WO2008029635A1 - Processeur d'images de cellules et procédé de traitement d'images de cellules - Google Patents

Processeur d'images de cellules et procédé de traitement d'images de cellules Download PDF

Info

Publication number
WO2008029635A1
WO2008029635A1 PCT/JP2007/066415 JP2007066415W WO2008029635A1 WO 2008029635 A1 WO2008029635 A1 WO 2008029635A1 JP 2007066415 W JP2007066415 W JP 2007066415W WO 2008029635 A1 WO2008029635 A1 WO 2008029635A1
Authority
WO
WIPO (PCT)
Prior art keywords
cell
cells
feature
distribution
cell image
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.)
Ceased
Application number
PCT/JP2007/066415
Other languages
English (en)
French (fr)
Inventor
Kosuke Takagi
Yuichiro Matsuo
Yoshihiro Shimada
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Olympus Corp
Original Assignee
Olympus Corp
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 Olympus Corp filed Critical Olympus Corp
Priority to US12/439,778 priority Critical patent/US8135203B2/en
Publication of WO2008029635A1 publication Critical patent/WO2008029635A1/ja
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Classifications

    • 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
    • G01N15/1433—Signal processing using image recognition
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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 OR CALCULATING; 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
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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

Definitions

  • the present invention relates to a cell image processing apparatus and a cell image processing method.
  • This device performs high-precision analysis processing by removing the influence of noise when extracting a characteristic portion from a cell image.
  • Patent Document 1 Japanese Patent Laid-Open No. 2001-307066
  • the present invention has been made in view of the circumstances described above, and by processing a cell image, a cell exhibiting a specific property can be separated from noise and extracted and analyzed. To provide a cell image processing apparatus and cell image processing method Yes.
  • the present invention provides the following means.
  • a cell image obtained by photographing a cell is processed, a feature amount measuring unit that measures a feature amount of each cell included in the cell image, and a measured feature amount
  • a cell image processing apparatus comprising: a feature amount distribution creating unit that creates a distribution of a cell; and a specific cell extracting unit that extracts cells having feature amounts that are continuously distributed in the created feature amount distribution as specific cells. It is.
  • the cell image obtained by photographing the cell is processed by the operation of the feature amount measurement unit, the feature amount of each cell included in the cell image is measured, and the feature is measured.
  • the distribution of the feature quantity of the cell measured by the feature quantity measurement section is created by the operation of the quantity distribution creation section.
  • the specific cell extraction unit cells having continuously distributed feature amounts are extracted as specific cells.
  • the specific cell extraction unit may exclude Itoda Tsuki which has discontinuously distributed feature amounts.
  • the feature amount measuring unit measures a plurality of feature amounts of each cell, and the feature amount distribution creating unit correlates the plurality of feature amounts. This is a good way to create a distribution of feature values.
  • the predetermined range of the specific cell extraction unit is set. Even if it is a changeable kurakura.
  • the researcher can visually check the image of the cell for each group including the extracted specific cells, and the researcher can be verified.
  • the second aspect of the present invention is a measurement step of processing a cell image obtained by photographing a cell and measuring a feature amount of each cell included in the cell image.
  • a cell image processing method comprising: a distribution creating step for creating a distribution of feature amounts; and an extraction step for extracting cells having feature amounts that are continuously distributed as specific cells in the created feature amount distribution. It is.
  • the extraction step may exclude Itotsuki Tsuki which has discontinuously distributed feature quantities! / ⁇ .
  • FIG. 1 is a schematic overall configuration diagram showing an analysis apparatus provided with a cell image processing apparatus according to an embodiment of the present invention.
  • FIG. 2 is a block diagram showing a cell image processing apparatus according to the present embodiment provided in the analysis apparatus of FIG.
  • FIG. 3A is a graph showing an example of a feature amount distribution created by the cell image processing apparatus of FIG. 1.
  • FIG. 3B is a graph showing an example of the distribution of feature amounts created by the cell image processing apparatus of FIG. 1.
  • FIG. 4 is a graph showing an example of a two-dimensional distribution of two feature values created by the cell image processing apparatus of FIG. 1.
  • FIG. 5 is a diagram showing a display example in which cells are displayed for each group of feature amounts grouped by the cell image processing apparatus of FIG. 1.
  • FIG. 6A is a diagram showing an example of morphological parameters used when grouping is performed by the cell image processing apparatus of FIG. 1.
  • FIG. 6B is a diagram showing an example of morphological parameters used when grouping is performed by the cell image processing apparatus of FIG. 1.
  • a cell image processing apparatus 1 and a cell image processing method according to an embodiment of the present invention will be described below with reference to FIGS. 1 to 6B.
  • a cell image processing apparatus 1 is mounted on an analysis apparatus 10 shown in FIG.
  • the analysis apparatus 10 includes a stage 2 on which a cell sample S and the like are placed and moved in two horizontal axes, an objective lens 3 that collects fluorescence from the cell sample S, and fluorescence that is collected by the objective lens 3
  • An imaging device 4 such as a CCD camera, a cell image processing device 1 that processes an image acquired by the imaging device 4, a control device 5 that controls these devices, and the cell image processing device 1
  • a display device 6 for displaying the processed cell image.
  • reference numeral 7 denotes an eyepiece optical system for visually observing the fluorescence from the cell sample S collected as it is or collected by the objective lens 3.
  • the cell sample S or the like is placed on a slide glass or a multiplate.
  • the cell image processing device 1 processes the image data acquired by the imaging device 4, and measures the feature amount of each cell.
  • a distribution creation unit 12 that creates the distribution based on the measured feature quantity
  • a group formation unit 13 that groups the created feature quantity distribution
  • a grouped cell or formed group Each has a specific cell extraction unit 14 that extracts, as specific cells, cells having characteristic amounts in a predetermined range at both ends of the distribution of characteristic amounts.
  • the feature amount for example, the morphological feature of the cell or the luminance of the cell can be mentioned.
  • the morphological characteristics of the cell are, for example, the cell area, perimeter, average curvature, and the like.
  • the feature amount measuring unit 11 binarizes a cell image and acquires a cell outline image to measure the morphological characteristics of the cell.
  • the brightness of the cells is measured based on the brightness value of the pixels forming the image of each cell! /.
  • Specific cells include those having a large deviation from the average value and distribution, those that form a small group when grouped, and those having a specific parameter correlation.
  • the distribution creating unit 12 creates a cell distribution for the feature amount as shown in FIGS. 3A and 3B, for example, with the feature amount on the horizontal axis and the number of cells on the vertical axis. ing .
  • the feature amount distribution becomes a normal distribution.
  • it if it has more complicated statistical features, it will be distributed with multiple peaks.
  • Fig. 3B it has two large peaks.
  • the gnolepe forming unit 13 obtains the feature value of each peak, and calculates the average value and the variance of the feature values of cells existing around the peak for each peak. As a result, the distribution of feature quantities can be grouped.
  • the specific cell extraction unit 14 in the grouped feature amount distribution for example, cells arranged within a range of 5% at both ends of the distribution Are extracted (shaded lines A and B in Fig. 3A).
  • this group D when there is a group D with two smaller peaks and a smaller peak, this group D is extracted as a specific cell.
  • the hatched portions A and B may also be extracted as specific cells.
  • the distribution in the distribution of feature quantities of one or more groups that are continuously dispersed, the distribution is within a range of 5% at both ends of the distribution. It can be used to extract the cells that are damaged, or to force a group of crescents that have very small peaks relative to other peaks.
  • a cell image processing method by the cell image processing apparatus 1 according to the present embodiment configured as described above will be described below.
  • the cell sample S placed on a slide glass or a multiplate is first placed on the stage 2 and the stage 2 is moved.
  • the cell sample S is moved horizontally by moving the objective lens 3 and the image of the cell sample S is acquired by the imaging device 4 while being focused on the cell sample S by moving the objective lens 3.
  • the acquired cell image is processed, the feature amount of each cell included in the cell image is measured, a distribution of the measured feature amount is created, and in the created feature amount distribution, Then, cells having continuously distributed features are grouped.
  • the feature distribution is continuously distributed around one or more peaks.
  • a cell distribution for a single feature amount is created, Instead of this, it is possible to create a distribution using two or more feature quantities.
  • a single parameter may be calculated using two or more feature quantities, and a distribution may be created for the single parameter.
  • the size of a nerve cell is expressed by the radius of an inscribed circle inscribed in the outline of the cell body of the nerve cell, and the length of the small protrusion of the nerve cell
  • a new single parameter (perimeter / inscribed circle radius) can be obtained by expressing the length by the circumference of the contour and normalizing the circumference with the inscribed circle radius. For example, it can be expressed as 1 if the cell is completely circular and no extension of the process is seen, and 2.5 if the process is sufficiently long. Based on this value, specific cells may be extracted.
  • the noise characteristic may be specific with respect to multiple characteristic quantities.
  • small garbage in the culture vessel is very small in size and high in brightness. And this appears as a single occurrence in the distribution.
  • normal cells tend to decrease in size and increase in brightness during the process of death, but often maintain a certain size. Therefore, a very small size and high luminance can be removed as noise such as dust.
  • characteristic cells are extracted by grouping the created distributions of characteristic amounts, and therefore, an image of each extracted cell is shown in FIG. As you can see, they may be displayed side by side or grouped together. Then, as shown in Fig. 5, the characteristic cells are displayed side by side as an image including the periphery of the cell, or only the single cell is cut out, and when the observer selects the image, the selected cell is selected. Characteristic cells or feature data around the cells may be displayed. In this way, cells having common characteristics that are grouped can be presented to the observer in a comparable manner, and the final observer's visual judgment can be facilitated. There is.
  • cells that are extracted and displayed as specific because it is common to be caused by several complex elements rather than a single cause. May be further classified according to predetermined elements and displayed side by side for each classification.
  • the expression of receptors can be observed, for example, by introducing a fluorescent protein gene.
  • the magnitude of the reaction can be quantified by the amount of the fluorescent protein expressed, that is, the fluorescence amount (brightness) when each cell is observed with a fluorescence microscope. Therefore, it is effective to classify by “quantity of fluorescence” as specific and “DNA quantity” as association with cell cycle.
  • the observer says, "If the cells are small! /, If the cells die and weaken! /, In this case, the cell reaction process should stop functioning." If the hypothesis is established, it is possible to assist the observer in verifying the hypothesis by displaying data classified by the size of cells with low fluorescence extracted as specific cells. In addition, each extracted cell is classified according to morphological parameters, and is classified into several characteristic cell groups, and the cells are displayed for each group using the same image display method as in FIG. As a result, user convenience can be increased.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Dispersion Chemistry (AREA)
  • Quality & Reliability (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Molecular Biology (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Image Processing (AREA)
  • Investigating Or Analysing Biological Materials (AREA)
  • Apparatus Associated With Microorganisms And Enzymes (AREA)
  • Image Analysis (AREA)

Description

明 細 書
細胞画像処理装置および細胞画像処理方法
技術分野
[0001] 本発明は、細胞画像処理装置および細胞画像処理方法に関するものである。
背景技術
[0002] 従来、細胞画像を分析するために画像処理する細胞画像分析装置が知られている
(例えば、特許文献 1参照。）。
この装置は、細胞画像中の特徴部分を抽出する際に、ノイズの影響を排除して高 精度の分析処理を行うものである。
特許文献 1 :特開 2001— 307066号公報
発明の開示
[0003] 細胞画像の自動処理装置で、多量のデータを短時間で処理して、細胞の特徴部 分を抽出する場合には、特異的な特徴量を有する細胞はノイズとして処理対象から 除かれる。
例えば、薬剤により細胞のサイズがどのように変化するかという分析においては、薬 剤を投与しない細胞群の大きさと薬剤を投与して培養した細胞群の大きさとを比較す る力 この場合には、平均的な大きさどうしの対比となり、平均的な大きさから外れた 細胞については、比較の対象から除外される。
[0004] このため、大半の細胞の趨勢と異なる特異的な現象が現れる細胞については分析 されることなく、埋もれてしまうことになる。し力もながら、特異的な現象に意味のある 場合があり、これを抽出して分析できるようにすることが必要である。
また、大半の細胞の趨勢と異なる特異的な現象は、偶発的に発生するゴミなどのノ ィズと区別することが困難である。したがって、特異的な細胞をノイズから分離して抽 出することが必要である。
[0005] 本発明は上述した事情に鑑みてなされたものであって、細胞画像を処理することに より、特異的な性質を示す細胞をノイズから分離して抽出し、分析できるようにするこ とができる細胞画像処理装置および細胞画像処理方法を提供することを目的として いる。
[0006] 上記目的を達成するために、本発明は以下の手段を提供する。
本発明の第 1の態様は、細胞を撮影して取得された細胞画像を処理し、該細胞画 像内に含まれる各細胞の特徴量を測定する特徴量測定部と、測定された特徴量の 分布を作成する特徴量分布作成部と、作成された特徴量の分布において、連続的 に分布する特徴量を有する細胞を特異的な細胞として抽出する特異細胞抽出部とを 備える細胞画像処理装置である。
[0007] 上記第 1の態様によれば、特徴量測定部の作動により、細胞を撮影して取得された 細胞画像が処理され、細胞画像内に含まれる各細胞の特徴量が測定され、特徴量 分布作成部の作動により、特徴量測定部によって測定された細胞の特徴量の分布 が作成される。この状態で特異細胞抽出部の作動により、連続的に分布する特徴量 を有する細胞が特異的な細胞として抽出される。
[0008] すなわち、多量のデータを処理して細胞の特徴を分析する場合に、単一の細胞が 単発で特異的な特徴量を有することは少なぐ同様の特異的な特徴量を有する細胞 が複数存在している。つまり、特徴量の分布は、 1以上のピークを中心に連続的に分 散する。したがって、連続的に分布する特徴量を有する細胞を特異的な細胞として 抽出することが可能となる。
[0009] 上記第 1の態様においては、前記特異細胞抽出部が、不連続に分布する特徴量を 有する糸田月包を除外することとしてもよレヽ。
上述したように、正常な細胞の特徴量は連続的に分布しているので、不連続に分 布する特徴量を有する細胞を除外することで、特異的な細胞を除外することなぐノィ ズを効率的に除外することができる。
[0010] また、上記第 1の態様にお!/、ては、前記特徴量測定部が、各細胞の複数の特徴量 を測定し、前記特徴量分布作成部が、複数の特徴量の相関において特徴量の分布 を作成することとしてあよい。
このようにすることで、複数の特徴量において特異的なものをノイズとして除外する ことが可能となる。
[0011] また、上記第 1の態様においては、前記特異細胞抽出部の前記所定範囲の設定が 変更可倉であることとしてもよレ、。
このようにすることで、所定範囲の設定の変更により、抽出する特異的な細胞の特 異性の度合レ、を調節すること力できる。
[0012] また、上記第 1の態様においては、前記特徴量分布作成部により作成された特徴 量の分布において、連続的に分布する特徴量を有する細胞をグループ化し、グルー プ毎に表示する表示部を備えることとしてもよ!/ヽ。
このようにすることで、抽出された特異的な細胞を含むグループ毎に細胞の画像を 研究者が目視確認することができ、研究者に検証させることが可能となる。
[0013] また、本発明の第 2の態様は、細胞を撮影して取得された細胞画像を処理し、該細 胞画像内に含まれる各細胞の特徴量を測定する測定ステップと、測定された特徴量 の分布を作成する分布作成ステップと、作成された特徴量の分布において、連続的 に分布する特徴量を有する細胞を特異的な細胞として抽出する抽出ステップとを含 む細胞画像処理方法である。
上記第 2の態様においては、前記抽出ステップが、不連続に分布する特徴量を有 する糸田月包を除外することとしてもよ!/ヽ。
[0014] 本発明によれば、細胞画像を処理することにより、特異的な性質を示す細胞をノィ ズから分離して抽出し、分析できるようにすることができるという効果を奏する。
図面の簡単な説明
[0015] [図 1]本発明の一実施形態に係る細胞画像処理装置を備える解析装置示す模式的 な全体構成図である。
[図 2]図 1の解析装置に備えられる本実施形態に係る細胞画像処理装置を示すプロ ック図である。
[図 3A]図 1の細胞画像処理装置により作成された特徴量の分布の一例を示すグラフ である。
[図 3B]図 1の細胞画像処理装置により作成された特徴量の分布の一例を示すグラフ である。
[図 4]図 1の細胞画像処理装置により作成された 2つの特徴量についての 2次元的な 分布の一例を示すグラフである。 [図 5]図 1の細胞画像処理装置によりグループ化された特徴量のグループ毎に細胞 を表示する表示例を示す図である。
[図 6A]図 1の細胞画像処理装置によりグループ化する際に用いられる形態パラメ一 タの一例を示す図である。
[図 6B]図 1の細胞画像処理装置によりグループ化する際に用いられる形態パラメ一 タの一例を示す図である。
符号の説明
[0016] S 細胞試料
1 細胞画像処理装置
6 表示装置 (表示部）
11 特徴量測定部
12 分布作成部 (特徴量分布作成部）
13 グループ形成部
14 特異細胞抽出部
発明を実施するための最良の形態
[0017] 本発明の一実施形態に係る細胞画像処理装置 1および細胞画像処理方法につい て、図 1〜図 6Bを参照して、以下に説明する。
本実施形態に係る細胞画像処理装置 1は、図 1に示される解析装置 10に搭載され る。解析装置 10は、細胞試料 S等を載置して水平 2軸方向に移動させるステージ 2と 、細胞試料 Sからの蛍光を集光する対物レンズ 3と、該対物レンズ 3により集光された 蛍光を撮像する CCDカメラ等の撮像装置 4と、該撮像装置 4により取得された画像を 処理する細胞画像処理装置 1と、これらの機器を制御する制御装置 5と、前記細胞画 像処理装置 1により処理された細胞画像を表示する表示装置 6とを備えて!/、る。図中 、符号 7は、対物レンズ 3により細胞試料 Sをそのままあるいは集光された細胞試料 S からの蛍光を目視観察するための接眼光学系である。
[0018] 細胞試料 S等はスライドガラスやマルチプレート上に載置されるようになっている。
本実施形態に係る細胞画像処理装置 1は、図 2に示されるように、撮像装置 4により 取得された画像データを処理して、各細胞の特徴量を測定する特徴量測定部 11と、 測定された特徴量に基づいてその分布を作成する分布作成部 12と、作成された特 徴量の分布をグループ化するグループ形成部 13と、グループ化された細胞、あるい は形成されたグループ毎に、特徴量の分布の両端の所定範囲の特徴量を有する細 胞を特異的な細胞として抽出する特異細胞抽出部 14とを備えている。
[0019] 特徴量としては、例えば、細胞の形態的特徴あるいは細胞の輝度を挙げることがで きる。細胞の形態的特徴は、例えば、細胞の面積、周囲長、平均曲率等である。特徴 量測定部 11は、例えば、細胞画像を 2値化して、細胞の輪郭画像を取得することで 細胞の形態的特徴を測定するようになっている。また、各細胞の画像を形成している 画素の輝度値に基づ!/、て細胞の輝度を測定するようになって!/、る。
また、特異的な細胞とは、平均値および分布からのずれの大きいもの、グループ化 を行った際に小さなグループを形成するもの、特異的なパラメータ相関を持つもの等 である。
[0020] 分布作成部 12は、例えば、特徴量を横軸に、細胞の個数を縦軸にして、例えば、 図 3A、図 3Bに示されるような特徴量に対する細胞分布を作成するようになっている 。図 3Aは、細胞の特徴量が単純な統計的特徴を有する場合、特徴量分布は正規分 布になる。一方、より複雑な統計的特徴を有する場合には、複数のピークを有して分 布するようになる。図 3Bの場合には 2つの大きなピークを有している。
グノレープ形成部 13は、各ピークの特徴量を求め、該ピークの周囲に存在する細胞 の特徴量の平均値と分散とをピーク毎に算出するようになっている。これにより、特徴 量の分布をグループ化することができる。
[0021] そして、特異細胞抽出部 14は、図 3Aのような正規分布の場合には、グループ化さ れた特徴量分布において、分布の両端の、例えば 5%の範囲内に配される細胞を抽 出するようになっている（図 3Aにおける斜線 A, B部分）。
また、図 3Bのように 2つの大きなピークを持ちながら、さらに小さなピークのグルー プ Dがある場合には、このグループ Dを特異的な細胞として抽出するようになってい る。このとき、斜線 A, B部分も特異的な細胞として抽出してもよい。
すなわち、本実施形態に係る細胞画像処理装置 1によれば、連続的に分散する 1 以上のグループの特徴量の分布において、その分布の両端の 5%の範囲内に配さ れる細胞を抽出したり、他のピークに対して非常に小さいピークを持つグループの細 月包を由出したりすること力でさる。
[0022] このように構成された本実施形態に係る細胞画像処理装置 1による細胞画像処理 方法について、以下に説明する。
本実施形態に係る細胞画像処理装置 1を用いて特異的な細胞を抽出するには、ま ず、スライドガラスやマルチプレート上に載置した細胞試料 Sをステージ 2に載せ、ス テージ 2の移動により細胞試料 Sを水平方向に移動させ、対物レンズ 3の移動により 細胞試料 Sに焦点を合わせた状態で、撮像装置 4により細胞試料 Sの画像を取得す
[0023] そして、取得された細胞画像を処理して、該細胞画像内に含まれる各細胞の特徴 量を測定し、測定された特徴量の分布を作成し、作成された特徴量の分布において 、連続的に分布する特徴量を有する細胞をグループ化する。
多量のデータを処理して細胞の特徴を分析する場合に、単一の細胞のみが単発で 特異的な特徴量を有することは少なぐ同様の特異的な特徴量を有する細胞が複数 存在している。つまり、特徴量の分布は、 1以上のピークを中心に連続的に分散する
[0024] したがって、連続的に分布する特徴量を有する細胞をグループ化することにより、 図 3Bに符号 Cで示す単発で特異的な特徴量を有するノイズを分析対象から除外す ること力 Sできる。また、各グループにおいては、それぞれのピークを中心として特徴量 が連続的に分布しているので、その分布の両端の所定範囲、例えば、 5%以内の範 囲の特徴量を有する細胞を特異的な細胞として抽出したり他のグループよりも小さい グループを特異的な細胞として抽出したりすることが可能となる。
[0025] グループ化せずに特異的な特徴量を有する細胞を抽出する場合には、図 3Bに符 号 Dで示されるような、全体の平均値近くに配されている特異的な細胞を抽出するこ とが困難である。これに対し、本実施形態に係る細胞画像処理装置 1のように、連続 的に分布する特徴量を有する細胞をグループ化することにより、符号 Dの領域に存 在する細胞も特異的な特徴量を有する細胞として抽出することが可能となる。
[0026] なお、本実施形態においては、単一の特徴量に対する細胞の分布を作成し、特異 的な特徴量を有する細胞を抽出することとした力、これに代えて、 2以上の特徴量を 使用して分布を作成することとしてもよい。この場合、 2以上の特徴量を使用して単一 のパラメータを演算し、該単一のパラメータについて分布を作成してもよい。
[0027] 例えば、図 6A、図 6Bに示すように、神経細胞のサイズを、該神経細胞の細胞体の 輪郭に内接する内接円の半径によって表現し、神経細胞の細径突起部の長さを輪 郭の周囲長により表現し、周囲長を内接円半径で規格化することにより新たな単一の ノ ラメータ（周囲長/内接円半径）が得られる。例えば、細胞が完全に円形で突起の 伸張が見られない場合には 1、突起が十分に長い場合には 2. 5のように表現できる。 この値に基づき、特異的な細胞を抽出することとしてもよい。
標準的なモデルとしては、活性の高い神経細胞は、サイズが大きく細径突起の長さ も長いが、活性の低い神経細胞は、サイズが小さく細径突起の長さも短い。したがつ て、パラメータにより分布を求めることにより、標準的なモデルに従わない特異的なも の、例えば、サイズが大きく細径突起の長さが短いものや、サイズが小さく細径突起 の長さが長いものを特異的な細胞として抽出することができる。
[0028] また、 2以上の特徴量を用いて分布を作成した場合でも単発的に存在する特異的 な細胞をノイズとして抽出することができる。すなわち、ノイズの特徴として、複数の特 徴量に関して特異的なものということがある。具体的には、培養容器中の小さいゴミな どはサイズが非常に小さく輝度も高い。そして、これは分布上では単発的なものとし て現れる。一方、通常の細胞も死滅過程ではサイズが小さくなり、輝度も高くなる傾向 があるが、ある程度のサイズを保っている場合が多い。したがって、サイズが非常に 小さく輝度が高いものはゴミなどのノイズとして除去することができる。
[0029] また、本実施形態においては、上述したように、作成された特徴量の分布をグルー プ化して特徴的な細胞を抽出するので、抽出された各細胞の画像を、図 5に示される ように、グループ毎に並べて、あるいはグループ毎にまとめて表示することとしてもよ い。そして、図 5に示されるように特徴的な細胞をその細胞周辺を含め、あるいはその 単一細胞だけを切り取った状態での画像として並べて表示し、観察者がその画像を 選択すると、選択された特徴的な細胞あるいはその細胞周辺の特徴量データなどが 示されるようにしてあよい。 このようにすることで、グループ化された共通の特徴を有する細胞を、観察者に比 較可能に提示することができ、最終的な観察者の目視による判断を容易にすることが できるという利点がある。
[0030] また、特異的なものは単一の原因で起こるのではなぐいくつかの複合的な要素に よって引き起こされるのが一般的であるから、特異的なものとして抽出'表示された細 胞をさらに所定の要素で分類し、分類毎に並べて表示することとしてもよい。
例えば、ある種のホルモンに対して、細胞内のレセプタが発現する反応を見る場合 において、レセプタの発現は、例えば蛍光タンパク遺伝子を導入することで観察でき
[0031] ここで、反応の大きさは発現した蛍光タンパクの量、すなわち、各細胞を蛍光顕微 鏡で観察した際の蛍光量（明るさ）で定量することができる。そこで、特異的なものとし て「蛍光量が少ないもの」、セルサイクルとの関連付けとして「DNA量」により分類す ることが効果的である。
[0032] また、観察者が「細胞が小さ!/、場合、細胞が死にかけて弱って!/、ると考えられ、この 場合、細胞の反応過程が機能しなくなつているはずである」との仮説を立てた場合に 、特異的な細胞として抽出された蛍光量の少ない細胞を、それらのサイズによって分 類したデータを表示することにより、観察者の仮説の検証作業を補助することができ また、抽出された各細胞に対して、形態のパラメータにより分類を行い、いくつかの 特徴的な細胞グループに分類し、図 5と同様の画像表示方法を用いてグループ毎に 細胞を表示することによりユーザの利便性を増すことができる。

Claims

請求の範囲
[1] 細胞を撮影して取得された細胞画像を処理し、該細胞画像内に含まれる各細胞の 特徴量を測定する特徴量測定部と、
測定された特徴量の分布を作成する特徴量分布作成部と、
作成された特徴量の分布にお!/、て、連続的に分布する特徴量を有する細胞を特 異的な細胞として抽出する特異細胞抽出部とを備える細胞画像処理装置。
[2] 前記特異細胞抽出部が、不連続に分布する特徴量を有する細胞を除外する請求 項 1に記載の細胞画像処理装置。
[3] 前記特徴量測定部が、各細胞の複数の特徴量を測定し、
前記特徴量分布作成部が、複数の特徴量の相関において特徴量の分布を作成す る請求項 1に記載の細胞画像処理装置。
[4] 前記特異細胞抽出部の前記所定範囲の設定が変更可能である請求項 1に記載の 細胞画像処理装置。
[5] 前記特徴量分布作成部により作成された特徴量の分布において、連続的に分布 する特徴量を有する細胞をグループ化し、グループ毎に表示する表示部を備える請 求項 1に記載の細胞画像処理装置。
[6] 細胞を撮影して取得された細胞画像を処理し、該細胞画像内に含まれる各細胞の 特徴量を測定する測定ステップと、
測定された特徴量の分布を作成する分布作成ステップと、
作成された特徴量の分布にお!/、て、連続的に分布する特徴量を有する細胞を特 異的な細胞として抽出する抽出ステップとを含む細胞画像処理方法。
[7] 前記抽出ステップが、不連続に分布する特徴量を有する細胞を除外する請求項 6 に記載の細胞画像処理方法。
PCT/JP2007/066415 2006-09-06 2007-08-24 Processeur d'images de cellules et procédé de traitement d'images de cellules Ceased WO2008029635A1 (fr)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US12/439,778 US8135203B2 (en) 2006-09-06 2007-08-24 Cell image processor and cell image processing method

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2006241312A JP4869843B2 (ja) 2006-09-06 2006-09-06 細胞画像処理装置および細胞画像処理方法
JP2006-241312 2006-09-06

Publications (1)

Publication Number Publication Date
WO2008029635A1 true WO2008029635A1 (fr) 2008-03-13

Family

ID=39157071

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2007/066415 Ceased WO2008029635A1 (fr) 2006-09-06 2007-08-24 Processeur d'images de cellules et procédé de traitement d'images de cellules

Country Status (3)

Country Link
US (1) US8135203B2 (ja)
JP (1) JP4869843B2 (ja)
WO (1) WO2008029635A1 (ja)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2009119329A1 (ja) * 2008-03-24 2009-10-01 株式会社ニコン 細胞観察画像の画像解析方法、画像処理プログラム及び画像処理装置
JP2010169823A (ja) * 2009-01-21 2010-08-05 Nikon Corp 細胞観察画像の画像処理方法、画像処理プログラム及び画像処理装置
JP2012200156A (ja) * 2011-03-23 2012-10-22 Olympus Corp 細胞の追跡処理方法

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5438962B2 (ja) * 2008-12-25 2014-03-12 シスメックス株式会社 細胞画像表示装置
JP5745752B2 (ja) * 2009-05-21 2015-07-08 オリンパス株式会社 細胞スクリーニング方法、その方法に用いる制御ソフトウェア、細胞スクリーニング装置、及び画像解析装置、並びに細胞スクリーニングシステム
WO2012099163A1 (ja) * 2011-01-19 2012-07-26 株式会社ニコン 細胞情報データの作成方法
WO2012099005A1 (ja) * 2011-01-19 2012-07-26 株式会社ニコン 細胞情報データの作成方法
WO2012174542A2 (en) 2011-06-17 2012-12-20 Constitution Medical, Inc. Systems and methods for sample display and review
JP5580267B2 (ja) 2011-09-08 2014-08-27 大日本スクリーン製造株式会社 検出方法
JP5615247B2 (ja) 2011-09-27 2014-10-29 大日本スクリーン製造株式会社 撮像装置、検出装置および撮像方法
JP5690359B2 (ja) 2012-03-30 2015-03-25 株式会社Ｓｃｒｅｅｎホールディングス 撮像装置および撮像方法
JP5728042B2 (ja) 2012-08-20 2015-06-03 株式会社Ｓｃｒｅｅｎホールディングス 撮像装置
WO2016103501A1 (ja) * 2014-12-26 2016-06-30 国立大学法人東京大学 解析装置、解析方法、解析プログラム、細胞の製造方法、および細胞
WO2017109860A1 (ja) * 2015-12-22 2017-06-29 株式会社ニコン 画像処理装置
JP6895297B2 (ja) * 2017-04-03 2021-06-30 浜松ホトニクス株式会社 細胞塊の評価方法及び細胞塊の状態解析装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0255953A (ja) * 1988-08-19 1990-02-26 Toa Medical Electronics Co Ltd 粒子の自動識別処理装置
JPH1090163A (ja) * 1996-09-19 1998-04-10 Toa Medical Electronics Co Ltd 粒子分析装置
JPH11248698A (ja) * 1998-03-05 1999-09-17 Hitachi Ltd 尿中赤血球分類方法及び尿中赤血球分類装置
JP2000180347A (ja) * 1998-12-10 2000-06-30 Sysmex Corp 粒子画像分析装置

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5408307A (en) * 1988-07-11 1995-04-18 Omron Tateisi Electronics Co. Cell analyzer
JP2001307066A (ja) 2000-04-21 2001-11-02 Matsushita Electric Ind Co Ltd 細胞画像分析装置および細胞画像分析方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0255953A (ja) * 1988-08-19 1990-02-26 Toa Medical Electronics Co Ltd 粒子の自動識別処理装置
JPH1090163A (ja) * 1996-09-19 1998-04-10 Toa Medical Electronics Co Ltd 粒子分析装置
JPH11248698A (ja) * 1998-03-05 1999-09-17 Hitachi Ltd 尿中赤血球分類方法及び尿中赤血球分類装置
JP2000180347A (ja) * 1998-12-10 2000-06-30 Sysmex Corp 粒子画像分析装置

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2009119329A1 (ja) * 2008-03-24 2009-10-01 株式会社ニコン 細胞観察画像の画像解析方法、画像処理プログラム及び画像処理装置
JP2009229275A (ja) * 2008-03-24 2009-10-08 Nikon Corp 細胞観察画像の画像解析方法、画像処理プログラム及び画像処理装置
JP2010169823A (ja) * 2009-01-21 2010-08-05 Nikon Corp 細胞観察画像の画像処理方法、画像処理プログラム及び画像処理装置
JP2012200156A (ja) * 2011-03-23 2012-10-22 Olympus Corp 細胞の追跡処理方法

Also Published As

Publication number Publication date
US20090324050A1 (en) 2009-12-31
JP4869843B2 (ja) 2012-02-08
JP2008064534A (ja) 2008-03-21
US8135203B2 (en) 2012-03-13

Similar Documents

Publication Publication Date Title
WO2008029635A1 (fr) Processeur d'images de cellules et procédé de traitement d'images de cellules
US7796815B2 (en) Image analysis of biological objects
US20220383629A1 (en) Label-free cell classification and screening system based on hybrid transfer learning
JP6453298B2 (ja) 細胞診標本を観察および解析するためのシステムおよび方法
EP2927311B1 (en) Cell observation device, cell observation method and program thereof
JP2021525359A5 (ja)
JP4801025B2 (ja) 細胞画像解析装置及び細胞画像解析ソフトウェア
WO2010143420A1 (ja) 細胞塊の状態判別手法、この手法を用いた画像処理プログラム及び画像処理装置、並びに細胞塊の製造方法
EP3690017B1 (en) Image analysis device, method, and program
US20180040120A1 (en) Methods for quantitative assessment of mononuclear cells in muscle tissue sections
JPWO2017150194A1 (ja) 画像処理装置、画像処理方法及びプログラム
EP3121264B1 (en) Cell region display control device and method
US8467590B2 (en) Microscopy analysis technique
Pinkaew et al. Automated classification of malaria parasite species on thick blood film using support vector machine
AbdelMaksoud et al. Diabetic retinopathy grading system based on transfer learning
CN120182231A (zh) 基于卷积神经网络的血液细胞图像检测方法及系统
CN111832481B (zh) 食用植物油加工质量检测方法、设备、存储介质及装置
JP4868207B2 (ja) スクリーニング方法およびスクリーニング装置
TWI490723B (zh) 自樣本感興趣的物體影像中自動編排先前已分類過之影像的方法
PP et al. Automated quality assessment of cocoons using a smart camera based system
EP2503006B1 (en) Method for tracking cells
CN114511559B (zh) 染色鼻息肉病理切片质量多维评价方法、系统及介质
Niederlein et al. Image analysis in high content screening
Woyzichovski et al. A workflow for low-cost automated image analysis of myxomycete spore numbers, size and shape
JPH10185911A (ja) 細胞解析装置及びその方法

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 07792947

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 12439778

Country of ref document: US

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 07792947

Country of ref document: EP

Kind code of ref document: A1