TW202138807A - 趨性解析方法、癌症評估方法、趨性解析系統及程式 - Google Patents

趨性解析方法、癌症評估方法、趨性解析系統及程式 Download PDF

Info

Publication number
TW202138807A
TW202138807A TW109142594A TW109142594A TW202138807A TW 202138807 A TW202138807 A TW 202138807A TW 109142594 A TW109142594 A TW 109142594A TW 109142594 A TW109142594 A TW 109142594A TW 202138807 A TW202138807 A TW 202138807A
Authority
TW
Taiwan
Prior art keywords
area
container
analysis
tropism
nematodes
Prior art date
Application number
TW109142594A
Other languages
English (en)
Inventor
今泉祐輝
岩尾研二
Original Assignee
日商廣津生物化學股份有限公司
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 日商廣津生物化學股份有限公司 filed Critical 日商廣津生物化學股份有限公司
Publication of TW202138807A publication Critical patent/TW202138807A/zh

Links

Images

Classifications

    • 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
    • G01N33/493—Physical analysis of biological material of liquid biological material urine
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • 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
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/5005—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving human or animal cells
    • G01N33/5008—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving human or animal cells for testing or evaluating the effect of chemical or biological compounds, e.g. drugs, cosmetics
    • G01N33/5082—Supracellular entities, e.g. tissue, organisms
    • G01N33/5085—Supracellular entities, e.g. tissue, organisms of invertebrates
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G06T7/74—Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N35/00—Automatic analysis not limited to methods or materials provided for in any single one of groups G01N1/00 - G01N33/00; Handling materials therefor
    • G01N35/00584—Control arrangements for automatic analysers
    • G01N35/00722—Communications; Identification
    • G01N35/00732—Identification of carriers, materials or components in automatic analysers
    • 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
    • G06T2207/30096—Tumor; Lesion

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Urology & Nephrology (AREA)
  • Chemical & Material Sciences (AREA)
  • Hematology (AREA)
  • Molecular Biology (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Pathology (AREA)
  • Cell Biology (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Toxicology (AREA)
  • Microbiology (AREA)
  • Biotechnology (AREA)
  • Tropical Medicine & Parasitology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Biophysics (AREA)
  • Investigating Or Analysing Biological Materials (AREA)
  • Apparatus Associated With Microorganisms And Enzymes (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

一種使用在該當容器或該當容器內的培養基中設有基準點的容器，以進行線蟲之趨性解析的趨性解析方法，其係具有：在線蟲及被驗者之檢體被滴下至容器之後，拍攝該當容器內的線蟲之分布態樣之步驟；和將拍攝所得之影像內所包含的，對應於前記基準點的基準點物件之位置予以偵測之步驟；和以該當位置為基準，而決定誘引領域與忌避領域之步驟；和使用所被決定之誘引領域及忌避領域中的線蟲之物件，來執行趨性解析之步驟。

Description

趨性解析方法、癌症評估方法、趨性解析系統及程式
本發明係有關於趨性解析方法、癌症評估方法、趨性解析系統及程式。
先前，利用線蟲對癌症患者的尿液呈現誘引行動之趨性的癌症偵測方法，已為人知(例如參照非專利文獻1)。 [先前技術文獻] [非專利文獻]
[非專利文獻1] Hirotsu T. et al., PLOS ONE, 1 0 (3): e 0118699, 2015
[發明所欲解決之課題]
於非專利文獻1之技術中，若欲處理許多的尿液檢體，則必須要借助機械所致之自動化。考慮將尿液檢體滴下至容器(例如培養皿)內的培養基，將線蟲載置於培養基，經過所定之時間之後，使其移動至攝影裝置之下然後以攝像裝置來拍攝培養基的線蟲，藉此以解析線蟲的趨性。此情況下，伴隨著容器的移動，而會有容器跟著旋轉的情況。因此，若容器是呈點對稱或線對稱之形狀，則無法從所被拍攝之影像，特定出尿液檢體在容器內滴下的場所，而會有無法判斷線蟲是否呈現了誘引行動的問題。
本發明係有鑑於上記問題而研發，目的在於提供一種，即使線蟲所被載置的容器是呈點對稱或線對稱之形狀，仍可從所被拍攝之影像判斷線蟲是否呈現誘引行動的趨性解析方法、癌症評估方法、趨性解析系統及程式。 [用以解決課題之手段]
本發明的第1態樣所述之趨性解析方法，係為使用在該當容器或該當容器內的培養基中設有基準點的容器，以進行線蟲之趨性解析的趨性解析方法，其係具有：拍攝該當容器內的線蟲之分布態樣之步驟；和基於前記基準點，而決定誘引領域及/或忌避領域之步驟；和使用前記所被決定之誘引領域及/或忌避領域中的線蟲之物件，來執行趨性解析之步驟。
若依據此構成，則無論容器是以哪種旋轉角度之狀態而從對向於底面之位置被拍攝，都能夠以對應於基準點的基準點物件之位置作為基準，而正確地設定誘引領域與忌避領域，因此無論容器是以哪種旋轉角度之狀態而從對向於底面之位置被拍攝，都能夠正確地執行線蟲之趨性解析。
本發明的第2態樣所述之趨性解析方法，係於第1態樣所述之趨性解析方法，其中，於執行前記趨性解析之步驟中，將前記所被決定之誘引領域的線蟲予以計數，及/或將前記所被決定之忌避領域的線蟲予以計數，隨應於計數結果，而將趨性解析結果予以輸出。
若依據此構成，則無論容器是以哪種旋轉角度之狀態而從對向於底面之位置被拍攝，都能夠輸出趨性解析結果。
本發明的第3態樣所述之趨性解析方法，係於第1或2態樣所述之趨性解析方法，其中，前記基準點係為，含有用來識別前記容器之容器識別資訊的代碼；於前記攝像之步驟中所被拍攝的影像中，係含有對應於前記代碼的代碼物件；並具有：從前記代碼物件讀取容器識別資訊之步驟；和與前記讀取到的容器識別資訊建立關連，而將執行前記趨性解析的結果也就是趨性解析結果記憶在儲存區之步驟。
若依據此構成，則由於可將容器識別資訊與趨性解析結果建立關連而加以管理，因此只要預先將被驗者與容器識別資訊建立關連而管理，就能夠從容器識別資訊而特定出被驗者與趨性解析結果，因此可降低拿錯被驗者之趨性解析結果的可能性。
本發明的第4態樣所述之趨性解析方法，係於第3態樣所述之趨性解析方法，其中，在前記儲存區中，用來識別被驗者的被驗者識別資訊與容器識別資訊是被建立關連而被記憶；並具有：參照前記儲存區，而將從前記代碼物件所讀取到的容器識別資訊所對應之被驗者識別資訊加以特定之步驟。
若依據此構成，則由於能夠從容器識別資訊而特定出被驗者，因此可降低拿錯被驗者之趨性解析結果的可能性。
本發明的第5態樣所述之趨性解析方法，係於第1或2態樣所述之趨性解析方法，其中，前記基準點，係包含第1基準點及/或第2基準點。
若依據此構成，則可參照第1基準點及/或第2基準點，來決定誘引領域及忌避領域。
本發明的第6態樣所述之趨性解析方法，係於第1至5之任一態樣所述之趨性解析方法，其中，具有：在拍攝前記容器的內部之前，將前記容器的蓋子予以移除之步驟。
若依據此構成，則由於可將容器的蓋子予以移除然後進行拍攝，因此可精度良好地掌握線蟲的分布，可提升趨性解析之精度。
本發明的第7態樣所述之趨性解析方法，係於第1至6之任一態樣所述之趨性解析方法，其中，在前記決定誘引領域及/或忌避領域之步驟中，將通過前記基準點物件之位置與前記容器之物件之中心的直線相對於基準線之角度加以決定，並使預先被設定有誘引領域及/或忌避領域之基準格式旋轉該當角度，然後決定前記誘引領域及/或前記忌避領域。
若依據此構成，則可不仰賴人手而決定適切的誘引領域及/或忌避領域。
本發明的第8態樣所述之趨性解析方法，係於第1至6之任一態樣所述之趨性解析方法，其中，在前記決定誘引領域及/或忌避領域之步驟中，將通過前記基準點物件之位置與前記容器之物件之中心的直線相對於基準線之角度加以決定，並使前記拍攝所得之影像旋轉該當角度，然後決定前記誘引領域及/或前記忌避領域。
若依據此構成，則可不仰賴人手而決定適切的誘引領域及/或忌避領域。
本發明的第9態樣所述之趨性解析方法，係一種趨性解析方法，係為使用在容器或容器內的培養基中設有基準點的容器，以進行線蟲之趨性解析的趨性解析方法，其係具有：將前記基準點與攝像裝置定位成所定之位置關係之步驟；和以前記攝像裝置拍攝該當容器內的線蟲之分布態樣之步驟；和決定誘引領域及/或忌避領域之步驟；和使用前記所被決定之誘引領域及/或忌避領域中的線蟲之物件，來執行趨性解析之步驟。
若依據此構成，則由於所被拍攝的影像中容器的朝向與位置總是相同，因此不需要補正誘引領域與忌避領域之位置，就可從攝像影像正確地執行線蟲之趨性解析。
本發明的第10態樣所述之趨性解析方法，係於第1至6之任一態樣所述之趨性解析方法，其中，在前記決定誘引領域及/或忌避領域之步驟中，將通過前記基準點物件之位置與前記容器之物件之中心的直線相對於基準線之角度加以決定，並使前記容器旋轉該當角度，拍攝旋轉後之容器內的線蟲之分布態樣，藉由將該當所被攝像之影像、與預先被設定有誘引領域及/或忌避領域之基準格式進行比較，而決定前記誘引領域及/或前記忌避領域。
若依據此構成，則可不仰賴人手而決定適切的誘引領域及/或忌避領域。
本發明的第10態樣所述之癌症評估方法，係具有：第1至6之任一態樣所述之趨性解析方法；和使用藉由執行前記趨性解析而得到的趨性解析結果，來評估前記被驗者的癌症之可能性之步驟。
若依據此構成，則無論容器是以哪種旋轉角度之狀態而從對向於底面之位置被拍攝，都能夠以對應於基準點的基準點物件之位置作為基準，而正確地設定誘引領域與忌避領域，因此無論容器是以哪種旋轉角度之狀態而從對向於底面之位置被拍攝，都能夠維持趨性解析之評估的精度。
本發明的第11態樣所述之趨性解析系統，係為使用在該當容器或該當容器內的培養基中設有基準點的容器，以進行線蟲之趨性解析的趨性解析系統，其係具有：控制部，係在線蟲及被驗者之檢體被滴下至容器之後，控制攝像單元以使其拍攝該當容器內的線蟲之分布態樣；和解析部，係將前記拍攝所得之影像內所包含的，對應於前記基準點的基準點物件之位置予以偵測，以該當位置為基準，決定誘引領域及/或忌避領域，使用前記所被決定之誘引領域及/或忌避領域中的線蟲之物件，來執行趨性解析。
若依據此構成，則無論容器是以哪種旋轉角度之狀態而從對向於底面之位置被拍攝，都能夠以對應於基準點的基準點物件之位置作為基準，而正確地設定誘引領域與忌避領域，因此無論容器是以哪種旋轉角度之狀態而從對向於底面之位置被拍攝，都能夠正確地執行線蟲之趨性解析。
本發明的第12態樣所述之程式，係為一種程式，係使用在該當容器或該當容器內的培養基中設有基準點的容器，來進行線蟲之趨性解析所需之程式，其係令電腦執行成為：解析部，係將線蟲及被驗者之檢體被滴下至容器之後拍攝該當容器內的線蟲之分布態樣所得之影像內所包含的，對應於前記基準點的基準點物件之位置予以偵測，以該當位置為基準，決定誘引領域及/或忌避領域，使用前記所被決定之誘引領域及/或忌避領域中的線蟲之物件，來執行趨性解析。
若依據此構成，則無論容器是以哪種旋轉角度之狀態而從對向於底面之位置被拍攝，都能夠以對應於基準點的基準點物件之位置作為基準，而正確地設定誘引領域與忌避領域，因此無論容器是以哪種旋轉角度之狀態而從對向於底面之位置被拍攝，都能夠正確地執行線蟲之趨性解析。
本發明的第13態樣所述之趨性解析方法，係為進行線蟲之趨性解析的趨性解析方法，其係具有：在線蟲及被驗者之檢體被滴下至容器之後，拍攝該當容器內的線蟲之分布態樣之步驟；和使用誘引領域及/或忌避領域中的線蟲之物件所佔有之領域的面積值，來執行趨性解析之步驟。
本發明的第14態樣所述之癌症評估方法，係具有：第13態樣所述之趨性解析方法；和使用藉由執行前記趨性解析而得到的趨性解析結果，來評估前記被驗者的癌症之可能性之步驟。
本發明的第15態樣所述之趨性解析系統，係為進行線蟲之趨性解析的趨性解析系統，其係具有：控制部，係在線蟲及被驗者之檢體被滴下至容器之後，控制攝像單元以使其拍攝該當容器內的線蟲之分布態樣；和解析部，係使用誘引領域及/或忌避領域中的線蟲之物件所佔有之領域的面積值，來執行趨性解析。
本發明的第16態樣所述之程式，係一種程式，係為用來進行線蟲之趨性解析所需之程式，其係令電腦執行成為：解析部，係使用線蟲及被驗者之檢體被滴下至容器之後拍攝該當容器內的線蟲之分布態樣所得之影像內所包含的，誘引領域及/或忌避領域中的線蟲之物件所佔有之領域的面積值，來執行趨性解析。 [發明效果]
若依據本發明之一態樣，則無論容器是以哪種旋轉角度之狀態而從對向於底面之位置被拍攝，都能夠以對應於基準點的基準點物件之位置作為基準，而正確地設定誘引領域與忌避領域，因此無論容器是以哪種旋轉角度之狀態而從對向於底面之位置被拍攝，都能夠正確地執行線蟲之趨性解析。
[實施形態]
以下，針對實施形態，參照圖式而加以說明。但是，超過必要程度的詳細之說明，有的時候會省略。例如，已經廣為熟知的事項的詳細說明或對於實質相同構成的重複說明，有時候會省略。這是為了避免以下的說明過於冗長，而使當業者容易理解的緣故。
在本實施形態中，所謂「線蟲」，係意味著秀麗隱桿線蟲(Caenorhabditis elegans)。線蟲，係在生物研究中作為模式生物而在世界中被廣泛飼育、研究的普遍的生物，具有容易飼育、嗅覺靈敏等特徵。
於本實施形態中，所謂「癌症」，係意味著：胃癌、直腸結腸癌、食道癌、胰臟癌、前列腺癌、膽管癌、肺癌、血癌、白血病、淋巴腫等之癌種。
於本實施形態中，所謂「趨性行動」，係意味著誘引行動或忌避行動。所謂誘引行動，係意味著縮短與某種物質的物理距離的行動，所謂忌避行動，係意味著增長與某種物質的物理距離的行動。誘發誘引行動的物質稱作誘引物質，誘發忌避行動的物質稱作忌避物質。又，於本實施形態中，所謂「趨性解析」，係指將趨性行動加以解析。
於本實施形態中，所謂「基準點」，係指容器之底面的包含該當底面之平面中為了辨識其旋轉角度而被設在容器或培養基的記號(例如印字、圖案等)或形態變化(例如溝、凸起等)。例如，在圓形培養皿的情況下，藉由設置非對稱形狀之基準點，或將任意形狀之基準點設在底面之中心點以外，即可判別誘引領域與忌避領域。
本實施形態所述之趨性解析方法及趨性解析系統，作為一例是使用於，以線蟲之趨性行動為指標來評估被驗者的癌症之可能性。但是，本實施形態所述之趨性解析方法及趨性解析系統，係不限於線蟲而亦可使用於其他的生物或細胞之趨性解析，且不限於癌症之可能性評估，亦可適用於評估其他疾患之可能性。
本實施形態所述之容器，係為在內底面具有線對稱或點對稱之形狀的容器，在本實施形態中作為其一例，假設容器係為具有點對稱之形狀的容器，具體而言係為圓形之培養皿來做說明。又，在本實施形態中，假設在容器或該當容器內的培養基中，在成為點對稱之對稱點(此處由於是圓形的培養皿因此係為培養皿之中心)以外之領域中設置基準點來做說明。 此外，在容器是具有線對稱之形狀的容器的情況下，則是在容器或該當容器內的培養基中，在對稱軸以外之領域，設置基準點。
圖1係為本實施形態所述之趨性解析系統之概略構成的區塊圖。如圖1所示，本實施形態所述之趨性解析系統1係具備：處理器10、容器供給單元11、靜置台12、容器取出單元13、攝像單元15、儲存區16。
容器供給單元11係為，將線蟲及被驗者之檢體(例如尿液檢體)被滴下後的容器搬運至靜置台12的單元。線蟲及被驗者之檢體被滴下後，該容器係被蓋上蓋子，該容器係在被蓋上蓋子的狀態下，被搬運至靜置台12。此處，容器供給單元11係具備有：將容器搬運至預定位置的供給輸送帶111、和將容器從該預定位置搬運至靜置台12的供給機器人112。
靜置台12係為，用來在例如室溫下靜置所定時間所需的台子。在該所定時間內，線蟲會對檢體進行誘引行動或忌避行動。
容器取出單元13係為，將容器取出，並將容器搬運至預定之攝像位置(例如攝像單元15之焦點位置)的單元。容器取出單元13作為一例係具備有：將容器從靜置台12取出的取出機器人131、將容器搬送至預定之攝像位置的容器搬送單元132、將容器的蓋子予以移除的蓋子移除單元133、和感測器134。
在儲存區16中係被記憶有，用來讓處理器10讀出並執行所需之程式。處理器10係藉由將儲存區16中所被記憶的程式加以讀出並執行，而成為控制部14及解析部17發揮機能。 控制部14，係控制容器供給單元11、容器取出單元13、攝像單元15。 又，儲存區16中係被保存有影像資料庫(也稱作影像DB)161、和檢查資料庫(也稱作檢查DB)162。 攝像單元15，係將藉由容器取出單元13而被搬運的容器內的線蟲之分布態樣予以拍攝，將拍攝所得之影像，保存在儲存區16的影像資料庫161中。
解析部17，係從儲存區16的影像資料庫161讀出影像，使用拍攝所得之影像內，來執行趨性解析。
然後，解析部17，係使用藉由執行趨性解析所得之趨性解析結果，來評估該當被驗者的癌症之可能性。解析部17，係將趨性解析結果與被驗者的癌症之可能性之評估結果(以下亦稱作癌症評估結果)當作檢查資訊，而保存在儲存區16的檢查資料庫162中。
圖2係為容器搬送前之狀態下的容器取出單元13的概略斜視圖之一例。於圖2中，容器搬送單元132係具有，將容器之一例也就是培養皿21予以抓持的機器手1321。另一方面，蓋子移除單元133係具有，將培養皿21的蓋子22予以抓持的臂部1331。
感測器134係偵測容器搬送單元132的機器手1321是否位於預定位置，並將偵測結果輸出至控制部14。感測器134，係在偵測機器手1321是否位於預定位置的情況下，控制部14，係使蓋子移除單元133的臂部1331，移動至上記的預定位置，並進行控制，令其以臂部1331抓持培養皿21的蓋子22。
如圖2所示，攝像單元15係被固定於支柱151，該支柱151係被固定在基底構件152之上。又，光源153是被固定在支柱151。已被移除蓋子22的培養皿21是藉由容器搬送單元132而被搬送到攝像單元15的正下方。
圖3係為容器搬送後之狀態下的容器取出單元13的概略斜視圖之一例。如圖3所示，已被移除蓋子22的培養皿21作為一例是被移動到攝像單元15的正下方。該培養皿21之位置，係恰好落在攝像單元15的焦距為佳。在藉由光源153從培養皿21之底部照射光線的狀態下，藉由攝像單元15而拍攝培養皿21內的線蟲之分布態樣。
圖4係為本實施形態所述之培養皿從上方觀看的圖之一例。如圖4所示，在培養皿21之底面作為一例係設有，呈現加號的基準點S1、和呈現減號的基準點S2。在圖4中作為一例，基準點S1、S2係被設在，相對於培養皿21之中心而呈點對稱的位置。亦即，基準點S1、S2係從培養皿21之中心起算之距離為相同，基準點S1、S2、及培養皿21之中心係呈同一直線狀。又，基準點S1、S2係亦可被印刷在培養皿21，也可在培養皿21設置凹凸而被表現。此外，亦可將印刷有基準點S1、S2的紙，以印刷面作為黏貼面而黏貼在培養皿之底面。
此外，該基準點S1、S2於培養皿21之底面內的位置係為一例，而不限於此。又，基準點S1、S2係亦可位於培養皿21之側面，亦可設在培養基中。
圖5係為本實施形態所述之趨性解析之處理之一例的流程圖。 (步驟S10)首先，在水平位置是相當於基準點S1及基準點S2之位置的培養基之上，滴下麻醉劑。藉此，一旦抵達該基準點S1或基準點S2之位置或其附近，就會因為麻醉劑而無法運動。
(步驟S20)接著，在相當於培養皿21之略中心之位置的培養基之上，滴下線蟲，並以不織布或定量吸管等去除緩衝液。
(步驟S30)接著，在水平位置是相當於基準點S1之位置的培養基之上，滴下癌症患者由來之尿液檢體。藉此，線蟲就會被尿液的氣味所誘引，一旦抵達該基準點S1之位置或其附近，就會因為麻醉劑而無法運動。 此外，步驟S10～S30之順序亦可不同。
(步驟S40)接著，容器供給單元11係將培養皿21搬送至靜置台12。
(步驟S50)接著，將培養皿21在靜置台12上靜置所定時間。
(步驟S60)接著，取出機器人131係將培養皿21從靜置台12取出，蓋子移除單元133係從培養皿21移除蓋子22。如此，在拍攝培養皿21之內部之前，將培養皿21的蓋子22予以移除。
(步驟S70)接著，容器搬送單元132係將培養皿21搬送至預定攝像位置。
(步驟S80)接著，攝像單元15係將培養皿21內的線蟲之分布態樣予以拍攝。
(步驟S90)接著，解析部17係執行趨性解析。
(步驟S100)接著，解析部17係使用藉由執行趨性解析所得之趨性解析結果，來評估前記被驗者的癌症之可能性。然後，解析部17係將趨性解析結果與被驗者的癌症之可能性之評估結果當作檢查資訊，而保存在儲存區16的檢查資料庫162中。藉此，如圖6所示的檢查資訊就被積存。
圖6係為儲存區中所被保存的檢查資訊之表格之一例。如圖6所示，表格T1中係被積存有：用來識別被驗者的被驗者識別資訊也就是被驗者ID、用來識別容器(此處作為一例係為培養皿)的容器識別資訊之一例也就是培養皿ID、靜置開始日期時間、靜置結束日期時間、靜置時的溫度、用來識別攝影影像的攝影ID、誘引線蟲數、忌避線蟲數、趨性指數、癌症評估結果之組合的紀錄。此處，趨性指數，係為趨性解析結果之一例，其算式係為例如，趨性指數=(呈現誘引行動的線蟲之數量-呈現忌避行動的線蟲之數量)/線蟲之總數。
圖7係為本實施形態所述之攝像影像的模式圖。如圖7所示，攝像影像中係呈現有培養皿21之物件OB3、基準點S1之物件OB1、基準點S2之物件OB2。
圖8係為於攝像影像中誘引領域及忌避領域之一例的模式圖。如圖8所示，於攝像影像G1b中，培養皿21之物件OB3之中心P1為例如，將與培養皿21之物件OB3的輪廓的切線正交的直線，在輪廓的不同2點之位置上予以畫出，作為該2條直線相交的點而被抽出。沿著將培養皿21之物件OB3之中心P1與基準點S1之物件OB1予以連結的直線L0而從中心P1起算距離d1而靠近物件OB1的位置上，可畫出與直線L0正交的直線L1。又，在直線L0上，從中心P1起算距離d1而遠離物件OB1的位置上，可畫出與直線L0正交的直線L2。該直線L1與培養皿21之物件OB3的輪廓所圍繞的領域R1係為誘引領域。該直線L2與培養皿21之物件OB3的輪廓所圍繞的領域R2係為忌避領域。
圖8之例子的情況下，作為誘引領域之決定方法，解析部17例如，從攝像影像G1b，抽出培養皿21之物件OB3之中心P1。又，解析部17係例如，從攝像影像G1b，偵測出基準點S1之物件OB1之位置。解析部17係例如，沿著將培養皿21之物件OB3之中心P1與基準點S1之物件OB1予以連結的直線L0而從中心P1起算距離d1而靠近物件OB1的位置上，設定與直線L0正交的直線L1，將該直線L1與培養皿21之物件OB3之輪廓所圍繞之領域R1，決定成為誘引領域。又，作為忌避領域之決定方法，在圖8之例子的情況下，沿著直線L0而從中心P1起算距離d1而遠離物件OB1的位置上設定與直線L0正交的直線L2，將該直線L2與培養皿21之物件OB3之輪廓所圍繞之領域R2，決定成為忌避領域。
此外，解析部17係亦可不從攝像影像G1b，抽出培養皿21之物件OB3之中心P1。基準點S1與基準點S2是夾著培養皿21之中心而位於點對稱之位置的情況下，解析部17係亦可將基準點S1之物件OB1與基準點S2之物件OB2從攝像影像G1b予以抽出，將通過基準點S1之物件OB1之中心、與基準點S2之物件OB2之中心的直線，設定成直線L0。
如此，解析部17係從儲存區16的影像資料庫161讀出影像，將拍攝所得之影像內所包含的，對應於該當基準點的基準點物件(例如圖7及圖8的基準點S1之物件OB1)之位置加以偵測，以該當位置為基準，而決定誘引領域(例如圖8的領域R1)與忌避領域(例如圖8的領域R2)。然後，解析部17係使用已被決定之誘引領域及忌避領域中的線蟲之物件，來執行趨性解析。
此時，解析部17係將誘引領域中的線蟲之物件之數量，決定成為呈現誘引行動的線蟲之數量。又，解析部17係將忌避領域中的線蟲之物件之數量，決定成為呈現忌避行動的線蟲之數量。
接下來，使用圖9，說明圖5的步驟S90的趨性解析處理之具體例。圖9係為本實施形態所述之趨性解析方法之一例的流程圖。 (步驟S110)首先，處理器10的解析部17係從影像DB161取得影像資料。
(步驟S120)接著，解析部17係偵測影像資料中的培養皿位置。
(步驟S130)接著，解析部17係偵測影像資料中的培養皿之基準點。例如影像資料是圖8的情況下，解析部17係從影像資料G1b，偵測出基準點S1之物件OB1及/或基準點S2之物件OB2。
(步驟S140)接著，解析部17係配合培養皿之基準點而設定線蟲之趨性解析領域。此時，例如影像資料是圖8的情況下，解析部17是以基準點S1之物件OB1及/或基準點S2之物件OB2為基準，而將圖8的領域R1決定成誘引領域，將圖8的領域R2決定成忌避領域。
(步驟S150)接著，解析部17係針對步驟S140中所被決定之每一解析領域，進行影像解析。此時，例如，解析部17係執行使影像資料中之線蟲之輪廓變得明顯的影像處理。
(步驟S160)接著，解析部17係計數每一解析領域的線蟲。此時，例如，解析部17係將影像資料中之線蟲之領域，按照每一解析領域而進行計數。
(步驟S170)接著，解析部17係根據每一解析領域的線蟲之計數值而執行趨性解析。此時，例如，解析部17係算出趨性指數。如此，將已被決定之誘引領域之線蟲加以計數，並將已被決定之忌避領域之線蟲加以計數，隨應於計數結果，而將趨性解析結果予以輸出。
如以上，本實施形態所述之趨性解析方法係為，使用在該當容器或該當容器內的培養基中在對稱軸以外之領域或是對稱點以外之領域設有基準點的容器，以進行線蟲之趨性解析的趨性解析方法。該趨性解析方法，係具有：在線蟲及被驗者之檢體被滴下至容器之後，拍攝該當容器內的線蟲之分布態樣之步驟；和將前記拍攝所得之影像內所包含的，對應於前記基準點的基準點物件之位置予以偵測之步驟；和以該當位置為基準，而決定誘引領域與忌避領域之步驟；和使用前記所被決定之誘引領域及忌避領域中的線蟲之物件，來執行趨性解析之步驟。
藉由此構成，無論容器是以哪種旋轉角度之狀態而從對向於底面之位置被拍攝，都能夠以對應於基準點的基準點物件之位置作為基準，而正確地設定誘引領域與忌避領域，因此無論容器是以哪種旋轉角度之狀態而從對向於底面之位置被拍攝，都能夠正確地執行線蟲之趨性解析。
此外，於圖9中亦可省略步驟S130。此情況下，於圖5的步驟S70之攝像位置上亦可將容器或相機定位成，使得容器之基準點與相機是呈現所定之位置關係。藉由此構成，由於所被拍攝的影像中容器的朝向與位置總是相同，因此不需要補正誘引領域與忌避領域之位置，就可從攝像影像正確地執行線蟲之趨性解析。
又，在本實施形態中，解析部17，係將藉由執行趨性解析所得之趨性解析結果適用於預定之評估規則，而評估被驗者的癌症之可能性。例如該當評估規則是以和閾值的大小關係來評估癌症之可能性的情況下，解析部17係亦可為，在趨性解析結果高於閾值的情況下則評估癌症之可能性為高，在趨性解析結果是閾值以下的情況下則評估癌症之可能性為低。藉此，無論容器是以哪種旋轉角度之狀態而從對向於底面之位置被拍攝，都能夠維持癌症之可能性的評估之精度。
此外，在本實施形態中，雖然在培養皿之底面設置加號及減號的基準點，但不限於此，亦可在培養皿之側面設置基準點，亦可在培養基中設置基準點。
＜變形例＞ 此外，在本實施形態中，雖然是在培養皿中設置加號及減號的基準點，但基準點係不限於此。基準點係亦可為，含有用來識別容器之容器識別資訊的代碼(例如2維碼)。
圖10係為變形例所述之培養皿從上方觀看的圖之一例。如圖10所示，在培養皿21b之底面，設有2維碼S3。例如，2維碼係亦可被印刷在培養皿21b，也可在培養皿21b設置凹凸而被表現。此外，亦可將印刷有2維碼的紙，以印刷面作為黏貼面而黏貼在培養皿21b之底面。
圖11係為變形例所述之攝像影像的模式圖。如圖11所示，在攝像影像G2中，係在對應於培養皿的物件OB12內，含有對應於2維碼S3的代碼物件OB11。如此，在所被拍攝之影像中，係含有對應於代碼的代碼物件。
此情況下，解析部17係從代碼物件OB11，讀取容器識別資訊(此處作為一例係為培養皿ID)。然後，解析部17係與讀取到的容器識別資訊(此處作為一例係為培養皿ID)建立關連，而將執行趨性解析之結果也就是趨性解析結果，記憶在儲存區16中。
藉由此構成，由於可將容器識別資訊與趨性解析結果建立關連而加以管理，因此只要預先將被驗者識別資訊與容器識別資訊建立關連而管理，就能夠從容器識別資訊而特定出被驗者與趨性解析結果，因此可降低拿錯被驗者之趨性解析結果的可能性。
此外，將尿液檢體滴下至容器(此處作為一例係為培養皿)之際，該當尿液檢體之被驗者與容器之組合係為已決，因此，此時亦可將用來識別被驗者的被驗者識別資訊、與容器識別資訊建立關連而記憶在儲存區16中，以將被驗者與容器識別資訊建立關連而做管理。此情況下，解析部17係亦可參照儲存區16，而將從代碼物件所讀取到的容器識別資訊所對應之被驗者識別資訊加以特定。藉由此構成，由於能夠從容器識別資訊而特定出被驗者，因此可降低拿錯被驗者之趨性解析結果的可能性。
同樣地，解析部17係亦可參照儲存區16，而將從代碼物件所讀取到的容器識別資訊所對應之被驗者識別資訊與趨性解析結果之組合或被驗者識別資訊與癌症評估結果之組合，予以輸出。藉由此構成，就可獲得每一被驗者的趨性解析結果或癌症評估結果，因此可降低拿錯被驗者之趨性解析結果或癌症評估結果的可能性。
以上，本實施形態所述之趨性解析系統，係使用在該當容器或該當容器內的培養基內設有基準點的容器，以進行線蟲之趨性解析的趨性解析系統。本實施形態所述之趨性解析系統，係具有：控制部，係在線蟲及被驗者之檢體被滴下至容器之後，控制攝像單元以使其拍攝該當容器內的線蟲之分布態樣；和解析部，係將前記拍攝所得之影像內所包含的，對應於前記基準點的基準點物件之位置予以偵測，以該當位置為基準，決定誘引領域與忌避領域，使用前記所被決定之誘引領域及忌避領域中的線蟲之物件，來執行趨性解析。
藉由此構成，無論容器是以哪種旋轉角度之狀態而從對向於底面之位置被拍攝，都能夠以對應於基準點的基準點物件之位置作為基準，而正確地設定誘引領域與忌避領域，因此無論容器是以哪種旋轉角度之狀態而從對向於底面之位置被拍攝，都能夠正確地執行線蟲之趨性解析。
圖12係為於變形例中在攝像影像中的誘引領域及忌避領域之一例的模式圖。如圖12所示，在連結培養皿21之物件OB12之中心P2與2維碼之代碼物件OB11的直線L10上，在從中心P2起算距離d1而靠近代碼物件OB11的位置上，可畫出與直線L10正交的直線L11。又，在直線L10上，從中心P2起算距離d1而遠離代碼物件OB11的位置上，可畫出與直線L10正交的直線L12。該直線L11與培養皿21之物件OB12的輪廓所圍繞的領域R3係為誘引領域。該直線L12與培養皿21之物件OB12的輪廓所圍繞的領域R4係為忌避領域。
此情況下，解析部17係亦可從儲存區16的影像資料庫161讀出影像，偵測拍攝所得之影像內所包含的，對應於2維碼的代碼物件(例如圖12的代碼物件OB11)之位置，以該當位置為基準，而決定誘引領域(例如圖12的領域R3)與忌避領域(例如圖12的領域R4)，使用已被決定之誘引領域及忌避領域中的線蟲之物件，來執行趨性解析。此外，不限定於2維碼，亦可為條碼。
圖13係為預先被記憶在儲存區16中的基準格式之一例。如圖13所示，基準格式，係為用來設定誘引領域及忌避領域所需之作為基準的格式。於圖13的基準格式中，以通過圓C1之中心且平行於y軸的直線L10為基準而朝-x方向平行地遠離了距離d的直線L15，係被圖示。被該直線L15與圓C1所劃分的領域R5，係為基準之誘引領域。同樣地於圖13的基準格式中，以通過圓C1之中心且平行於y軸的直線L10為基準而朝+x方向平行地遠離了距離d的直線L16，係被圖示。被該直線L16與圓C1所劃分的領域R6，係為基準之忌避領域。
一面參照圖14，一面說明圖9的步驟S140之處理的一例。圖14係為於變形例中，在攝像影像中的誘引領域及忌避領域之一例的模式圖。解析部17係藉由影像處理而辨識培養皿物件OB12，並辨識該當培養皿物件OB12之中心P2。接著，解析部17係藉由影像處理而辨識基準點之一例的2維碼。此外，上記中心P2之辨識處理與上記2維碼辨識處理的順序亦可顛倒。
(步驟S230)接著，解析部17係決定連結中心P2與2維碼的直線L12(圖14中所示的直線L12)。 (步驟S240)接著，解析部17係求出基準線之一例的影像G2的縱方向上平行的直線L11與直線L12的夾角θ(圖14中所示的角θ)。
接著執行步驟S251及S252，或執行步驟S261。 (步驟S251)解析部17，係如圖14所示，將圖13的基準格式，以圓之中心為軸而逆時鐘旋轉θ。 (步驟S252)接著，解析部17係如圖14所示，以使得逆時鐘旋轉了θ後的基準格式的圓C1之中心，重疊於影像G2內的培養皿物件OB12之中心P2的方式，而令逆時鐘旋轉了θ後的基準格式做重疊，或是假定為已重疊的情況。然後，解析部17，係將重疊後(或假定為已重疊的情況)的基準格式之領域R5，設定成誘引領域，將重疊後(或假定為已重疊的情況)的基準格式之領域R6，設定成忌避領域。
此外，上記重疊之際，基準格式的圓C1與影像G2內的培養皿物件OB12之外周(亦即輪廓)不一致的情況下，則解析部17係亦可以使得基準格式的圓C1會與影像G2內的培養皿物件OB12之外周一致的方式，而將基準格式的圓C1予以放大或縮小。此情況下，解析部17係將放大或縮小後的基準格式之領域R5，設定成誘引領域，將放大或縮小後的基準格式之領域R6，設定成忌避領域。
(步驟S261)解析部17，係令影像G2往順時鐘旋轉θ。接著，解析部17係將從直線L10起算而遠離了距離d1的平行於直線L10的直線L15與物件OB12之輪廓之間的領域R5，設定成誘引領域，將從直線L10起算而遠離了距離d1的平行於直線L10的直線L16與物件OB12之輪廓之間的領域R6，設定成忌避領域。
此外，在步驟S261中，雖然是令影像G2往順時鐘旋轉θ，但不限於此，機器手1321亦可具備抓持培養皿而進行旋轉的機構，在抓持著培養皿的狀態下，將培養皿本身物理性地順時鐘旋轉θ。此情況下，亦可拍攝旋轉後的容器內的線蟲之分布態樣，藉由將該當所被拍攝之影像、與預先被設定有誘引領域及/或忌避領域之基準格式進行比較，而決定誘引領域及/或忌避領域。此外，此處雖然針對機器手1321將培養皿予以抓持而做旋轉的變形例來做說明，但不限於此，亦可在表面設有凹陷的台子(例如研缽狀的台子)之凹陷中放置培養皿，在放置有該當培養皿的狀態下，藉由機器手1321而將培養皿做物理性旋轉。
此外，在本實施形態中，雖然是設定誘引領域與忌避領域之雙方，將雙方之領域中的線蟲數加以計數，使用雙方之領域中的線蟲數來進行趨性解析，但不限於此。靜置後的線蟲之分布係會有集中在培養基中麻醉劑滴下地點的傾向。因此，亦可只設定誘引領域與忌避領域之其中一方，將該所被設定之領域中的線蟲數加以計數，使用該所被設定之領域中的線蟲數與培養皿物件OB12之領域中的線蟲數來進行趨性解析。例如，在設定了誘引領域的情況下，忌避領域中的線蟲數係可視為，培養皿的內底面所對應之培養皿物件OB12之領域中的線蟲數減去誘引領域中的線蟲數而得的值。
此外，在本實施形態中，為了評估被驗者的癌症之可能性，是執行圖9中所示的趨性解析方法，但不限於癌症評估，在評估其他生物或細胞之趨性的情況下，亦可執行之。
＜第2實施形態＞ 接下來說明第2實施形態。先前的趨性指數，係以顯微鏡目視線蟲之數量而進行計數(亦稱作count)。具體而言，線蟲之趨性行動係以趨性解析值作為指標而被評估，使用根據下式所被算出的趨性指數。 趨性指數=(x-y)/(x+y) 此處x係為對樣本呈現誘引行動的線蟲之數量，y係為對樣本呈現忌避行動的線蟲之數量，該趨性指數係與第1實施形態相同。
作為自動計算該趨性指數的方法，係考量以下的算出方法。亦即，從載有線蟲的培養皿之上方配置相機，從培養皿之下方打上光源，則由於線蟲所產生的光的亂反射而會較周圍的亮度還高地被拍攝，而識別線蟲之領域。然後，使用所拍攝的影像或影片，而有使用以下的方法來進行算出的方法。
(1)將所拍攝之影像中的所定之領域的亮度重心加以計測而算出趨性指數的方法。 (2)所拍攝之影像中的所定之領域中的線蟲之領域的數量加以計測的方法。
(1)及(2)的情況下，將亮度較周圍高之領域的數量，視為線蟲的數量而加以計測。可是，若線蟲是以複數隻重疊的狀態而被拍攝，則線蟲係被辨識成一個領域，導致實際的線蟲之數量與領域之數量之間會有很大的差異。由於這個原因，在電腦根據影像而自動計數線蟲的情況下，在影像中線蟲有發生重疊的時候，難以根據影像而正確地計數線蟲之數量，電腦所算出的趨性指數，會與人類以目視計數線蟲所算出的趨性指數(以下亦稱作手動計數而算出之趨性指數)有很大的差異，存在如此問題。 又，若對計數對象之領域設定固定之閾值則有時候會有隨著攝像條件之差異導致趨性解析值之精度降低的問題。
相對於此，在本實施形態中，由於是用電腦根據線蟲攝像影像而自動判定癌症之有無，因此開發出新的趨性解析值之決定方法。在本實施形態中，電腦是以該新的趨性解析值算出方法來算出趨性指數，使用該新的趨性解析值，自動評估被驗者的癌症之可能性。
藉此，即使在影像中線蟲有重疊的情況下，藉由新的趨性解析值之算出方法所被算出的趨性解析值，仍會是接近於「手動計數而算出之趨性指數」的值，因此可以用與「手動計數而算出之趨性指數」同等之精度，讓電腦根據影像而自動地判定被驗者的癌症之可能性。 又，對應於線蟲的物件之面積雖然會因為攝像條件而相對地變化，但若依據本實施形態所致之趨性解析值之算出方法，則即使攝像條件有所變化，仍會獲得藉由新的趨性解析值算出方法所被算出的趨性解析值與手動計數而算出之趨性指數的差異為較小的結果。因此，本實施形態係可不太受到攝像條件之影響，就能以與「手動計數而算出之趨性指數」同等之精度，讓電腦根據影像而自動地判定被驗者的癌症之可能性。
＜系統構成＞ 圖15係為第2實施形態所述之趨性解析系統的概略構成圖。趨性解析系統1b係具備：光源21、攝像單元之一例的相機15b、被連接至相機15b的趨性解析裝置3、影像資料庫(影像DB)161所被儲存的儲存區16。從趨性試驗後的培養皿21之下方打上光源21之光線，在培養皿21之上方配置攝像單元15，藉由趨性解析裝置3來拍攝培養皿21而算出趨性解析值。光源21係以圓形型白色LED為佳。相機15b係被趨性解析裝置3所控制，藉由相機15b進行拍攝所得之影像，係被積存在影像資料庫161中。
圖16係為第2實施形態所述之趨性解析裝置的區塊圖。如圖16所示，第2實施形態所述之趨性解析裝置3，係具備處理器10b，處理器10b係將儲存區16中所被記憶之程式予以讀出並執行，以成為相機控制部31、影像處理部32、及解析部33而發揮機能。相機控制部31係控制相機15b以使其拍攝培養皿21，將所拍攝之影像，儲存在儲存區16的影像資料庫161中。影像處理部32，係進行影像處理。解析部33，係使用影像處理後之影像，而算出趨性解析值，並使用趨性解析值來評估癌症之可能性。
＜線蟲之物件及面積值＞ 圖17係為趨性解析所被進行之培養皿之影像的概略模式圖。如圖17所示，被判斷為線蟲是呈現誘引行動的誘引領域R11、和被判斷為線蟲是呈現忌避行動的忌避領域R12，係被圖示。圖18係為第2實施形態所述之處理之過程的圖示。以下，依照圖18來說明處理的過程。
影像處理部32，係從所被拍攝之影像，以影像處理(例如色相所致之邊緣抽出或2值化處理等)，在圖17中所示的誘引領域(亦記作+領域)與忌避領域(亦記作-領域)之各者中，將線蟲所分別對應之線蟲之物件所佔有之領域分別抽出。然後，解析部33係將已被抽出的線蟲之物件的面積予以算出。具體而言係例如，解析部33係將線蟲之物件所佔有之像素數加以計數。
本實施形態的趨性解析值之算出方法係有2種類，都是使用線蟲之物件的面積值而被算出。以下分別說明之。
＜第1算出方法＞ 首先說明，本實施形態的趨性解析值的第1算出方法。第1算出方法係為，使用誘引領域中的線蟲之物件的面積值之總和、與忌避領域中的線蟲之物件的面積值之總和的趨性解析值之算出方法。
圖19係為誘引領域及忌避領域中的線蟲之物件的面積值的曲線圖之一例。於趨性試驗中，線蟲係使用大小略同的成蟲，但在拍攝之際會因為線蟲而被亂反射的光而導致各線蟲之物件的面積值會產生參差。(1)可以觀察到，該參差係為，在誘引領域與忌避領域中的各個面積值之參差是幾乎相同。因此，即使使用下式來算出趨性解析值，與手動計數而算出之趨性指數的差仍為小。
I =(SA -SB )/(SA +SB ) … (1)
其中，I係為趨性解析值，SA 係為誘引領域中的線蟲之物件的面積值之總和，SB 係為忌避領域中的線蟲之物件的面積值之總和。後述的圖20的流程圖中的趨性解析值之算出中係使用上式(1)。此外，亦可只設定誘引領域與忌避領域之其中一方，使用該所被設定之領域中的線蟲之物件的面積值、與培養皿物件OB12全體之領域中的線蟲之物件的面積值，來進行趨性解析。例如，在設定了誘引領域的情況下，忌避領域中的線蟲之物件的面積值係可視為，培養皿的內底面所對應之培養皿物件OB12全體之領域中的線蟲之物件的面積值，減去誘引領域中的線蟲之物件的面積值而得的值。
又，由於：(1)即使檢查所使用的線蟲的成蟲的大小帶有個體差異，仍不會觀察到化學趨性行動隨著線蟲大小而有偏頗；(2)在大部分的檢查中，檢查後的線蟲之分布係為，相較於複數隻重疊的狀態，單獨1隻靜止的狀態為最多；(3)於癌症檢查中即使獲得趨性解析值的絕對值為較小的結果，線蟲為複數隻重疊的狀態，於誘引領域(+)與忌避領域(-)各自中仍為無分布偏頗之傾向；(4)尤其是在癌症檢查中可以獲得不遜於先前方法所得之臨床結果的結果；因此即使線蟲是在複數隻重疊的狀態下而被拍攝的情況，「藉由電腦所做的上式(1)的計算而被算出的趨性解析值」，係仍不會與「手動計數而算出之趨性指數」發生乖離。
圖20係為趨性解析值的使用第1算出方法的處理之一例的流程圖。 (步驟S310)首先，相機控制部31係控制相機15b，拍攝含有線蟲的培養皿21，將拍攝所得之影像資料，保存在儲存區16中。影像處理部32，係取得該影像資料。
(步驟S320)接著，影像處理部32係於影像資料中偵測培養皿位置。
(步驟S330)接著，影像處理部32係於影像資料中偵測培養皿的基準點。
(步驟S340)接著，影像處理部32係使培養皿對準於基準點，而設定線蟲的誘引領域及忌避領域。此處，將誘引領域及忌避領域總稱為趨性解析領域。
(步驟S350)接著，解析部33係針對每一誘引領域及忌避領域，決定對應於各線蟲的各線蟲之物件所佔有之領域(線蟲之物件)的面積值。
(步驟S360)接著，解析部33係算出誘引領域中的線蟲之物件的面積值之總和SA 、與忌避領域中的線蟲之物件的面積值之總和SB ，將所算出的總和SA 、總和SB ，代入式(1)，根據式(1)而算出趨性解析值。
＜第2算出方法＞ 接下來說明，本實施形態的趨性解析值的第2算出方法。第2算出方法係為，使用線蟲之物件的面積值的曲線圖中之峰值的趨性解析值的算出方法。
圖21係為，於所有趨性解析領域(誘引領域及忌避領域之雙方)中的線蟲之物件的數量與線蟲之物件的面積值的曲線圖之一例。於圖21中，於所有趨性解析領域(誘引領域及忌避領域之雙方)中的線蟲之物件的數量與線蟲之物件的面積值的曲線圖W3，係被圖示。於圖21中，1隻的面積範圍U1係表示線蟲1隻的面積範圍，係為交界線L21與交界線L22之間的範圍。又2隻的面積範圍U2係表示線蟲2隻重疊時的面積範圍，係為交界線L22與交界線L23之間的範圍。又3隻的面積範圍U3係表示線蟲3隻重疊時的面積範圍，係為交界線L23與交界線L24之間的範圍。
線蟲為複數隻重疊的領域，其面積值係會大於1隻線蟲之物件，可以觀測到，隨著線蟲的每種重疊數，面積值可能變動的範圍會有所不同。在第2算出方法中，如圖21所示，對於含有一個極大點的領域R21、R22、R23之每一者，將線蟲的每種隻數所佔有之領域的面積範圍(例如1隻的面積範圍U1、2隻的面積範圍U2、3隻的面積範圍U3)，根據如圖21中所示的線蟲之物件的數量與線蟲之物件的面積值之曲線圖而加以設定。按照已被設定的每種面積範圍而將線蟲之物件的數量進行積算，根據下式(2)而算出趨性解析值。
I =(NA -NB )/(NA +NB ) …(2)
其中，I係為趨性解析值；NA 係為在誘引領域中，「面積範圍中所被分配的線蟲之隻數」×「面積範圍中所收容的線蟲之物件的數量」之總和；NB 係為在忌避領域中，「面積範圍中所被分配的線蟲之隻數」×「面積範圍中所收容的線蟲之物件的數量」之總和。此外，亦可只設定誘引領域與忌避領域之其中一方，使用該所被設定之領域中的線蟲之物件的面積值、與培養皿物件OB12全體之領域中的線蟲之物件的面積值，來進行趨性解析。例如，在設定了誘引領域的情況下，忌避領域中的NB 係可視為，培養皿物件OB12全體之領域中的「面積範圍中所被分配的線蟲之隻數」×「面積範圍中所收容的線蟲之物件的數量」之總和減去誘引領域中的NA 而得的值。
該第2算出方法係由於：(1)檢查後的線蟲之分布係可觀察到，以1隻靜止的狀態為最多，而複數隻重疊的狀態是隨著重疊數越多而該狀態會有越少的傾向；(2)根據誘引領域(+)及忌避領域(-)中的線蟲之物件的面積值的曲線圖，可將1隻、2隻、3隻…的重疊狀態，根據曲線圖的極大點、極小點來做預測；因此即使線蟲是在複數隻重疊的狀態下而被拍攝的情況，「藉由電腦所做的自動計算而被算出的趨性解析值」，係仍不會與「手動計數而算出之趨性指數」發生乖離。
圖22係為趨性解析值的使用第2算出方法的處理之一例的流程圖。 (步驟S410)首先，相機控制部31係控制相機15b，拍攝含有線蟲的培養皿21，將拍攝所得之影像資料，保存在儲存區16中。影像處理部32，係取得該影像資料。
(步驟S420)接著，影像處理部32係於影像資料中偵測培養皿位置。
(步驟S430)接著，影像處理部32係於影像資料中偵測培養皿的基準點。
(步驟S440)接著，影像處理部32係使培養皿對準於基準點，而設定線蟲的誘引領域及忌避領域。
(步驟S450)接著，解析部33係針對每一誘引領域及忌避領域，決定對應於各線蟲的各線蟲之物件所佔有之領域的面積值。
(步驟S460)接著，解析部33係使用線蟲之物件的數量與全趨性解析領域中的面積值之曲線圖(參照圖21)，而決定線蟲的每種隻數所佔有之領域的面積之範圍。該處理的細節，係用後述的圖23來做說明。
(步驟S470)接著，在各趨性解析領域(亦即誘引領域及忌避領域之各者)中，針對每種面積之範圍U1、U2、U3，將該當面積範圍中所收容的線蟲之物件的數量、與該當面積之範圍所被分配的線蟲之隻數進行乘算，將乘算後的各個值之總和，針對每一趨性解析領域(亦即針對誘引領域及忌避領域之各者)加以算出，使用該各趨性解析領域之總和NA 、NB ，根據式(2)而決定趨性解析值。
圖23係為圖22的步驟S460的處理之一例的流程圖。 (步驟S510)首先，解析部33係求出線蟲之物件的數量與全趨性解析領域中的面積值之曲線圖(參照圖21)的極大點與極小點。然後，將指數n設定成1。
(步驟S520)接著，解析部33係判定從左起第n個是否有極小點。
(步驟S530)在步驟S520中被判定為，從左起第n個有極小點的情況下(步驟S520 YES)，則解析部33係在n=1時，將1隻的面積範圍之下限，設定成所定值。此處，所定值係為，用來排除不是成蟲的較小的線蟲或灰塵等之雜訊所需的所被設定之值。 解析部33，係在n為2以上時，將n隻的面積範圍之下限，設定成曲線圖之從左起第(n-1)個之極小點的x座標+1。 此外，在n=1時，若令Xmax1為從左起第1個極大點的x座標，則亦可將1隻的面積值之下限，設定成Xmax1-(從左起第1個極大點之半值半寬)。
(步驟S540)解析部33，係將曲線圖之從左起第n個極小點的x座標，設定成n隻的面積範圍之上限。然後，解析部33係將指數n增加1，重複步驟S520以後的處理。
(步驟S550)在步驟S520中被判定為，從左起第n個沒有極小點的情況下(步驟S520 NO)，則判定(n-1)隻的面積範圍之上限是否為所定值以上。
(步驟S560)在步驟S550中，在(n-1)隻的面積範圍之上限是所定值以上的情況下(步驟S550 YES)，則解析部33係不設定n隻的面積範圍之上限(亦即n隻的面積範圍之上限，係為n隻的面積範圍之下限以上)。此外，不限於此，解析部33係亦可為，若將第n個極大點的x座標令作Xmaxn，則將n隻的面積範圍之上限，設定成Xmaxn+(從左起第n個極大點之半值半寬)。
(步驟S570)在步驟S550中，(n-1)隻的面積範圍之上限並非所定值以上的情況亦即未滿所定值的情況下(步驟S550 NO)，則解析部33係將n隻的面積範圍之上限，設定成所定值。
此外，上述的實施形態中所說明的控制部14及解析部17之至少一部分，係可由硬體來構成，亦可由軟體來構成。亦可將用來實現解析部17之至少一部分機能的程式，收納在軟碟片或CD-ROM等之記錄媒體，讓其被電腦讀入並執行。記錄媒體係不限於磁碟片或光碟等之可移除型，亦可為硬碟裝置或記憶體等之固定型的記錄媒體。
又，亦可將用來實現控制部14及解析部17之至少一部分機能的程式，透過網際網路等之通訊線路(亦包含無線通訊)而散布。甚至，亦可將該程式進行加密、或施予調變、以被壓縮的狀態，透過網際網路等之有線線路或無線線路，或是收納在記錄媒體中而散布。
甚至，亦可藉由一或複數個資訊處理裝置來使控制部14及解析部17發揮機能。在使用複數個資訊處理裝置的情況下，亦可將資訊處理裝置之其中1者設成電腦，藉由該當電腦執行所定之程式而成為解析部17之至少1個手段而實現機能。
又，在方法的發明中，所有的過程(步驟)都亦可藉由電腦以自動控制來加以實現。又，亦可各過程是被電腦所實施的同時，過程間的進程控制是藉由人的手來加以實施。又甚至，全部過程之其中至少一部分亦可藉由人的手來加以實施。
以上，本發明係不限定於上記實施形態本身，在實施階段中在不脫離其宗旨的範圍內，可將構成要素加以變形而具體化。又，藉由上記實施形態中所揭露的複數個構成要素的適宜組合，可以形成各種發明。例如，亦可從實施形態中所揭露的全部構成要素中，刪除掉數個構成要素。甚至，亦可跨越不同的實施形態而將構成要素做適宜組合。
1:趨性解析系統 10,10b:處理器 11:容器供給單元 111:供給輸送帶 112:供給機器人 12:靜置台 13:容器取出單元 131:取出機器人 132:容器搬送單元 1321:臂部 133:蓋子移除單元 1331:機器手 134:感測器 14:控制部 15:攝像單元 151:支柱 152:基底構件 153:光源 16:儲存區 161:影像資料庫 162:檢查資料庫 17:解析部 21,21b:培養皿 22:蓋子 3:趨性解析裝置 31:相機控制部 32:影像處理部 33:解析部
[圖1]本實施形態所述之趨性解析系統之概略構成的區塊圖。 [圖2]容器搬送前之狀態下的容器取出單元13的概略斜視圖之一例。 [圖3]容器搬送後之狀態下的容器取出單元13的概略斜視圖之一例。 [圖4]本實施形態所述之培養皿從上方觀看的圖之一例。 [圖5]本實施形態所述之趨性解析之處理之一例的流程圖。 [圖6]儲存區中所被保存的檢查資訊之表格之一例。 [圖7]本實施形態所述之攝像影像的模式圖。 [圖8]於攝像影像中誘引領域及忌避領域之一例的模式圖。 [圖9]本實施形態所述之趨性解析方法之一例的流程圖。 [圖10]變形例所述之培養皿從上方觀看的圖之一例。 [圖11]變形例所述之攝像影像的模式圖。 [圖12]於變形例中在攝像影像中的誘引領域及忌避領域之一例的模式圖。 [圖13]預先被記憶在儲存區16中的基準格式之一例。 [圖14]於變形例中，在攝像影像中的誘引領域及忌避領域之一例的模式圖。 [圖15]第2實施形態所述之趨性解析系統的概略構成圖。 [圖16]第2實施形態所述之趨性解析裝置的區塊圖。 [圖17]趨性解析所被進行之培養皿之影像的概略模式圖。 [圖18]第2實施形態所述之處理之過程的圖示。 [圖19]誘引領域及忌避領域中的線蟲之物件的面積值的曲線圖之一例。 [圖20]趨性解析值的使用第1算出方法的處理之一例的流程圖。 [圖21]於所有趨性解析領域(誘引領域及忌避領域之雙方)中的線蟲之物件的數量與線蟲之物件的面積值的曲線圖之一例。 [圖22]趨性解析值的使用第2算出方法的處理之一例的流程圖。 [圖23]圖22的步驟S460的處理之一例的流程圖。
1:趨性解析系統
10:處理器
11:容器供給單元
12:靜置台
13:容器取出單元
14:控制部
15:攝像單元
16:儲存區
17:解析部
111:供給輸送帶
112:供給機器人
131:取出機器人
132:容器搬送單元
133:蓋子移除單元
134:感測器
161:影像資料庫
162:檢查資料庫

Claims (17)

  1. 一種趨性解析方法，係為使用在該當容器或該當容器內的培養基中設有基準點的容器，以進行線蟲之趨性解析的趨性解析方法，其係具有： 拍攝該當容器內的線蟲之分布態樣之步驟；和 基於前記基準點，而決定誘引領域及/或忌避領域之步驟；和 使用前記所被決定之誘引領域及/或忌避領域中的線蟲之物件，來執行趨性解析之步驟。
  2. 如請求項1所記載之趨性解析方法，其中， 於執行前記趨性解析之步驟中，執行前記所被決定之誘引領域的線蟲之計數及/或前記所被決定之忌避領域的線蟲之計數，隨應於計數結果，而將趨性解析結果予以輸出。
  3. 如請求項1或2所記載之趨性解析方法，其中， 前記基準點係為，含有用來識別前記容器之容器識別資訊的代碼； 於前記攝像之步驟中所被拍攝的影像中，係含有對應於前記代碼的代碼物件； 並具有： 從前記代碼物件讀取容器識別資訊之步驟；和 與前記讀取到的容器識別資訊建立關連，而將執行前記趨性解析的結果也就是趨性解析結果記憶在儲存區之步驟。
  4. 如請求項3所記載之趨性解析方法，其中， 在前記儲存區中，用來識別被驗者的被驗者識別資訊與容器識別資訊是被建立關連而被記憶； 並具有：參照前記儲存區，而將從前記代碼物件所讀取到的容器識別資訊所對應之被驗者識別資訊加以特定之步驟。
  5. 如請求項1或2所記載之趨性解析方法，其中， 前記基準點，係包含第1基準點及/或第2基準點。
  6. 如請求項1所記載之趨性解析方法，其中， 具有：在拍攝前記容器的內部之前，將前記容器的蓋子予以移除之步驟。
  7. 如請求項1所記載之趨性解析方法，其中， 在前記決定誘引領域及/或忌避領域之步驟中，將通過前記基準點物件之位置與前記容器之物件之中心的直線相對於基準線之角度加以決定，並使預先被設定有誘引領域及/或忌避領域之基準格式旋轉該當角度，然後決定前記誘引領域及/或忌避領域。
  8. 如請求項1所記載之趨性解析方法，其中， 在前記決定誘引領域及/或忌避領域之步驟中，將通過前記基準點物件之位置與前記容器之物件之中心的直線相對於基準線之角度加以決定，並使前記拍攝所得之影像旋轉該當角度，然後於旋轉後之影像中決定前記誘引領域及/或前記忌避領域。
  9. 一種趨性解析方法，係為使用在容器或容器內的培養基中設有基準點的容器，以進行線蟲之趨性解析的趨性解析方法，其係具有： 將前記基準點與攝像裝置定位成所定之位置關係之步驟；和 以前記攝像裝置拍攝該當容器內的線蟲之分布態樣之步驟；和 決定誘引領域及/或忌避領域之步驟；和 使用前記所被決定之誘引領域及/或忌避領域中的線蟲之物件，來執行趨性解析之步驟。
  10. 如請求項1所記載之趨性解析方法，其中， 在前記決定誘引領域及/或忌避領域之步驟中，將通過前記基準點物件之位置與前記容器之物件之中心的直線相對於基準線之角度加以決定，並使前記容器旋轉該當角度，拍攝旋轉後之容器內的線蟲之分布態樣，藉由將該當所被攝像之影像、與預先被設定有誘引領域及/或忌避領域之基準格式進行比較，而決定前記誘引領域及/或前記忌避領域。
  11. 一種癌症評估方法，係具有： 如請求項1所記載之趨性解析方法；和 使用藉由執行前記趨性解析而得到的趨性解析結果，來評估前記被驗者的癌症之可能性之步驟。
  12. 一種趨性解析系統，係為使用在該當容器或該當容器內的培養基中設有基準點的容器，以進行線蟲之趨性解析的趨性解析系統，其係具有： 控制部，係控制攝像單元以使其拍攝該當容器內的線蟲之分布態樣；和 解析部，係將前記拍攝所得之影像內所包含的，對應於前記基準點的基準點物件之位置予以偵測，以該當位置為基準，決定誘引領域及/或忌避領域，使用前記所被決定之誘引領域及/或忌避領域中的線蟲之物件，來執行趨性解析。
  13. 一種程式，係為使用在該當容器或該當容器內的培養基中設有基準點的容器，來進行線蟲之趨性解析所需之程式，其係令電腦執行成為： 解析部，係將拍攝該當容器內的線蟲之分布態樣所得之影像內所包含的，對應於前記基準點的基準點物件之位置予以偵測，以該當位置為基準，決定誘引領域及/或忌避領域，使用前記所被決定之誘引領域及/或忌避領域中的線蟲之物件，來執行趨性解析。
  14. 一種趨性解析方法，係為進行線蟲之趨性解析的趨性解析方法，其係具有： 拍攝該當容器內的線蟲之分布態樣之步驟；和 使用誘引領域及/或忌避領域中的線蟲之物件所佔有之領域的面積值，來執行趨性解析之步驟。
  15. 一種癌症評估方法，係具有： 如請求項14所記載之趨性解析方法；和 使用藉由執行前記趨性解析而得到的趨性解析結果，來評估前記被驗者的癌症之可能性之步驟。
  16. 一種趨性解析系統，係為進行線蟲之趨性解析的趨性解析系統，其係具有： 控制部，係在線蟲及被驗者之檢體被滴下至容器之後，控制攝像單元以使其拍攝該當容器內的線蟲之分布態樣；和 解析部，係使用誘引領域及/或忌避領域中的線蟲之物件所佔有之領域的面積值，來執行趨性解析。
  17. 一種程式，係為用來進行線蟲之趨性解析所需之程式，其係令電腦執行成為： 解析部，係使用線蟲及被驗者之檢體被滴下至容器之後拍攝該當容器內的線蟲之分布態樣所得之影像內所包含的，誘引領域及/或忌避領域中的線蟲之物件所佔有之領域的面積值，來執行趨性解析。
TW109142594A 2019-12-06 2020-12-03 趨性解析方法、癌症評估方法、趨性解析系統及程式 TW202138807A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2019-221268 2019-12-06
JP2019221268A JP7442785B2 (ja) 2019-12-06 2019-12-06 走性解析方法、がん評価方法、走性解析システム及びプログラム

Publications (1)

Publication Number Publication Date
TW202138807A true TW202138807A (zh) 2021-10-16

Family

ID=76222395

Family Applications (1)

Application Number Title Priority Date Filing Date
TW109142594A TW202138807A (zh) 2019-12-06 2020-12-03 趨性解析方法、癌症評估方法、趨性解析系統及程式

Country Status (8)

Country Link
US (1) US20230020220A1 (zh)
EP (1) EP4071471A4 (zh)
JP (1) JP7442785B2 (zh)
CN (1) CN114729925A (zh)
AU (1) AU2020396635A1 (zh)
CA (1) CA3163902A1 (zh)
TW (1) TW202138807A (zh)
WO (1) WO2021112162A1 (zh)

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106255877B (zh) 2013-12-10 2018-06-05 国立大学法人九州大学 使用线虫的嗅觉的癌检测法
JP6426827B2 (ja) 2015-03-13 2018-11-21 株式会社日立製作所 癌検査システム及び癌検査方法
JP6522778B2 (ja) 2015-11-10 2019-05-29 株式会社日立製作所 癌検査システム及び癌検査評価方法
WO2017094066A1 (ja) 2015-11-30 2017-06-08 株式会社日立製作所 癌検査システム及び癌検査評価方法
WO2017149626A1 (ja) * 2016-02-29 2017-09-08 株式会社日立製作所 がん解析システム及びがん解析方法
JP6747908B2 (ja) * 2016-08-09 2020-08-26 株式会社Ｈｉｒｏｔｓｕバイオサイエンス バッファ吸取装置及びがん解析システム
TWI772324B (zh) * 2016-09-12 2022-08-01 日商廣津生物化學股份有限公司 基於線蟲嗅覺的對氣味物質之趨性行動之評價方法、以及用於該評價方法的培養皿及行動評價系統
AU2017340623C1 (en) * 2016-10-05 2022-04-07 Fmc Corporation Bacillus thuringiensis RTI545 compositions and methods of use for benefiting plant growth and controlling plant pests

Also Published As

Publication number Publication date
EP4071471A4 (en) 2024-01-10
AU2020396635A1 (en) 2022-06-09
CA3163902A1 (en) 2021-06-10
JP2021092395A (ja) 2021-06-17
US20230020220A1 (en) 2023-01-19
JP7442785B2 (ja) 2024-03-05
WO2021112162A1 (ja) 2021-06-10
EP4071471A1 (en) 2022-10-12
CN114729925A (zh) 2022-07-08

Similar Documents

Publication Publication Date Title
US10140705B2 (en) Drawer vision system
CN105143850B (zh) 用于血液样品中的粒子分析的自聚焦系统和方法
US11674883B2 (en) Image-based assay performance improvement
US20120063652A1 (en) Method and apparatus for performing color-based reaction testing of biological materials
JP7339430B2 (ja) 側方流動体液検査システムおよび方法
US20120106811A1 (en) All-In-One Specimen Cup With Optically Readable Results
CN101438198A (zh) 自动化的显微镜载片读取系统
US11210782B2 (en) System and method for generating selective stain segmentation images for cell types of interest
JP2010151830A (ja) 画像生成システム内のサンプル中の対象領域の位置を検証する装置および方法
US20240079116A1 (en) Automated segmentation of artifacts in histopathology images
JP6522778B2 (ja) 癌検査システム及び癌検査評価方法
Bianco et al. Emlen funnel experiments revisited: methods update for studying compass orientation in songbirds
Flaucher et al. Smartphone-based colorimetric analysis of urine test strips for at-home prenatal care
CA3093646C (en) Method and system for extraction of statistical sample of moving objects
CN111492368B (zh) 用于基于膜特征对组织图像中的细胞进行分类的系统和方法
TW202138807A (zh) 趨性解析方法、癌症評估方法、趨性解析系統及程式
TWI755755B (zh) 用於測試生物樣本的裝置
US20210174509A1 (en) Examination Method, Examination System, and Non-Transitory Computer Readable Recording Medium
CN114223016A (zh) 载玻片的扫描/预扫描质量控制
Fiederling et al. SpineRacks and SpinalJ for efficient analysis of neurons in a 3D reference atlas of the mouse spinal cord
JP2008261850A (ja) 検査プレートの画像検査方法
CN210894367U (zh) 一种定位尿液分析试纸装置
Reynolds et al. Quantifying dopaminergic innervation in rodents using unbiased stereology
Mehare et al. A Non-invasive Way to Determine Blood Type Based on Image Processing
CN116778479A (zh) 一种基于改进YOLOv5的蠕虫卵检测方法、装置、设备及介质