프로브 이미지를 포함하는 FISH 레코드를 저장하도록 구성된 데이터 저장소;
    상기 컴퓨터와 상기 데이터 저장소 사이에 상기 FISH 레코드 또는 그 일부를 전송할 수 있는 네트워크 연결; 및
    상기 FISH 레코드를 생성하고 이를 상기 데이터 저장소에 저장하도록 작동 가능한 제11항 내지 제13항 중 어느 한 항에 따른 이미지 획득 장치를 포함하는, 임상 네트워크.
KR1020217009317A 2018-10-24 2019-10-23 형광 직접 보합 이미지 획득 시 카메라 노출 제어 KR20210046788A (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
EP18202387.9A EP3644044B1 (en) 2018-10-24 2018-10-24 Camera exposure control when acquiring fluorescence in situ hybridization images
EP18202387.9 2018-10-24
PCT/US2019/057717 WO2020086754A1 (en) 2018-10-24 2019-10-23 Camera exposure control when acquiring fluorescent in situ hybridization images

Publications (1)

Publication Number Publication Date
KR20210046788A true KR20210046788A (ko) 2021-04-28

Family

ID=64023958

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020217009317A KR20210046788A (ko) 2018-10-24 2019-10-23 형광 직접 보합 이미지 획득 시 카메라 노출 제어

Country Status (6)

Country Link
US (1) US20210368087A1 (ko)
EP (1) EP3644044B1 (ko)
JP (1) JP7091557B2 (ko)
KR (1) KR20210046788A (ko)
CN (1) CN112805553A (ko)
WO (1) WO2020086754A1 (ko)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2024505182A (ja) * 2021-01-22 2024-02-05 ハーグ－シュトライト アクチェンゲゼルシャフト 眼科用顕微鏡装置のための画像露光技術
WO2022203966A1 (en) * 2021-03-25 2022-09-29 Applied Materials, Inc. Generation and utilization of sparce codebook in multiplexed fluorescent in-situ hybridization imagingtechnical field
CN117132511A (zh) * 2023-02-24 2023-11-28 荣耀终端有限公司 一种图像处理方法及电子设备

Family Cites Families (36)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5880473A (en) 1997-07-28 1999-03-09 Applied Imaging, Inc. Multifluor-fluorescence in-situ hybridization (M-FISH) imaging techniques using multiple multiband filters with image registration
AU4920297A (en) 1996-10-25 1998-05-15 Applied Imaging, Inc. Multifluor-fluorescence in situ hybridization (m-fish) imaging techniques using multiple multiband filters with image registration
US6169816B1 (en) 1997-05-14 2001-01-02 Applied Imaging, Inc. Identification of objects of interest using multiple illumination schemes and finding overlap of features in corresponding multiple images
US6259807B1 (en) 1997-05-14 2001-07-10 Applied Imaging Corp. Identification of objects of interest using multiple illumination schemes and finding overlap of features in corresponding multiple images
US20090111101A1 (en) * 1998-05-09 2009-04-30 Ikonisys, Inc. Automated Cancer Diagnostic Methods Using FISH
US7133543B2 (en) 2001-06-12 2006-11-07 Applied Imaging Corporation Automated scanning method for pathology samples
US20050265588A1 (en) * 2004-02-03 2005-12-01 Bioimagene, Inc. Method and system for digital image based flourescent in situ hybridization (FISH) analysis
JP2006078036A (ja) 2004-09-08 2006-03-23 Denso Corp 冷房冷蔵用冷凍サイクル装置
CN101111757A (zh) * 2005-01-24 2008-01-23 奥林巴斯株式会社 生化学检查装置及生化学检查方法
CN100576083C (zh) * 2005-12-29 2009-12-30 Asml蒙片工具有限公司 用于多次曝光过程的基于模型的几何分解方法及相应产品
KR20090074155A (ko) * 2006-08-04 2009-07-06 아이코니시스 인코포레이티드 현미경 시스템의 이미지 처리 방법
JP2008082922A (ja) * 2006-09-28 2008-04-10 Sanyo Electric Co Ltd 撮影装置及び細胞観察装置
US20080280777A1 (en) * 2007-05-11 2008-11-13 Translational Genomics Research Institute Method for determining the effects of external stimuli on biological pathways in living cells
EP2156370B1 (en) * 2007-05-14 2011-10-12 Historx, Inc. Compartment segregation by pixel characterization using image data clustering
US7978258B2 (en) * 2007-08-31 2011-07-12 Historx, Inc. Automatic exposure time selection for imaging tissue
JP2009150829A (ja) * 2007-12-21 2009-07-09 Olympus Corp 生体試料の観察方法
JP5075648B2 (ja) * 2008-01-15 2012-11-21 オリンパス株式会社 画像処理装置、画像処理プログラムおよび画像処理方法
US20090238435A1 (en) * 2008-03-21 2009-09-24 Applied Imaging Corp. Multi-Exposure Imaging for Automated Fluorescent Microscope Slide Scanning
JP5188995B2 (ja) * 2009-01-08 2013-04-24 オリンパス株式会社 顕微鏡撮影システム、画像入力装置、自動露出方法及びプログラム
US8310531B2 (en) * 2009-08-03 2012-11-13 Genetix Corporation Methods and apparatuses for processing fluorescence images
US8818069B2 (en) * 2010-11-30 2014-08-26 General Electric Company Methods for scaling images to differing exposure times
JP5710314B2 (ja) * 2011-02-25 2015-04-30 株式会社東芝 マスク検査方法およびその装置
US9058648B2 (en) * 2012-03-15 2015-06-16 Bio-Rad Laboratories, Inc. Image acquisition for chemiluminescent samples
US9135694B2 (en) * 2012-12-04 2015-09-15 General Electric Company Systems and methods for using an immunostaining mask to selectively refine ISH analysis results
US9042631B2 (en) * 2013-01-24 2015-05-26 General Electric Company Method and systems for cell-level fish dot counting
US9734573B2 (en) * 2013-04-17 2017-08-15 The United States Of America, As Represented By The Secretary, Dept. Of Health And Human Services Methods and systems for automatically determining magnetic field inversion time of a tissue species
WO2015037724A1 (ja) * 2013-09-13 2015-03-19 三菱レイヨン株式会社 画像読取り方法
JP6499506B2 (ja) * 2015-04-30 2019-04-10 富士フイルム株式会社 撮像装置および方法並びに撮像制御プログラム
CN107667310B (zh) * 2015-06-02 2021-01-01 生命技术公司 荧光成像系统
WO2017114749A1 (en) * 2015-12-30 2017-07-06 Ventana Medical Systems, Inc. System and method for real time assay monitoring
EP3422288B1 (en) * 2017-06-26 2020-02-26 Tecan Trading Ag Imaging a well of a microplate
WO2019002281A1 (en) * 2017-06-28 2019-01-03 Ventana Medical Systems, Inc. CALIBRATION OF SYSTEM LEVEL
US10497105B2 (en) * 2017-11-01 2019-12-03 Google Llc Digital image auto exposure adjustment
US11218645B2 (en) * 2019-06-20 2022-01-04 Cilag Gmbh International Wide dynamic range using a monochrome image sensor for fluorescence imaging
JP7420950B2 (ja) * 2019-12-17 2024-01-23 アプライド マテリアルズ インコーポレイテッド 多重蛍光インシトゥハイブリダイゼーション画像を獲得し、処理するためのシステム及び方法
US20220012915A1 (en) * 2020-07-10 2022-01-13 Intuitive Surgical Operations, Inc. Apparatuses, systems, and methods for managing auto-exposure of image frames depicting signal content against a darkened background

Also Published As

Publication number Publication date
EP3644044A1 (en) 2020-04-29
US20210368087A1 (en) 2021-11-25
JP7091557B2 (ja) 2022-06-27
WO2020086754A1 (en) 2020-04-30
JP2022511401A (ja) 2022-01-31
CN112805553A (zh) 2021-05-14
EP3644044B1 (en) 2020-12-23

Similar Documents

Publication Publication Date Title
JP7344568B2 (ja) ディープラーニングを使用して無標識蛍光画像をデジタル染色する方法及びシステム
US11262571B2 (en) Determining a staining-quality parameter of a blood sample
KR20210046788A (ko) 형광 직접 보합 이미지 획득 시 카메라 노출 제어
AU2014292179B2 (en) Auto-focus methods and systems for multi-spectral imaging
CN105027165B (zh) 用于数字完整载片的自动化评分的基于组织对象的机器学习系统
JP6517788B2 (ja) 適応的病理組織画像分解のためのシステム及び方法
US11346764B2 (en) Image-based assay using intelligent monitoring structures
JP5075648B2 (ja) 画像処理装置、画像処理プログラムおよび画像処理方法
EP3837525A1 (en) Image-based assay using intelligent monitoring structures
US20220277440A1 (en) User-assisted iteration of cell image segmentation
CA3012360A1 (en) Improved image analysis algorithms using control slides
JP7234106B2 (ja) 粒子境界識別
JP6284024B2 (ja) 細胞生死判定システム、細胞生死判定方法
CN107667310A (zh) 用于生成校准结构化照明成像系统和用于俘获结构化照明图像的系统和方法
KR101789513B1 (ko) 디지털 병리 시스템의 이미지 품질 평가 방법
US20240048685A1 (en) Automated fluorescence imaging and single cell segmentation
EP3471393B1 (en) Data recovery device, microscope system, and data recovery method
Neuman et al. Equalisation of archival microscopic images from immunohistochemically stained tissue sections
CN113450383B (zh) 一种免疫层析试纸定量分析方法、装置、设备和介质
CN114092384A (zh) 对图像亮度进行校正的方法、图像分析装置和分析系统
US20220276170A1 (en) Information processing device and program
Ajemba et al. Iterative approach to joint segmentation of cellular structures

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right