WO2016203956A1 - 教示データの作成支援方法、作成支援装置、プログラムおよびプログラム記録媒体 - Google Patents

教示データの作成支援方法、作成支援装置、プログラムおよびプログラム記録媒体 Download PDF

Info

Publication number
WO2016203956A1
WO2016203956A1 PCT/JP2016/066240 JP2016066240W WO2016203956A1 WO 2016203956 A1 WO2016203956 A1 WO 2016203956A1 JP 2016066240 W JP2016066240 W JP 2016066240W WO 2016203956 A1 WO2016203956 A1 WO 2016203956A1
Authority
WO
WIPO (PCT)
Prior art keywords
teaching
teaching data
data
data creation
learning
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Ceased
Application number
PCT/JP2016/066240
Other languages
English (en)
French (fr)
Inventor
治郎 津村
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.)
Screen Holdings Co Ltd
Original Assignee
Screen Holdings Co Ltd
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 Screen Holdings Co Ltd filed Critical Screen Holdings Co Ltd
Priority to US15/736,240 priority Critical patent/US20180189606A1/en
Publication of WO2016203956A1 publication Critical patent/WO2016203956A1/ja
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12M—APPARATUS FOR ENZYMOLOGY OR MICROBIOLOGY; APPARATUS FOR CULTURING MICROORGANISMS FOR PRODUCING BIOMASS, FOR GROWING CELLS OR FOR OBTAINING FERMENTATION OR METABOLIC PRODUCTS, i.e. BIOREACTORS OR FERMENTERS
    • C12M41/00—Means for regulation, monitoring, measurement or control, e.g. flow regulation
    • C12M41/30—Means for regulation, monitoring, measurement or control, e.g. flow regulation of concentration
    • C12M41/36—Means for regulation, monitoring, measurement or control, e.g. flow regulation of concentration of biomass, e.g. colony counters or by turbidity measurements
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12M—APPARATUS FOR ENZYMOLOGY OR MICROBIOLOGY; APPARATUS FOR CULTURING MICROORGANISMS FOR PRODUCING BIOMASS, FOR GROWING CELLS OR FOR OBTAINING FERMENTATION OR METABOLIC PRODUCTS, i.e. BIOREACTORS OR FERMENTERS
    • C12M41/00—Means for regulation, monitoring, measurement or control, e.g. flow regulation
    • C12M41/48—Automatic or computerized control
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12M—APPARATUS FOR ENZYMOLOGY OR MICROBIOLOGY; APPARATUS FOR CULTURING MICROORGANISMS FOR PRODUCING BIOMASS, FOR GROWING CELLS OR FOR OBTAINING FERMENTATION OR METABOLIC PRODUCTS, i.e. BIOREACTORS OR FERMENTERS
    • C12M47/00—Means for after-treatment of the produced biomass or of the fermentation or metabolic products, e.g. storage of biomass
    • C12M47/04—Cell isolation or sorting
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
    • C12Q1/02—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving viable microorganisms
    • 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
    • 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
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
    • 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
    • G06V20/698—Matching; Classification
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/10—Investigating individual particles
    • G01N2015/1006—Investigating individual particles for cytology
    • G—PHYSICS
    • 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
    • G01N2015/1488—Methods for deciding

Definitions

  • the present invention relates to teaching data for machine learning of learning data used for classifying an object from the form of an object (cell, bacteria, spheroid, etc.) obtained by imaging a carrier carrying cells. It relates to technology that supports the creation of Cross-reference to related applications.
  • Japanese Patent Application No. 2015-121978 (filed on June 17, 2015).
  • machine learning is used to automatically perform an operation of classifying an object (cell or spheroid) from an original image.
  • images for “somatic cells”, “complete iPS cells”, and “incomplete iPS cells” are prepared as teaching data.
  • learning data is created by executing machine learning based on a plurality of teaching data, and the classification is automatically performed by a computer based on the learning data. Therefore, preparing teaching data suitable for machine learning is important for improving classification accuracy.
  • the present invention has been made in view of the above problems, and is a teaching for machine learning of learning data used to classify an object from the form of the object obtained by imaging a carrier carrying cells.
  • An object of the present invention is to provide a teaching data creation support technology capable of creating data by a user-friendly operation.
  • a teaching data creation support method for machine learning of learning data which is used for classifying an object from the form of the object obtained by imaging a carrier carrying cells.
  • a display step for displaying a teaching image including an object for creating teaching data on a display unit to enable classification of the object, and a classification result of the object displayed on the display unit;
  • a data creation step of creating teaching data by associating the classification result with the teaching image.
  • the second aspect of the present invention is the creation of teaching data for machine learning of learning data used to classify objects from the form of the object obtained by imaging a carrier carrying cells.
  • a support device that displays a teaching image including an object for creating teaching data; an input unit that receives a classification result classified based on the teaching image displayed on the display unit; and a display unit And a data creating unit that creates teaching data by associating the teaching image displayed on the screen with the classification result received by the input unit.
  • learning data used for classifying an object from a form of the object obtained by imaging a carrier carrying a cell using a computer is machine-learned.
  • a program for supporting the creation of teaching data, a display step for displaying a teaching image including an object for creating teaching data on a display unit and enabling classification of the object, and a display process It is characterized in that the computer executes a data creation step of receiving the classification result of the target object and creating the teaching data by associating the classification result with the teaching image.
  • a fourth aspect of the present invention is a program recording medium characterized by recording the above program.
  • a teaching image including an object for creating teaching data is displayed on the display unit. For this reason, the user can classify the object while viewing the image displayed on the display unit. Then, teaching data is created by associating the classification result of the object by the user with the teaching image. Therefore, teaching data can be created by a user-friendly operation.
  • a plurality of constituent elements of each aspect of the present invention described above are not essential, and some or all of the effects described in the present specification are to be solved to solve part or all of the above-described problems.
  • technical features included in one embodiment of the present invention described above A part or all of the technical features included in the above-described other aspects of the present invention may be combined to form an independent form of the present invention.
  • FIG. 1 shows schematic structure of the cell determination system equipped with one Embodiment of the preparation support apparatus of the teaching data concerning this invention. It is a flowchart which shows an example of the machine learning process which performs 1st Embodiment of the preparation support method of the teaching data concerning this invention, and produces learning data. It is a flowchart which shows an example of the teaching process which is 1st Embodiment of the preparation support method of the teaching data concerning this invention. It is a figure which shows typically the teaching process in 1st Embodiment. It is a figure which shows typically the teaching process in 1st Embodiment. It is a figure which shows typically the teaching process in 1st Embodiment. It is a figure which shows typically the teaching process in 1st Embodiment. It is a figure which shows the structure of a teaching image typically.
  • FIG. 1 is a diagram showing a schematic configuration of a cell determination system equipped with an embodiment of a teaching data creation support apparatus according to the present invention.
  • This cell determination system performs image processing on an imaged unit 1 that images a sample in a liquid injected into a recess called a well W formed on the upper surface of a microwell plate WP, and the captured image.
  • an image processing unit 2 performs image processing on an imaged unit 1 that images a sample in a liquid injected into a recess called a well W formed on the upper surface of a microwell plate WP, and the captured image.
  • an image processing unit 2 an image processing unit 2.
  • the microwell plate WP is generally used in the fields of drug discovery and biological science.
  • the well is formed in a cylindrical shape with a substantially circular cross section on the top surface of a flat plate and has a transparent bottom surface.
  • a plurality of W are provided.
  • the number of wells W in one microwell plate WP is arbitrary, for example, 96 (12 ⁇ 8 matrix arrangement) can be used.
  • the diameter and depth of each well W is typically about several mm. Note that the size of the microwell plate and the number of wells targeted by the imaging unit 1 are not limited to these and may be arbitrary, for example, 384 holes.
  • a predetermined amount of liquid as a medium is injected into each well W of the microwell plate WP, and cells, bacteria, and the like cultured in the liquid under predetermined culture conditions are imaging targets of the imaging unit 1.
  • the medium may be one to which an appropriate reagent has been added, or it may be in a liquid state and gelled after being placed in the well W.
  • the imaging unit 1 is disposed above the holder 11, a holder 11 that holds the microwell plate WP in a substantially horizontal posture by abutting against the peripheral surface of the lower surface of the microwell plate WP that holds the sample in each well W together with the liquid.
  • the illumination unit 12 emits illumination light Li toward the microwell plate WP held by the holder 11.
  • white light can be used as the illumination light Li.
  • the illumination unit 12 illuminates the sample in the well W provided on the microwell plate WP from above.
  • An imaging unit 13 is provided below the microwell plate WP held by the holder 11.
  • an objective lens 131 is disposed immediately below the microwell plate WP.
  • the optical axis OA of the objective lens 131 is oriented in the vertical direction, and an aperture stop 132, an imaging lens 133, and an imaging device 134 are further provided in order from top to bottom along the optical axis OA of the objective lens 131.
  • the objective lens 131, the aperture stop 132, and the imaging lens 133 are arranged so that their centers are aligned in a line along the vertical direction, and these constitute the imaging optical system 130 as a unit.
  • the respective parts constituting the imaging unit 13 are arranged in a line in the vertical direction, but the optical path may be folded by a reflecting mirror or the like.
  • the imaging unit 13 can be moved by a mechanical drive unit 141 provided in the control unit 14. Specifically, the mechanical drive unit 141 moves the objective lens 131, the aperture stop 132, the imaging lens 133, and the imaging device 134 that form the imaging unit 13 integrally in the horizontal direction, so that the imaging unit 13 becomes the well. Move horizontally with respect to W. When the imaging target in one well W is imaged, the mechanical drive unit 141 positions the imaging unit 13 in the horizontal direction so that the optical axis of the imaging optical system 130 coincides with the center of the well W.
  • the mechanical drive unit 141 performs focusing of the imaging unit with respect to the imaging target by moving the imaging unit 13 in the vertical direction.
  • the mechanical drive unit 141 includes the objective lens 131, the aperture stop 132, the imaging lens 133, and the imaging device so that the objective lens 131 is focused on the inner bottom surface of the well W where the sample that is the imaging target is present. 134 is moved up and down integrally.
  • the mechanical drive unit 141 moves the illumination unit 12 in the horizontal direction integrally with the imaging unit 13. That is, the illuminating unit 12 is arranged so that the optical center thereof substantially coincides with the optical axis OA of the imaging optical system 130, and interlocks with the imaging unit 13 including the objective lens 131 when it moves in the horizontal direction. To move horizontally. As a result, regardless of which well W is imaged, the illumination condition for the well W can be kept constant and the imaging condition can be maintained well.
  • the sample in the well W is imaged by the imaging unit 13. Specifically, light emitted from the illumination unit 12 and incident on the liquid from above the well W illuminates the object to be imaged, and light transmitted downward from the bottom surface of the well W is collected by the objective lens 131 and the aperture stop 132. The image of the imaging object is finally formed on the light receiving surface of the imaging device 134 via the imaging lens 133, and this is received by the light receiving element 1341 of the imaging device 134.
  • the light receiving element 1341 is a one-dimensional image sensor, and converts a one-dimensional image of the imaging target imaged on the surface thereof into an electrical signal. As the light receiving element 1341, for example, a CCD sensor can be used. The light receiving element 1341 scans and moves relative to the microwell plate WP, whereby a two-dimensional image of the well W is obtained.
  • the image signal output from the light receiving element 1341 is sent to the control unit 14. That is, the image signal is input to an AD converter (A / D) 142 provided in the control unit 14 and converted into digital image data.
  • the digital image data obtained in this way is output to the outside via an interface (I / F) 143.
  • the control unit 20 also stores and saves a graphic processor (GP) 202 responsible for image processing, an image memory 203 for storing and saving image data, programs to be executed by the CPU 201 and GP 202, and data generated by these. And a memory 204.
  • GP graphic processor
  • the CPU 201 may also function as the graphic processor 202.
  • the image memory 203 and the memory 204 may be integrated.
  • a reader 206 for reading from a recording medium a teaching support program for supporting creation of teaching data among programs stored in the memory 204 is provided.
  • control unit 20 is provided with an interface (I / F) 205.
  • the interface 205 is responsible for exchanging information with the user and an external device. Specifically, the interface 205 is connected to the interface 143 of the imaging unit 1 via a communication line, and the CPU 201 transmits a control command for controlling the imaging unit 1 to the imaging unit 1. In addition, image data output from the AD converter 142 of the imaging unit 1 is received.
  • the interface 205 is connected with an input device 21 such as an operation button, a mouse, a keyboard, or a tablet, or a combination thereof.
  • An operation input from the user received by the input unit 21 is transmitted to the CPU 201 via the interface 205.
  • a display unit 22 having a display device such as a liquid crystal display is connected to the interface 205.
  • the display unit 22 presents information such as processing results to the user by displaying an image corresponding to an image signal given from the CPU 201 via the interface 205.
  • teaching data is created in accordance with the teaching support program, that is, when teaching processing is executed, it functions as a man-machine interface that assists the teaching work by the user by displaying a teaching image or the like.
  • the image processing unit 2 having the above-described configuration is substantially the same as the configuration of a general personal computer. That is, a general-purpose computer device can be used as the image processing unit 2 of the cell determination system.
  • the imaging unit 1 captures a two-dimensional image of each well W and provides image data to the image processing unit 2.
  • the image processing unit 2 analyzes the received image data, recognizes the form of an object such as a cell, bacteria, or spheroid included in the two-dimensional image, and classifies the object.
  • a spheroid is used as an object, the form of the spheroid is recognized from an image object obtained by imaging the spheroid, and the life or death of the spheroid is classified based on the learning data based on the learning form to determine whether or not I do.
  • FIG. 2 is a flowchart showing an example of a machine learning process for creating learning data by executing the first embodiment of the teaching data creation support method according to the present invention.
  • FIG. 3 is a flowchart showing an example of teaching processing according to the first embodiment of the teaching data creation support method according to the present invention.
  • FIGS. 4 to 6 are diagrams schematically showing the teaching process in the first embodiment.
  • the machine learning process is executed before classification and determination of spheroid life and death based on learning data, and a microwell plate WP in which at least one well W carries a learning spheroid together with a culture solution. It is done using.
  • This machine learning process is realized by the CPU 201 executing a learning program stored in advance in the memory 204 to control each part of the apparatus.
  • the CPU 201 executes a teaching support program read into the memory 204 via the reader 206 to control each part of the apparatus. It is realized by.
  • the microwell plate WP carrying the learning spheroid together with the culture medium in the well W is carried into the imaging unit 1 and set in the holder 11 (step S1). Then, the imaging optical system 13 is positioned with respect to the well W to be imaged, and imaging by the imaging device 134 is performed (step S2). Thereby, the original image containing the spheroid for learning is acquired.
  • the graphic processor 202 performs predetermined image processing on the original image thus obtained, and detects the area of the image object included in the original image (step S3).
  • a known technique can be applied to the extraction of the object in the original image. For example, it is possible to apply a method of binarizing an original image with an appropriate threshold value and dividing it into a background area and an object area.
  • the teaching processing panel 23 and the learning function panel 24 are displayed on the display unit 22.
  • two screens are selected by selecting a tab, that is, a “Wells Overview” screen (hereinafter referred to as “WO screen”) 231 and a “Well information” screen ( (Hereinafter referred to as “WI screen”) 232 can be switched.
  • WO screen a “Wells Overview” screen
  • WI screen “Well information” screen
  • the teaching processing panel 23 switches to the WO screen 231, and the captured original image of the well W is displayed in a matrix. Note that the check box in the WO screen 231 in FIG. 4 indicates that the teaching process has already been completed.
  • the learning function panel 24 displays various information related to machine learning.
  • the “learning file” column located at the top of the learning function panel 24 information regarding the learning file including the learning data is displayed.
  • the user can designate the file name of the learning data for the box arranged immediately below “Name”.
  • a plurality of types are prepared as file name designation methods. That is, a file name can be directly input to the box via the input unit 21.
  • the user presses a “list display” button arranged at the upper right of the “learning file” column the existing learning files stored and saved in the memory 204 are displayed in a list. Subsequently, when the user selects from the list, the selected file name is entered in the box.
  • the box may be configured as a combo box, and by selecting the combo box, the user may specify a desired file name from a list displayed in the combo box.
  • “Comment” in the “Learning file” column displays a comment on the learning file displayed in the box.
  • buttons are arranged in the horizontal direction directly under the “Learning file” column.
  • start teaching button is pressed by the user
  • teaching process is started.
  • each completion button is pressed by the user
  • teaching process is completed, and a learning process based on the teaching data by the teaching process is started.
  • cancel button is pressed by the user, the current operation is canceled.
  • The“ Teaching target well ”field is provided directly below these buttons.
  • a “well ID” for classifying the well W is set.
  • the number of spheroids determined to be alive by the user (hereinafter referred to as “raw spheroids”) is displayed as the “number of raw spheroids” and the spheroids determined to be dead (Hereinafter referred to as “death spheroid”) is displayed as “death spheroid count”.
  • the number of live spheroids and the number of dead spheroids are displayed in a table format.
  • a “Set teaching target well” button is arranged. When the “teach target well setting” button is pressed in a state where the teach target well is selected by the user, the teach target well is set.
  • the total number of raw spheroids and the total number of dead spheroids taught by the teaching process are calculated and displayed in the "Teaching data information" column.
  • step S5 When the “start teaching” button is pressed after the learning file is specified (“YES” in step S6), the control unit 20 executes the teaching process shown in FIG. 3 (step S7).
  • the WO screen 231 is displayed on the teaching processing panel 23 in order to specify the teaching target well by the user (step S71).
  • the original images of the wells W that have already been captured are displayed in a matrix.
  • the well W in the m-th row and the n-th column is referred to as (mn) well, and the well ID in the learning function panel 24 is also specified by (mn). To do.
  • the original images of the wells (B-2), (B-3),... (D-7) wells W are displayed on the display unit 22, and the user's teaching target wells are displayed. Selection is easy.
  • the “teaching target well” means the well W that the user has determined that there is a spheroid suitable for creating teaching data, and the original image of the teaching target well includes an image (Hereinafter referred to as “teach image”).
  • the control unit 20 accepts the selection of the teaching target well (step S73), and displays the WI screen 232 corresponding to the selected well W ( Step S74).
  • the WI screen 232 of the selected (C-4) well W is displayed on the display unit 22 as shown in FIG. 5, and the user can select the teaching target well (in this case, in the image display area 232a of the WI screen 232) (C-4)
  • a partial enlarged view of the original image of well W) can be observed.
  • (C-4) three kinds of teaching images, that is, the original image of the well W, that is, -Teaching images including raw spheroids Sp1, Sp4, Sp5, ...
  • “Debris” means foreign matters other than live spheroids and dead spheroids, for example, fine dust and dirt mixed in the well W, scratches, dirt, etc. on the microwell plate WP. Such an image of a foreign object hinders the creation of teaching data. Therefore, as described later, it is desirable to exclude “debris” from the teaching data.
  • (C-4) a plurality of spheroids are displayed on the WI screen 232 of the well W.
  • the user applies to some or all of them. Any one of “live spheroid”, “dead spheroid”, and “debris” is determined and classified into three types. More specifically, the user operates the input unit 21 to select one of the spheroids displayed on the WI screen 232 as an image object to be taught and classify the spheroids.
  • the user operation is received by the input unit 21 and the control unit 20 performs an operation (hereinafter referred to as “job”) for specifying the image object selected by the user and setting the classification result for the image object (hereinafter referred to as “job”). Step S75).
  • job content will be described in detail with reference to FIG.
  • control unit 20 displays “Sp1” indicating the selected spheroid Sp1 in the “Job” column of the teaching processing panel 23 as a job name. Moreover, the control part 20 can display the pop-up screen 232b in the vicinity position of the spheroid Sp1, and can add various status settings and processes to the spheroid Sp1.
  • the teaching image including the selected spheroid includes image data of the object region R1 including the spheroid, mask data for specifying the region R2 corresponding to the spheroid, Displayed based on the color data of the color to be attached to the region R2. That is, the image data is data indicating an image object extracted from the original image. Further, the mask data indicates the form of the selected spheroid, and the form of the spheroid can be specified based on the mask data. Furthermore, the color data is set according to the status of the spheroid. In this embodiment, color data corresponding to the determination setting is set every time determination by the user is performed, and the color of the region R2 is changed.
  • each spheroid is “raw spheroid (pattern PT1 is attached in the drawing)” and “dead spheroid (pattern PT2 is attached in the drawing)”.
  • “debris (with pattern PT3 in the drawing)” can be easily recognized. Further, whether or not the determination has been made can be easily visually confirmed.
  • the check box of “Live or NotAlive” in FIG. 6 sets whether or not to display only the live spheroid and the dead spheroid in the image display area 232a, and the debris Sp3 may be hidden by the check setting.
  • the teaching process can be made smoother.
  • the individual spheroids are selected and then the above determination is performed to classify the spheroids.
  • a plurality of spheroids may be selected to perform the classification.
  • a plurality of spheroids Sp4 and Sp5 may be selected at once by designating a selection range as indicated by a broken line in FIG. 8 and classified into the same type.
  • a plurality of spheroids may be sequentially selected while pressing a specific key (for example, the Ctrl key on the keyboard) of the input unit 21.
  • the number of live spheroids and the number of dead spheroids are tabulated and displayed on the middle table of the learning function panel 24.
  • the number of live spheroids and the number of dead spheroids are totalized for all wells W to be taught, and displayed in the column of teaching data information arranged at the bottom of the learning function panel 24.
  • the user can grasp the number of teaching data of each of the live spheroid and the dead spheroid in real time, and can easily determine whether the teaching process is to be continued, terminated, or stopped.
  • step S75 The creation of the teaching data for one teaching target well W in this way is repeated until the “Teaching target well setting” button on the learning function panel 24 is pressed.
  • the process proceeds to the next step S78, and the control unit 20 teaches data using spheroids carried in other wells W. It is determined whether or not to continue creation.
  • the control unit 20 determines to continue creating teaching data, and returns to step S71 to execute the series of processes to create new teaching data.
  • the “teach completion” button is pressed (“NO” in step S78)
  • the control unit 20 ends the teaching process.
  • control part 20 reads the teaching data memorize
  • the control unit 20 writes the learning data created by machine learning to the learning file specified in step S5, and stores the learning file in the memory 204 (step S9).
  • a teaching image for creating teaching data for machine learning is displayed on the display unit 22, and the spheroid is determined and classified by the user while viewing the display content. Creating. Therefore, teaching data can be created by a user-friendly operation. As a result, the time and labor required for creating teaching data can be greatly reduced.
  • the teaching spheroids are classified into three types of “live spheroids”, “dead spheroids”, and “debris”, and among them, “raw spheroids” and “ “Death spheroids” are extracted to create teaching data. In this way, highly accurate teaching data can be obtained by omitting “debris”.
  • the number of spheroids classified into “live spheroids” and “dead spheroids” is displayed on the display unit 22 to notify the user, and the number of teaching data of “raw spheroids” and the number of teaching data of “dead spheroids” are respectively displayed. Separate and inform users. Therefore, the user can perform an appropriate teaching process by referring to these numerical values.
  • teaching data for each classification for example, in this embodiment, the number of live spheroids and the number of dead spheroids, and in Non-Patent Document 2, the number of images related to “somatic cells”, This is because the number of images regarding “complete iPS cells” and the number of images regarding “incomplete iPS cells” need to be approximately the same. Even if this condition is satisfied, if the number of teaching data for each classification is small, it cannot be said that the machine learning is appropriate. Under such circumstances, according to the present embodiment, it is possible to know the number of data already created for each classification in real time during the teaching process. As a result, an appropriate number of teaching data for machine learning can be created, and the accuracy of machine learning can be improved.
  • the control unit 20 has the following two data number conditions: ⁇ The above sum exceeds the allowable number of learning. ⁇ The above ratio is within the range of allowable learning ratio. It may be configured to determine whether or not both of the conditions are satisfied. If both are satisfied, the process may be shifted to machine learning. In other cases, the shift may be limited, and a message for proposing additional teaching data may be notified. As a result, proper machine learning can be ensured.
  • the display of the spheroids on the display unit 22 specifically, the color is changed according to the classification result. For this reason, the user can easily see whether each spheroid falls under “live spheroid”, “dead spheroid”, or “debris”, and whether or not it has already been determined and classified easily. It can be visually recognized.
  • the special device is not provided in the microwell plate WP carried in to the imaging unit 1, and it is normally cultured and a raw spheroid and a dead spheroid are mixed in a random ratio.
  • the user needed to create teaching data while distinguishing between live and dead spheroids.
  • the purpose of culture is to create live spheroids, and the number of dead spheroids contained in the well W generally tends to be smaller than that of live spheroids. For this reason, it may be difficult to find a certain number or more of dead spheroids while keeping the above ratio within the range of the allowable learning ratio, which may be an obstacle to reducing the time and labor required for the teaching process. is there.
  • FIG. 9 is a schematic diagram for explaining the second embodiment of the teaching data creation support method according to the present invention.
  • FIG. 10 is a diagram schematically showing teaching processing in the second embodiment.
  • the second embodiment is greatly different from the first embodiment in that one well W (this embodiment) among a plurality of wells W provided in the microwell plate WP is shown in the column (a) of FIG.
  • the drug 3 that kills the spheroids is administered to the (D-7) well W) to almost kill the spheroids existing in the (D-7) well W.
  • This is basically the same as the embodiment. Accordingly, the following description will be focused on the difference, and the description of the same configuration will be omitted.
  • the microwell plate WP is carried into the imaging unit 1 and set in the holder 11 (step S1). Then, the imaging optical system 13 is positioned with respect to the well W to be imaged, and imaging by the imaging device 134 is performed (step S2). Thereby, the original image containing the spheroid for learning is acquired.
  • the captured original image of the well W is displayed in a matrix on the WO screen 231 of the teaching processing panel 23 as shown in the column (b) of FIG.
  • (D-7) almost all spheroids existing in the well W have been killed.
  • the (D-7) well W when the (D-7) well W is selected as the teaching target well, most of the spheroids included in the well D are “dead spheroids”, and the user can perform spheroid determination and classification based on this. For example, (D-7) many of the spheroids existing in the well W can be selected at once and can be classified as “dead spheroids”, and as a result, for example, as shown in FIG. As shown in the middle table, the (D-7) well can be used to create teaching data for many “death spheroids” relatively easily and quickly.
  • a well to which the medicine 3 is not charged for example, (C-7) well W as shown in FIG. 10 is selected as a new well to be taught, and the teaching data of the raw spheroid is selected in the same manner as in the first embodiment.
  • the image processing unit 2 functions as the “teaching data creation support device” of the present invention
  • the control unit 20 functions as the “data creation unit” of the present invention.
  • Steps S74, S75, and S76 correspond to examples of the “display process”, “data creation process”, and “notification process” of the present invention, respectively.
  • the step of changing the color of the region R2 in accordance with the determination setting every time the user makes a determination in step S75 corresponds to an example of the “display changing step” of the present invention.
  • the number of live spheroids and the number of dead spheroids correspond to an example of “the number of teaching data for each type” of the present invention.
  • the number of live spheroids and the number of dead spheroids correspond to examples of “the number of living objects” and “the number of dead objects” of the present invention, respectively.
  • spheroids are used as “objects” of the present invention, and teaching data for classifying them into two types of live spheroids and dead spheroids is created.
  • the classification contents are not limited to two types of life and death.
  • the present invention is also applied when creating teaching data for machine learning for classifying spheroids, cells, and bacteria into three or more types. be able to.
  • the present invention can also be applied to the case where teaching data for machine learning for classification into “debris” and “non-debris” is created.
  • reporting means is not limited to the display part 22.
  • the notification may be made by other notification means such as printing on paper or voice.
  • the image processing unit 2 equipped in the cell determination system together with the imaging unit 1 functions as the “teaching data creation support device” of the present invention.
  • the “teaching data creation support apparatus” according to the invention may be configured.
  • the present invention also functions effectively in an aspect in which image data of an original image is received via the reader 206.
  • the present invention is implemented by the CPU 201 executing a control program stored in advance in the memory 204.
  • the image processing unit 2 in this embodiment is a general-purpose computer device. Can be used. Therefore, the present invention is provided to the user as a teaching support program for causing the computer apparatus to execute the above-described teaching process on the assumption that it is read by such a computer apparatus, and in a mode in which this is recorded on an appropriate recording medium. It is also possible. Thereby, for example, a new function can be added to a cell determination system that has already been operated.
  • a teaching support program for executing the teaching data creation support method is recorded on a recording medium such as a CD-ROM, an optical disk, a magneto-optical disk, or a nonvolatile memory card, and the recording medium is stored in the memory 204.
  • the stored program is read as a code and executed on a computer. That is, a recording medium in which the above program is recorded and the computer program itself are also included in one embodiment of the present invention.
  • the present invention provides teaching data for machine learning of learning data used to classify an object from the form of an object (cell, cell, spheroid, etc.) obtained by imaging a carrier carrying cells. It can be applied to all technologies that support the creation of
  • Image processing unit (Teaching data creation support device) 20 ... Control unit (data creation unit) DESCRIPTION OF SYMBOLS 21 ... Input part 22 ... Display part 23 ... Teaching process panel 24 ... Learning function panel 201 ... CPU (data preparation part) 231 ... WO screen 232 ... WI screen Sp1-Sp5 ... Spheroid W ... Well, well to be taught WP ... Microwell plate (carrier)

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Organic Chemistry (AREA)
  • Zoology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Wood Science & Technology (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Biochemistry (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Analytical Chemistry (AREA)
  • Biotechnology (AREA)
  • Biomedical Technology (AREA)
  • Microbiology (AREA)
  • Genetics & Genomics (AREA)
  • Sustainable Development (AREA)
  • Molecular Biology (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Immunology (AREA)
  • Computing Systems (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • Medical Informatics (AREA)
  • Pathology (AREA)
  • Dispersion Chemistry (AREA)
  • Signal Processing (AREA)
  • Mathematical Physics (AREA)
  • Computer Hardware Design (AREA)
  • Cell Biology (AREA)
  • Databases & Information Systems (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Urology & Nephrology (AREA)
  • Medicinal Chemistry (AREA)

Abstract

教示データを作成するための対象物を含む教示画像を表示部に表示して対象物の分類を可能とする表示工程と、表示部に表示された対象物の分類結果を受け取り、分類結果と教示画像とを関連付けて教示データを作成するデータ作成工程とを備えている。

Description

教示データの作成支援方法、作成支援装置、プログラムおよびプログラム記録媒体
　この発明は、細胞を担持する担持体を撮像して得られる対象物（細胞、細菌、スフェロイドなど）の形態から対象物を分類するのに使用される、学習データを機械学習させるための教示データの作成を支援する技術に関するものである。
関連出願の相互参照
　以下に示す日本出願の明細書、図面および特許請求の範囲における開示内容は、参照によりその全内容が本書に組み入れられる：
　特願２０１５－１２１９７８（２０１５年６月１７日出願）。
　医療や生物科学の実験においては、細胞、細菌あるいは多数の細胞が球状に集まった細胞集塊（スフェロイド）をマイクロウェルプレートや透明容器などの担持体で培養し、その培養中に細胞を非破壊的あるいは非侵襲的に撮像している。そして、細胞やスフェロイドなどの対象物の品質や生死などを撮像された画像から評価する試みが行われている。このとき、対象物の形態が重要であることが知られており、形態情報から対象物を分類する技術が提案されている（例えば非特許文献１、２参照）。
加藤竜司、本田裕之，「細胞画像インフォマティクスによる細胞品質評価法」，生物工学，２０１０年，第８８巻，第１２号，ｐ.６４６－６４８ 国立大学法人熊本大学、"コンピューターを用いたヒト iPS 細胞の形態診断法の開発 ―iPS 細胞とその分化における自動分類と質の保証―"、［online］、平成２６年１１月１１日、［平成２７年６月１日検索］、インターネット＜URL：http://www.kumamoto-u.ac.jp/whatsnew/seimei/20141111＞
　ところで、原画像から対象物（細胞やスフェロイド）を分類する操作を自動的に行うために機械学習が用いられている。例えば非特許文献２では、「体細胞」、「完全なｉＰＳ細胞」および「不完全なｉＰＳ細胞」毎の画像（本発明の「教示画像」に相当）を教示データとして準備している。そして、複数の教示データに基づいて機械学習を実行することで学習データを作成し、当該学習データに基づいて上記分類がコンピュータにより自動的に行われる。したがって、機械学習に適した教示データを準備することは分類精度を高める上で重要となる。
　しかしながら、教示データを円滑に作成するための具体的な操作提案はなく、教示データの作成に多大な労力が費やされていた。そこで、ユーザーフレンドリーな操作で教示データを作成することができる技術が要望されている。
　この発明は上記課題に鑑みなされたものであり、細胞を担持する担持体を撮像して得られる対象物の形態から対象物を分類するのに使用される、学習データを機械学習させるための教示データを、ユーザーフレンドリーな操作で作成することができる教示データの作成支援技術を提供することを目的とする。
　この発明の第１態様は、細胞を担持する担持体を撮像して得られる対象物の形態から対象物を分類するのに使用される、学習データを機械学習させるための教示データの作成支援方法であって、教示データを作成するための対象物を含む教示画像を表示部に表示して対象物の分類を可能とする表示工程と、表示部に表示された対象物の分類結果を受け取り、分類結果と教示画像とを関連付けて教示データを作成するデータ作成工程とを備えることを特徴としている。
　また、この発明の第２態様は、細胞を担持する担持体を撮像して得られる対象物の形態から対象物を分類するのに使用される、学習データを機械学習させるための教示データの作成支援装置であって、教示データを作成するための対象物を含む教示画像を表示する表示部と、表示部に表示された教示画像に基づいて分類される分類結果を受け付ける入力部と、表示部に表示された教示画像と、入力部により受け付けた分類結果とを関連付けて教示データを作成するデータ作成部とを備えることを特徴としている。
　また、この発明の第３態様は、コンピュータを用いて、細胞を担持する担持体を撮像して得られる対象物の形態から対象物を分類するのに使用される、学習データを機械学習させるための教示データの作成を支援するプログラムであって、教示データを作成するための対象物を含む教示画像を表示部に表示して対象物の分類を可能とする表示工程と、表示部に表示された対象物の分類結果を受け取り、分類結果と教示画像とを関連付けて教示データを作成するデータ作成工程とを、コンピュータに実行させることを特徴としている。
　さらに、この発明の第４態様は、プログラム記録媒体であって、上記プログラムを記録したことを特徴としている。
　この発明では、教示データを作成するための対象物を含む教示画像が表示部に表示される。このため、ユーザーは表示部に表示された画像を見ながら対象物の分類を行うことができる。そして、ユーザーによる対象物の分類結果を教示画像と関連付けて教示データが作成される。したがって、教示データをユーザーフレンドリーな操作で作成することができる。
　上述した本発明の各態様の有する複数の構成要素はすべてが必須のものではなく、上述の課題の一部又は全部を解決するため、あるいは、本明細書に記載された効果の一部又は全部を達成するために、適宜、前記複数の構成要素の一部の構成要素について、その変更、削除、新たな他の構成要素との差し替え、限定内容の一部削除を行うことが可能である。また、上述の課題の一部又は全部を解決するため、あるいは、本明細書に記載された効果の一部又は全部を達成するために、上述した本発明の一態様に含まれる技術的特徴の一部又は全部を上述した本発明の他の態様に含まれる技術的特徴の一部又は全部と組み合わせて、本発明の独立した一形態とすることも可能である。
本発明にかかる教示データの作成支援装置の一実施形態を装備する細胞判定システムの概略構成を示す図である。 本発明にかかる教示データの作成支援方法の第１実施形態を実行して学習データを作成する機械学習処理の一例を示すフローチャートである。 本発明にかかる教示データの作成支援方法の第１実施形態である教示処理の一例を示すフローチャートである。 第１実施形態における教示処理を模式的に示す図である。 第１実施形態における教示処理を模式的に示す図である。 第１実施形態における教示処理を模式的に示す図である。 教示画像の構成を模式的に示す図である。 第１実施形態における教示処理を模式的に示す図である。 本発明にかかる教示データの作成支援方法の第２実施形態を説明するための模式図である。 第２実施形態における教示処理を模式的に示す図である。
　図１は本発明にかかる教示データの作成支援装置の一実施形態を装備する細胞判定システムの概略構成を示す図である。この細胞判定システムは、マイクロウェルプレートＷＰの上面に形成されたウェルＷと称される窪部に注入された液体中の試料を撮像する撮像ユニット１と、撮像された画像に対し画像処理を施す画像処理ユニット２とを備えている。
　マイクロウェルプレートＷＰは、創薬や生物科学の分野において一般的に使用されているものであり、平板状のプレートの上面に、断面が略円形の筒状に形成され底面が透明で平坦なウェルＷが複数設けられている。１つのマイクロウェルプレートＷＰにおけるウェルＷの数は任意であるが、例えば９６個（１２×８のマトリクス配列）のものを用いることができる。各ウェルＷの直径および深さは代表的には数ｍｍ程度である。なお、この撮像ユニット１が対象とするマイクロウェルプレートのサイズやウェルの数はこれらに限定されるものではなく任意であり、例えば３８４穴のものであってもよい。
　マイクロウェルプレートＷＰの各ウェルＷには、培地としての液体が所定量注入され、この液体中において所定の培養条件で培養された細胞や細菌等が、この撮像ユニット１の撮像対象となる。培地は適宜の試薬が添加されたものでもよく、また液状でウェルＷに投入された後ゲル化するものであってもよい。
　撮像ユニット１は、試料を液体とともに各ウェルＷに担持するマイクロウェルプレートＷＰの下面周縁部に当接して、マイクロウェルプレートＷＰを略水平姿勢に保持するホルダ１１と、ホルダ１１の上方に配置される照明部１２と、ホルダ１１の下方に配置される撮像部１３と、これら各部の動作を制御する制御部１４とを備えている。
　照明部１２は、ホルダ１１により保持されたマイクロウェルプレートＷＰに向けて照明光Ｌｉを出射する。照明光Ｌｉとしては例えば白色光を用いることができる。照明部１２により、マイクロウェルプレートＷＰに設けられたウェルＷ内の試料が上方から照明される。
　ホルダ１１により保持されたマイクロウェルプレートＷＰの下方に、撮像部１３が設けられる。撮像部１３では、マイクロウェルプレートＷＰの直下位置に対物レンズ１３１が配置されている。対物レンズ１３１の光軸ＯＡは鉛直方向に向けられており、対物レンズ１３１の光軸ＯＡに沿って上から下に向かって順に、開口絞り１３２、結像レンズ１３３および撮像デバイス１３４がさらに設けられている。対物レンズ１３１、開口絞り１３２および結像レンズ１３３は、それぞれの中心が鉛直方向に沿って一列に並ぶように配置されて、これらが一体として撮像光学系１３０を構成している。なお、この例では撮像部１３を構成する各部が鉛直方向に一列に配列されているが、反射鏡等により光路が折り返されていてもよい。
　撮像部１３は、制御部１４に設けられたメカ駆動部１４１により移動可能となっている。具体的には、メカ駆動部１４１が、撮像部１３を構成する対物レンズ１３１、開口絞り１３２、結像レンズ１３３および撮像デバイス１３４を一体的に水平方向に移動させることにより、撮像部１３がウェルＷに対し水平方向に移動する。１つのウェルＷ内の撮像対象物が撮像されるときには、メカ駆動部１４１は、撮像光学系１３０の光軸が当該ウェルＷの中心と一致するように、撮像部１３を水平方向に位置決めする。
　また、メカ駆動部１４１は、撮像部１３を鉛直方向に移動させることにより、撮像対象物に対する撮像部のフォーカス合わせを行う。具体的には、撮像対象物たる試料が存在するウェルＷの内底面に対物レンズ１３１の焦点が合うように、メカ駆動部１４１が、対物レンズ１３１、開口絞り１３２、結像レンズ１３３および撮像デバイス１３４を一体的に上下動させる。
　また、メカ駆動部１４１は、撮像部１３を水平方向に移動させる際、照明部１２を撮像部１３と一体的に水平方向に移動させる。すなわち、照明部１２は、その光中心が撮像光学系１３０の光軸ＯＡと略一致するように配置されており、対物レンズ１３１を含む撮像部１３が水平方向に移動するとき、これと連動して水平方向に移動する。これにより、どのウェルＷが撮像される場合でも、ウェルＷに対する照明条件を一定にして、撮像条件を良好に維持することができる。
　撮像部１３により、ウェルＷ内の試料が撮像される。具体的には、照明部１２から出射されウェルＷの上方から液体に入射した光が撮像対象物を照明し、ウェルＷ底面から下方へ透過した光が対物レンズ１３１により集光され、開口絞り１３２、結像レンズ１３３を介して最終的に撮像デバイス１３４の受光面に撮像対象物の像が結像し、これが撮像デバイス１３４の受光素子１３４１により受光される。受光素子１３４１は一次元イメージセンサであり、その表面に結像した撮像対象物の一次元画像を電気信号に変換する。受光素子１３４１としては、例えばＣＣＤセンサを用いることができる。受光素子１３４１がマイクロウェルプレートＷＰに対し相対的に走査移動することにより、ウェルＷの二次元画像が得られる。
　受光素子１３４１から出力される画像信号は、制御部１４に送られる。すなわち、画像信号は制御部１４に設けられたＡＤコンバータ（Ａ／Ｄ）１４２に入力されてデジタル画像データに変換される。こうして得られたデジタル画像データはインターフェース（Ｉ／Ｆ）１４３を介して外部へ出力される。
　画像処理ユニット２は、システム各部の動作を制御して後述する教示データ作成部および分類処理部（＝学習データ作成機能部＋分類処理機能部）として機能するＣＰＵ２０１を有する制御部２０を備えている。制御部２０はまた、画像処理を受け持つグラフィックプロセッサ（ＧＰ）２０２と、画像データを記憶保存するための画像メモリ２０３と、ＣＰＵ２０１およびＧＰ２０２が実行すべきプログラムやこれらにより生成されるデータを記憶保存するためのメモリ２０４とを有している。なお、ＣＰＵ２０１がグラフィックプロセッサ２０２としての機能を兼ねてもよい。また、画像メモリ２０３とメモリ２０４とは一体のものであってもよい。また、本実施形態では、メモリ２０４に保存されるプログラムのうち教示データの作成を支援するための教示支援プログラムを記録媒体から読み取るためのリーダー２０６を装備している。
　その他に、制御部２０には、インターフェース（Ｉ／Ｆ）２０５が設けられている。インターフェース２０５は、ユーザーおよび外部装置との情報交換を担う。具体的には、インターフェース２０５は撮像ユニット１のインターフェース１４３と通信回線により接続されており、ＣＰＵ２０１が撮像ユニット１を制御するための制御指令を撮像ユニット１に送信する。また、撮像ユニット１のＡＤコンバータ１４２から出力される画像データを受信する。
　また、インターフェース２０５には、例えば操作ボタン、マウス、キーボードまたはタブレット等の入力デバイスもしくはそれらを組み合わせてなる入力部２１が接続されている。入力部２１により受け付けられたユーザーからの操作入力が、インターフェース２０５を介してＣＰＵ２０１に伝達される。さらに、インターフェース２０５には、例えば液晶ディスプレイなどの表示デバイスを有する表示部２２が接続されている。表示部２２は、ＣＰＵ２０１からインターフェース２０５を介して与えられる画像信号に対応する画像を表示することで、ユーザーへの処理結果等の情報提示を行う。また、上記教示支援プログラムにしがたって教示データの作成を行う時、つまり教示処理の実行時に、教示用の画像などを表示してユーザーによる教示作業をアシストするマンマシンインタフェースとして機能する。
　なお、上記した構成を有する画像処理ユニット２は、一般的なパーソナルコンピュータの構成と概ね同じである。すなわち、この細胞判定システムの画像処理ユニット２として、汎用のコンピュータ装置を利用することが可能である。
　次に、このように構成された細胞判定システムの動作について説明する。この細胞判定システムでは、撮像ユニット１が各ウェルＷの二次元画像を撮像し、画像データを画像処理ユニット２に与える。一方、画像処理ユニット２は、受け取った画像データを解析して二次元画像に含まれる細胞、細菌やスフェロイドなどの対象物の形態を認識し、対象物を分類する。例えば、本実施形態では、以下に説明するようにスフェロイドを対象物とし、スフェロイドを撮像した画像オブジェクトからスフェロイドの形態を認識し、当該形態からスフェロイドの生死を学習データに基づいて分類して生死判定を行う。
　ここで、上記分類および判定を正確に行うためには、分類・判定に適した学習データを機械学習により作成する必要がある。そこで、本実施形態では、次に説明する機械学習処理を行っており、その機械学習処理において機械学習に適した教示データをユーザーフレンドリーな教示操作で作成することが可能となっている。以下、図２ないし図８を参照しつつ機械学習処理ならびに当該機械学習処理で行われる教示データの作成支援方法について詳述する。
　図２は、本発明にかかる教示データの作成支援方法の第１実施形態を実行して学習データを作成する機械学習処理の一例を示すフローチャートである。また、図３は、本発明にかかる教示データの作成支援方法の第１実施形態である教示処理の一例を示すフローチャートである。さらに、図４ないし図６は第１実施形態における教示処理を模式的に示す図である。機械学習処理は、学習データに基づくスフェロイドの生死の分類および判定を行う前に実行されるものであり、少なくとも１つ以上のウェルＷに学習用のスフェロイドが培養液とともに担持されたマイクロウェルプレートＷＰを用いて行われる。この機械学習処理はＣＰＵ２０１がメモリ２０４に予め記憶された学習プログラムを実行して装置各部を制御することにより実現される。また、機械学習処理のために教示データを作成する必要があるが、これを行う教示処理はリーダー２０６を介してメモリ２０４に読み込まれた教示支援プログラムをＣＰＵ２０１が実行して装置各部を制御することにより実現される。
　機械学習を実行するために、まず、学習用のスフェロイドを培養液とともにウェルＷに担持するマイクロウェルプレートＷＰが撮像ユニット１に搬入され、ホルダ１１にセットされる（ステップＳ１）。そして、撮像対象となるウェルＷに対し撮像光学系１３が位置決めされて、撮像デバイス１３４による撮像が行われる（ステップＳ２）。これにより、学習用のスフェロイドを含む原画像が取得される。
　こうして得られた原画像に対し、グラフィックプロセッサ２０２が所定の画像処理を行い、原画像中に含まれる画像オブジェクトの領域を検出する（ステップＳ３）。原画像中のオブジェクトの抽出には公知の技術を適用することができる。例えば、原画像を適宜の閾値で２値化して背景領域とオブジェクト領域とに区分する方法を適用可能である。
　次のステップＳ４では、教示処理パネル２３と学習機能パネル２４とが表示部２２に表示される。これらのうち教示処理パネル２３では、例えば図４や図５に示すように、タブの選択により２つの画面、つまり「Ｗｅｌｌｓ　Ｏｖｅｒｖｉｅｗ」画面（以下「ＷＯ画面」という）２３１と「Ｗｅｌｌ　ｉｎｆｏｒｍａｔｉｏｎ」画面（以下「ＷＩ画面」という）２３２とを切替可能となっている。各ウェルＷの原画像を撮像した直後においては、基本的に図４に示すように、教示処理パネル２３ではＷＯ画面２３１に切り替わり、撮像されたウェルＷの原画像がマトリックス状に表示される。なお、図４のＷＯ画面２３１中のチェックボックスは教示処理を既に完了していることを示している。
　一方、学習機能パネル２４では、機械学習に関連する各種情報が表示される。学習機能パネル２４の最上部に位置する「学習ファイル」の欄には、学習データを含む学習ファイルに関する情報が表示される。ここでは、「Ｎａｍｅ」直下に配置されたボックスに対し、ユーザーが学習データのファイル名を指定可能となっている。本実施形態では、ファイル名の指定方式として複数種類を用意している。すなわち、当該ボックスに入力部２１を介してファイル名を直接入力することが可能となっている。また、「学習ファイル」の欄の右上に配置された「リスト表示」ボタンをユーザーが押下することでメモリ２０４に記憶保存されている既存の学習ファイルがリスト表示される。それに続いて、ユーザーがリストから選択することで当該選択されたファイル名が上記ボックスに入力される。もちろん、当該ボックスをコンボボックスで構成し、コンボボックスを選択することでコンボボックスに表示されるリストからユーザーが所望のファイル名を指定するように構成してもよい。なお、「学習ファイル」の欄中の「Ｃｏｍｍｅｎｔ」は上記ボックスに表示された学習ファイルに対するコメントを表示する。
　「学習ファイル」の欄の直下に、３つのボタンが横方向に並べられている。これらのうち「教示開始」ボタンがユーザーにより押下されると、教示処理を開始する。また、「教示完了」ボタンがユーザーにより押下されると、教示処理を完了し、教示処理による教示データに基づく学習処理を開始する。さらに、「キャンセル」ボタンがユーザーにより押下されると、現在の作業をキャンセルする。
　これらのボタンの直下に、「教示対象ウェル」の欄が設けられている。この「教示対象ウェル」の欄では、ウェルＷを分類するための「ウェルＩＤ」が設定されている。また、「ウェルＩＤ」毎に、ユーザーによって、生きていると判定されたスフェロイド（以下「生スフェロイド」という）の数が「生スフェロイド数」として表示されるとともに、死んでいると判定されたスフェロイド（以下「死スフェロイド」という）の数が「死スフェロイド数」として表示される。このように教示対象となるウェルＷ毎に、生スフェロイド数および死スフェロイド数がテーブル形式で表示される。このテーブルの直下には、「教示対象ウェルの設定」ボタンが配置されている。ユーザーにより教示対象ウェルが選択された状態で、「教示対象ウェルの設定」ボタンが押下されると、教示対象ウェルが設定される。
　さらに、学習機能パネル２４の最下段では、教示処理により教示された生スフェロイドの総数と死スフェロイドの総数とが算出され、「教示データ情報」の欄に表示される。
　図２に戻って機械学習処理の説明を続ける。上記した学習機能パネル２４に対してユーザーによる学習ファイルの指定が入力部２１を介して行われると、制御部２０は学習ファイルの指定を受け付ける（ステップＳ５）。そして、学習ファイルの指定後に「教示開始」ボタンが押下される（ステップＳ６で「ＹＥＳ」）と、制御部２０は図３に示す教示処理を実行する（ステップＳ７）。
　教示処理では、まずユーザーによる教示対象ウェルの特定のために、教示処理パネル２３ではＷＯ画面２３１が表示される（ステップＳ７１）。これによって、教示処理の開始時点では、既に撮像されたウェルＷの原画像がマトリックス状に表示される。例えば図４では、Ｂ行目、Ｃ行目およびＤ行目の各々に６個の原画像が配列されており、合計１８個の原画像が表示されている。なお、本明細書では、原画像を特定するために、ｍ行目ｎ列目のウェルＷを（ｍ－ｎ）ウェルと称し、学習機能パネル２４中のウェルＩＤも（ｍ－ｎ）で特定する。
　このように本実施形態では、撮像された（Ｂ－２）、（Ｂ－３）、…（Ｄ－７）ウェルＷの原画像が表示部２２に表示されており、ユーザーによる教示対象ウェルの選択が容易となっている。なお、「教示対象ウェル」とは、教示データを作成するのに適したスフェロイドが存在するとユーザーが判断したウェルＷを意味しており、教示対象ウェルの原画像には、上記スフェロイドを含む画像（以下「教示画像」という）が映し出されている。
　そして、次のステップＳ７２でユーザーによる教示対象ウェルの選択が行われると、制御部２０は教示対象ウェルの選択を受け付け（ステップＳ７３）、選択されたウェルＷに対応するＷＩ画面２３２を表示する（ステップＳ７４）。これによって、例えば図５に示すように選択された（Ｃ－４）ウェルＷのＷＩ画面２３２が表示部２２に表示され、ユーザーはＷＩ画面２３２の画像表示領域２３２ａで教示対象ウェル（ここでは、（Ｃ－４）ウェルＷ）の原画像の部分拡大図を観察することが可能となる。ここでは、説明のために、（Ｃ－４）ウェルＷの原画像に３種類の教示画像、つまり、
　・生スフェロイドＳｐ１、Ｓｐ４、Ｓｐ５、…を含む教示画像、
　・死スフェロイドＳｐ２、…を含む教示画像、
　・デブリＳｐ３、…を含む教示画像、
が含まれている場合を例示している。なお、「デブリ」とは、生スフェロイドおよび死スフェロイド以外の異物、例えばウェルＷに混入した微細な埃やゴミ、マイクロウェルプレートＷＰの傷、汚れ等を意味している。このような異物の像は教示データの作成の妨げとなる。したがって、後述するように、「デブリ」を教示データから除外するのが望ましい。
　図５に示すように、（Ｃ－４）ウェルＷのＷＩ画面２３２には、複数のスフェロイドが表示されているが、教示データを作成するために、ユーザーはそれらの一部あるいは全部に対して「生スフェロイド」、「死スフェロイド」、「デブリ」のいずれかの判定を行って、３種類に分類する。より具体的には、ユーザーは入力部２１を操作することでＷＩ画面２３２に表示されたスフェロイドのひとつを教示対象となる画像オブジェクトとして選択し、スフェロイドの分類を行う。こうしたユーザー操作を入力部２１により受け取り、それに対応して制御部２０は、ユーザーに選択された画像オブジェクトを特定し、当該画像オブジェクトに対する分類結果を設定する作業（以下「ジョブ」という）を行う（ステップＳ７５）。このジョブ内容について図６を参照しつつ詳述する。
　制御部２０は、ユーザーにより例えばスフェロイドＳｐ１が選択されると、教示処理パネル２３の「Ｊｏｂ」の欄に選択されたスフェロイドＳｐ１を示す「Ｓｐ１」をジョブ名として表示する。また、制御部２０はスフェロイドＳｐ１の近傍位置にポップアップ画面２３２ｂを表示してスフェロイドＳｐ１に対して種々のステータス設定や処理を加えることが可能となっている。ここでは、６種類の操作、つまり、上から順に
　・選択スフェロイドのステータスを「生スフェロイド」に変更、
　・選択スフェロイドのステータスを「死スフェロイド」に変更、
　・選択スフェロイドのステータスを「デブリ」に変更、
　・選択外のスフェロイドのステータスを「デブリ」に変更、
　・スフェロイドの追加、
　・選択スフェロイドの削除、
が可能となっている。
　また、本実施形態では、選択されたスフェロイドを含む教示画像は、図７に示すように、当該スフェロイドを含むオブジェクト領域Ｒ１の画像データと、当該スフェロイドに対応する領域Ｒ２を特定するマスクデータと、上記領域Ｒ２に付すべき色の色データとに基づいて表示される。つまり、画像データは原画像から抜き出された画像オブジェクトを示すデータである。また、マスクデータは選択されたスフェロイドの形態を示すものであり、当該マスクデータに基づいてスフェロイドの形態を特定することができる。さらに、色データはスフェロイドのステータスに応じて設定されるものである。そして、本実施形態では、ユーザーによる判定が行われる毎に判定設定に応じた色データが設定され、領域Ｒ２の色を変更させる。したがって、ユーザーはＷＩ画面２３２に表示された画像を見ることで各スフェロイドが「生スフェロイド（図面では模様ＰＴ１が付されている）」、「死スフェロイド（図面では模様ＰＴ２が付されている）」および「デブリ（図面では模様ＰＴ３が付されている）」のうちのいずれに該当するかを容易に視認することが可能となる。また、判定済か否かについても容易に視認することができる。なお、図６中の「Ｌｉｖｅ　ｏｒ　ＮｏｔＡｌｉｖｅ」のチェックボックスは生スフェロイドおよび死スフェロイドのみを画像表示領域２３２ａに表示させるか否かを設定するものであり、チェック設定によりデブリＳｐ３を非表示することができ、教示処理をより円滑なものとすることができる。
　ここでは、個々のスフェロイドを選択した上で上記判定を行って当該スフェロイドの分類を行っているが、複数のスフェロイドを選択して上記分類を行ってもよい。例えば図８の破線で示すように選択範囲を指定することで複数のスフェロイドＳｐ４、Ｓｐ５を一括して選択し、それらを同一の種類に分類してもよい。また、入力部２１の特定キー（例えばキーボードのＣｔｒｌキー）を押下しながら複数のスフェロイドを順次選択してもよい。
　また、選択されたスフェロイドの判定設定が行われると、制御部２０は、教示画像のうち色データを除いたデータ（＝画像データ＋マスクデータ）および判定結果を示すデータを相互に関連付け、これを教示データとして作成し、メモリ２０４に記憶する。また、制御部２０は、「デブリ」を除き、生スフェロイド数および死スフェロイド数を集計し、表示する（ステップＳ７６）。すなわち、制御部２０は、現在教示処理を行っているウェルＷ（図６では、ウェルＩＤが（Ｃ－４）のウェルＷ）について、ステップＳ７５で新たに判定された判定結果と既に判定されている判定結果とに基づいて生スフェロイド数および死スフェロイド数を集計し、学習機能パネル２４の中段のテーブルに表示する。また、教示対象となっている全ウェルＷについて生スフェロイド数および死スフェロイド数を集計し、学習機能パネル２４の最下段に配置された教示データ情報の欄に表示する。これにより、教示処理中にユーザーは生スフェロイドおよび死スフェロイドの各々の教示データ数をリアルタイムに把握することができ、教示処理の続行、終了および中止を容易に判断することができる。
　このようにして１つの教示対象ウェルＷに対して行われる教示データの作成（ステップＳ７５）は、学習機能パネル２４の「教示対象ウェルの設定」ボタンが押下されるまで繰り返される。そして、「教示対象ウェルの設定」ボタンが押下される（ステップＳ７７で「ＹＥＳ」）と、次のステップＳ７８に進んで、制御部２０は他のウェルＷに担持されたスフェロイドを用いた教示データの作成を続行するか否かを判定する。この実施形態では、「教示完了」ボタンが押下されない間、制御部２０は教示データの作成を続行すると判定し、ステップＳ７１に戻って上記一連の処理を実行して新たな教示データを作成する。一方、「教示完了」ボタンが押下される（ステップＳ７８で「ＮＯ」）と、制御部２０は教示処理を終了する。そして、制御部２０はメモリ２０４に記憶された教示データを読み出し、機械学習を開始する（ステップＳ８）。また、制御部２０は、機械学習によって作成された学習データをステップＳ５で指定された学習ファイルに書き込み、当該学習ファイルをメモリ２０４に保存する（ステップＳ９）。
　以上のように、本実施形態では、機械学習のための教示データを作成するための教示画像を表示部２２に表示し、当該表示内容を見ながらユーザーによるスフェロイドの判定分類を行って教示データを作成している。したがって、教示データをユーザーフレンドリーな操作で作成することができる。その結果、教示データの作成に要する時間や労力などを大幅に削減することができる。
　また、上記実施形態では、教示用のスフェロイドを、「生スフェロイド」、「死スフェロイド」、「デブリ」の３種類のいずれかに分類し、そのなかでも学習データに関連する「生スフェロイド」および「死スフェロイド」を抽出して教示データの作成を行っている。このように「デブリ」を省くことで精度の高い教示データが得られる。
　また、「生スフェロイド」および「死スフェロイド」に区分されたスフェロイドの数を表示部２２に表示してユーザーに報知し、「生スフェロイド」の教示データ数および「死スフェロイド」の教示データ数をそれぞれ区分してユーザーに知らせている。したがって、ユーザーはこれらの数値を参照することで適切な教示処理を行うことができる。というのも、機械学習を適切に行うためには、分類毎の教示データ（例えば、本実施形態では、生スフェロイド数および死スフェロイド数、また非特許文献２では、「体細胞」に関する画像数、「完全なｉＰＳ細胞」に関する画像数および「不完全なｉＰＳ細胞」に関する画像数）がほぼ同程度の数に収める必要があるからである。また、この条件を満足したとしても、分類毎の教示データの数が少ないと、適切な機械学習とは言えない。このような状況下において、本実施形態によれば、教示処理中に分類毎の作成済のデータ数をリアルタイムに知ることができる。その結果、機械学習に適切な数の教示データを作成することができ、機械学習の精度を高めることができる。
　ここで、機械学習に適切な数としては、上記したように生スフェロイド数と死スフェロイド数との総和数と、生スフェロイド数と死スフェロイド数との比率とを考慮するのが望ましい。したがって、上記実施形態において「教示完了」ボタンが押下された時点（ステップＳ７８で「ＮＯ」）で、制御部２０が以下の２つのデータ数条件、
　・上記総和数が学習許容数を超えている、
　・上記比率が学習許容比の範囲内に収まっている、
という条件をともに満足している否かを判定するように構成してもよい。そして、２つとも満足されている場合に機械学習に移行し、それ以外の場合には移行を制限し、教示データの追加教示を提案するメッセージなどを報知するように構成してもよい。これによって、適正な機械学習を担保することができる。
　また、上記実施形態では、表示部２２に表示されたスフェロイドの分類が行われると、表示部２２でのスフェロイドの表示、具体的には色を分類結果に応じて変更している。このため、ユーザーは、各スフェロイドが「生スフェロイド」、「死スフェロイド」および「デブリ」のうちのいずれに該当するかを容易に視認することができ、しかも判定分類済か否かについても容易に視認することができる。
　ところで、上記第１実施形態では、撮像ユニット１に搬入されるマイクロウェルプレートＷＰに特段の工夫を設けておらず、通常に培養されて生スフェロイドと死スフェロイドとがランダムな割合で混在している中からユーザーが生スフェロイドと死スフェロイドを区別しながら教示データを作成する必要があった。また、培養目的は生スフェロイドを作成することであり、ウェルＷに含まれる死スフェロイドの数は一般的には生スフェロイドよりも少ない傾向にある。このため、上記比率を学習許容比の範囲内に収めながら一定数以上の死スフェロイド数を見つけ出すのが困難なことがあり、これが教示処理に要する時間や労力の低減させる上で障害となることがある。
　しかしながら、薬品を使用することで予め大量の死スフェロイドを準備することは比較的簡単であり、この点を考慮することで教示処理に要する時間および労力の低減を図ることができる。以下、図９および図１０を参照しつつ本発明にかかる教示データの作成支援方法の第２実施形態について説明する。
　図９は本発明にかかる教示データの作成支援方法の第２実施形態を説明するための模式図である。また、図１０は、第２実施形態における教示処理を模式的に示す図である。この第２実施形態が第１実施形態と大きく相違する点は、図９の（ａ）欄に示すように、マイクロウェルプレートＷＰに設けられた複数のウェルＷのうち一のウェルＷ（本実施形態では、（Ｄ－７）ウェルＷ）にスフェロイドを死滅させる薬品３を投与して当該（Ｄ－７）ウェルＷに存在するスフェロイドをほぼ死滅させている点であり、その他の構成は第１実施形態と基本的に同一である。したがって、以下においては相違点を中心に説明し、同一構成の説明を省略する。
　第２実施形態においても、第１実施形態と同様に、マイクロウェルプレートＷＰが撮像ユニット１に搬入され、ホルダ１１にセットされる（ステップＳ１）。そして、撮像対象となるウェルＷに対し撮像光学系１３が位置決めされて、撮像デバイス１３４による撮像が行われる（ステップＳ２）。これにより、学習用のスフェロイドを含む原画像が取得される。そして、撮像されたウェルＷの原画像が図９の（ｂ）欄に示すように教示処理パネル２３のＷＯ画面２３１にマトリックス状に表示される。第２実施形態では、上記したように（Ｄ－７）ウェルＷに存在するスフェロイドはほぼ全部死滅している。したがって、当該（Ｄ－７）ウェルＷを教示対象ウェルとして選択すると、その中に含まれるスフェロイドの大半は「死スフェロイド」であり、それを前提としてユーザーはスフェロイドの判定分類を行うことができる。例えば（Ｄ－７）ウェルＷに存在するスフェロイドの多くを一括して選択し、「死スフェロイド」と判定して分類することができ、その結果、例えば図１０に示すように、学習機能パネル２４の中段のテーブルに表示されているように（Ｄ－７）ウェルを用いることで数多くの「死スフェロイド」の教示データを比較的簡単にしかも迅速に作成することができる。
　そして、上記薬品３を投入していないウェル、例えば図１０に示すように（Ｃ－７）ウェルＷを新たな教示対象ウェルとして選択し、第１実施形態と同様にして生スフェロイドの教示データの作成を行うことで上記２つのデータ数条件を比較的短時間で、かつ少ない労力で満足させることができる。すなわち、通常培養したウェルＷと、薬品３によって強制的に死スフェロイドの比率を大幅に高めたウェルＷとを準備し、これらを用いて教示処理を行うことで教示処理に要する時間および労力のさらなる低減を図ることができる。
　以上説明したように、上記実施形態では、画像処理ユニット２が本発明の「教示データの作成支援装置」として機能しており、制御部２０が本発明の「データ作成部」として機能している。また、ステップＳ７４、Ｓ７５、Ｓ７６がそれぞれ本発明の「表示工程」、「データ作成工程」および「報知工程」の一例に相当している。また、ステップＳ７５のうちユーザーによる判定が行われる毎に判定設定に応じて領域Ｒ２の色を変更させる工程が本発明の「表示変更工程」の一例に相当している。また、生スフェロイド数および死スフェロイド数が本発明の「種類毎の教示データの数」の一例に相当している。さらに、生スフェロイド数および死スフェロイド数がそれぞれ本発明の「生きている対象物の数」および「死んでいる対象物の数」の一例に相当している。
　なお、本発明は上記した実施形態に限定されるものではなく、その趣旨を逸脱しない限りにおいて上述したもの以外に種々の変更を行うことが可能である。例えば、上記実施形態では、スフェロイドを本発明の「対象物」とし、生スフェロイドと死スフェロイドとの２種類に分類するための教示データを作成しているが、細胞や細菌を本発明の「対象物」とする場合も同様である。また、分類内容も生死の２種類に限定されるものではなく、例えばスフェロイド、細胞や細菌を３種類以上に分類するための機械学習用の教示データを作成する場合にも、本発明を適用することができる。また、「デブリ」と「デブリではないもの」とに分類するための機械学習用の教示データを作成する場合にも、本発明を適用することができる。
　また、上記実施形態では、生スフェロイド数および死スフェロイド数の表示部２２への表示によりユーザーに種類毎の教示データの数を報知しているが、報知手段は表示部２２に限定されるものではなく、用紙への印刷や音声などの他の報知手段により報知するように構成してもよい。
　また、上記実施形態では、撮像ユニット１とともに細胞判定システムに装備された画像処理ユニット２が本発明の「教示データの作成支援装置」として機能しているが、撮像ユニット１を備えない構成で本発明にかかる「教示データの作成支援装置」を構成してもよい。また、リーダー２０６を介して原画像の画像データを受け取る態様においても、本発明は有効に機能する。
　また、上記実施形態では、ＣＰＵ２０１がメモリ２０４に予め記憶された制御プログラムを実行することで本発明が実施されるが、前記したように、この実施形態における画像処理ユニット２としては汎用のコンピュータ装置を用いることが可能である。したがって、このようなコンピュータ装置に読み込まれることを前提に、上記した教示処理をコンピュータ装置に実行させる教示支援プログラムとして、またこれを適宜の記録媒体に記録した態様で、本発明をユーザーに提供することも可能である。これにより、例えば既に運用されている細胞判定システムに新たな機能を付加することも可能となる。
　また、上記実施形態では、教示データの作成支援方法を実行する教示支援プログラムを、ＣＤ－ＲＯＭ、光ディスク、光磁気ディスク、不揮発性メモリカードなどの記録媒体に記録させ、この記録媒体からメモリ２０４に保存したプログラムをコードとして読み出し、コンピュータにおいて実行させている。つまり、上記プログラムを記録した記録媒体、コンピュータプログラム自体も本発明の一実施形態に含まれる。
　以上、特定の実施例に沿って発明を説明したが、この説明は限定的な意味で解釈されることを意図したものではない。発明の説明を参照すれば、本発明のその他の実施形態と同様に、開示された実施形態の様々な変形例が、この技術に精通した者に明らかとなるであろう。故に、添付の特許請求の範囲は、発明の真の範囲を逸脱しない範囲内で、当該変形例または実施形態を含むものと考えられる。
　この発明は、細胞を担持する担持体を撮像して得られる対象物（細胞、細胞、スフェロイドなど）の形態から対象物を分類するのに使用される、学習データを機械学習させるための教示データの作成を支援する技術全般に適用することができる。
　２…画像処理ユニット（教示データの作成支援装置）
　２０…制御部（データ作成部）
　２１…入力部
　２２…表示部
　２３…教示処理パネル
　２４…学習機能パネル
　２０１…ＣＰＵ（データ作成部）
　２３１…ＷＯ画面
　２３２…ＷＩ画面
　Ｓｐ１～Ｓｐ５…スフェロイド
　Ｗ…ウェル、教示対象ウェル
　ＷＰ…マイクロウェルプレート（担持体）

Claims (9)

  1. 　細胞を担持する担持体を撮像して得られる対象物の形態から前記対象物を分類するのに使用される、学習データを機械学習させるための教示データの作成支援方法であって、
    　前記教示データを作成するための対象物を含む教示画像を表示部に表示して前記対象物の分類を可能とする表示工程と、
    　前記表示部に表示された前記対象物の分類結果を受け取り、前記分類結果と前記教示画像とを関連付けて前記教示データを作成するデータ作成工程と
    を備えることを特徴とする教示データの作成支援方法。
  2. 　請求項１に記載の教示データの作成支援方法であって、
    　前記分類結果を複数の種類に区分し、種類毎の前記教示データの数を報知する報知工程をさらに備える教示データの作成支援方法。
  3. 　請求項２に記載の教示データの作成支援方法であって、
    　前記データ作成工程は、前記表示部に複数の対象物を表示し、前記複数の対象物のうち前記教示データとして採用しない対象物を除いて各対象物を生きているか死んでいるかの２種類に区分し、
    　前記報知工程は、生きている対象物の数と、死んでいる対象物の数を表示して報知する教示データの作成支援方法。
  4. 　請求項３に記載の教示データの作成支援方法であって、
    　前記生きている対象物の数と前記死んでいる対象物の数との総和数が学習許容数を超え、しかも前記生きている対象物の数と前記死んでいる対象物の数との比率が学習許容比の範囲内に収まるときに、教示データの作成を終了する教示データの作成支援方法。
  5. 　請求項２ないし４のいずれか一項に記載の教示データの作成支援方法であって、
    　前記表示部に表示された前記対象物の分類が行われると、前記表示部での前記対象物の表示を分類結果に応じて変更する表示変更工程をさらに備える教示データの作成支援方法。
  6. 　細胞を担持する担持体を撮像して得られる対象物の形態から前記対象物を分類するのに使用される、学習データを機械学習させるための教示データの作成支援装置であって、
    　前記教示データを作成するための対象物を含む教示画像を表示する表示部と、
    　前記表示部に表示された教示画像に基づいて分類される分類結果を受け付ける入力部と、
    　前記表示部に表示された教示画像と、前記入力部により受け付けた分類結果とを関連付けて前記教示データを作成するデータ作成部と
    を備えることを特徴とする教示データの作成支援装置。
  7. 　請求項６に記載の教示データの作成支援装置であって、
    　前記データ作成部は、前記分類結果を複数の種類に区分し、種類毎の前記教示データの数を報知する教示データの作成支援装置。
  8. 　コンピュータを用いて、細胞を担持する担持体を撮像して得られる対象物の形態から前記対象物を分類するのに使用される、学習データを機械学習させるための教示データの作成を支援するプログラムであって、
    　前記教示データを作成するための対象物を含む教示画像を表示部に表示して前記対象物の分類を可能とする表示工程と、
    　前記表示部に表示された前記対象物の分類結果を受け取り、前記分類結果と前記教示画像とを関連付けて前記教示データを作成するデータ作成工程と
    を、コンピュータに実行させることを特徴とするプログラム。
  9. 　請求項８に記載のプログラムを記録したことを特徴とするプログラム記録媒体。
PCT/JP2016/066240 2015-06-17 2016-06-01 教示データの作成支援方法、作成支援装置、プログラムおよびプログラム記録媒体 Ceased WO2016203956A1 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US15/736,240 US20180189606A1 (en) 2015-06-17 2016-06-01 Method and device for supporting creation of teaching data, program and program recording medium

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2015121978A JP2017009314A (ja) 2015-06-17 2015-06-17 教示データの作成支援方法、作成支援装置、プログラムおよびプログラム記録媒体
JP2015-121978 2015-06-17

Publications (1)

Publication Number Publication Date
WO2016203956A1 true WO2016203956A1 (ja) 2016-12-22

Family

ID=57545570

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2016/066240 Ceased WO2016203956A1 (ja) 2015-06-17 2016-06-01 教示データの作成支援方法、作成支援装置、プログラムおよびプログラム記録媒体

Country Status (3)

Country Link
US (1) US20180189606A1 (ja)
JP (1) JP2017009314A (ja)
WO (1) WO2016203956A1 (ja)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3733832A4 (en) * 2018-01-31 2021-02-24 Yamaha Hatsudoki Kabushiki Kaisha IMAGING SYSTEM
US20220044147A1 (en) * 2018-10-05 2022-02-10 Nec Corporation Teaching data extending device, teaching data extending method, and program

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3700419A4 (en) * 2017-10-26 2021-11-10 Essenlix Corporation QUICK MEASUREMENT OF PLATES
CN112292445A (zh) 2018-06-13 2021-01-29 富士胶片株式会社 信息处理装置、导出方法及导出程序
WO2022081863A2 (en) 2020-10-16 2022-04-21 Life Technologies Corporation Systems and methods for autofocus and automated cell count using artificial intelligence
JP7635019B2 (ja) * 2021-02-26 2025-02-25 株式会社エビデント アノテーションを支援するシステム、方法、及び、プログラム

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004265190A (ja) * 2003-03-03 2004-09-24 Japan Energy Electronic Materials Inc 階層型ニューラルネットワークの学習方法、そのプログラム及びそのプログラムを記録した記録媒体
JP2011002995A (ja) * 2009-06-18 2011-01-06 Riron Soyaku Kenkyusho:Kk 細胞認識装置、インキュベータおよびプログラム
WO2014030379A1 (ja) * 2012-08-23 2014-02-27 富士ゼロックス株式会社 画像処理装置、プログラム、画像処理方法及びコンピュータ読み取り媒体並びに画像処理システム
WO2014087689A1 (ja) * 2012-12-07 2014-06-12 富士ゼロックス株式会社 画像処理装置、画像処理システム及びプログラム
JP2014137284A (ja) * 2013-01-17 2014-07-28 Dainippon Screen Mfg Co Ltd 教師データ作成支援装置、教師データ作成装置、画像分類装置、教師データ作成支援方法、教師データ作成方法および画像分類方法
JP2014142871A (ja) * 2013-01-25 2014-08-07 Dainippon Screen Mfg Co Ltd 教師データ作成支援装置、教師データ作成装置、画像分類装置、教師データ作成支援方法、教師データ作成方法および画像分類方法
JP2014178229A (ja) * 2013-03-15 2014-09-25 Dainippon Screen Mfg Co Ltd 教師データ作成方法、画像分類方法および画像分類装置

Family Cites Families (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5871946A (en) * 1995-05-18 1999-02-16 Coulter Corporation Method for determining activity of enzymes in metabolically active whole cells
JP4155496B2 (ja) * 2002-04-25 2008-09-24 大日本スクリーン製造株式会社 分類支援装置、分類装置およびプログラム
US8524488B2 (en) * 2002-09-10 2013-09-03 The Regents Of The University Of California Methods and devices for determining a cell characteristic, and applications employing the same
US8321136B2 (en) * 2003-06-12 2012-11-27 Cytyc Corporation Method and system for classifying slides using scatter plot distribution
JP3834041B2 (ja) * 2004-03-31 2006-10-18 オリンパス株式会社 学習型分類装置及び学習型分類方法
US7323318B2 (en) * 2004-07-15 2008-01-29 Cytokinetics, Inc. Assay for distinguishing live and dead cells
US7958063B2 (en) * 2004-11-11 2011-06-07 Trustees Of Columbia University In The City Of New York Methods and systems for identifying and localizing objects based on features of the objects that are mapped to a vector
WO2006104201A1 (ja) * 2005-03-29 2006-10-05 Olympus Corporation 細胞画像解析方法、細胞画像解析プログラム、細胞画像解析装置、スクリーニング方法およびスクリーニング装置
JP5426181B2 (ja) * 2009-01-21 2014-02-26 シスメックス株式会社 検体処理システム、細胞画像分類装置、及び検体処理方法
JP5740101B2 (ja) * 2010-04-23 2015-06-24 国立大学法人名古屋大学 細胞評価装置、インキュベータ、細胞評価方法、細胞評価プログラムおよび細胞の培養方法
WO2012053188A1 (ja) * 2010-10-18 2012-04-26 国立大学法人大阪大学 特徴抽出装置、特徴抽出方法、及び、そのプログラム
JP5698208B2 (ja) * 2012-11-30 2015-04-08 株式会社Ｓｃｒｅｅｎホールディングス 画像処理装置、画像処理方法、および画像処理プログラム
US9904842B2 (en) * 2012-12-19 2018-02-27 Koninklijke Philips N.V. System and method for classification of particles in a fluid sample
JP5560351B1 (ja) * 2013-01-11 2014-07-23 大日本スクリーン製造株式会社 理化学装置および画像処理方法
JP6289044B2 (ja) * 2013-11-15 2018-03-07 オリンパス株式会社 観察装置
JP6277818B2 (ja) * 2014-03-26 2018-02-14 日本電気株式会社 機械学習装置、機械学習方法、及びプログラム
US10226484B2 (en) * 2014-12-01 2019-03-12 Peter Y Novak Pharmaceutical composition for improving health, cure abnormalities and degenerative disease, achieve anti-aging effect of therapy and therapeutic effect on mammals and method thereof
FR3034197B1 (fr) * 2015-03-24 2020-05-01 Commissariat A L'energie Atomique Et Aux Energies Alternatives Procede de determination de l'etat d'une cellule

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004265190A (ja) * 2003-03-03 2004-09-24 Japan Energy Electronic Materials Inc 階層型ニューラルネットワークの学習方法、そのプログラム及びそのプログラムを記録した記録媒体
JP2011002995A (ja) * 2009-06-18 2011-01-06 Riron Soyaku Kenkyusho:Kk 細胞認識装置、インキュベータおよびプログラム
WO2014030379A1 (ja) * 2012-08-23 2014-02-27 富士ゼロックス株式会社 画像処理装置、プログラム、画像処理方法及びコンピュータ読み取り媒体並びに画像処理システム
WO2014087689A1 (ja) * 2012-12-07 2014-06-12 富士ゼロックス株式会社 画像処理装置、画像処理システム及びプログラム
JP2014137284A (ja) * 2013-01-17 2014-07-28 Dainippon Screen Mfg Co Ltd 教師データ作成支援装置、教師データ作成装置、画像分類装置、教師データ作成支援方法、教師データ作成方法および画像分類方法
JP2014142871A (ja) * 2013-01-25 2014-08-07 Dainippon Screen Mfg Co Ltd 教師データ作成支援装置、教師データ作成装置、画像分類装置、教師データ作成支援方法、教師データ作成方法および画像分類方法
JP2014178229A (ja) * 2013-03-15 2014-09-25 Dainippon Screen Mfg Co Ltd 教師データ作成方法、画像分類方法および画像分類装置

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3733832A4 (en) * 2018-01-31 2021-02-24 Yamaha Hatsudoki Kabushiki Kaisha IMAGING SYSTEM
US11367294B2 (en) 2018-01-31 2022-06-21 Yamaha Hatsudoki Kabushiki Kaisha Image capture system
US20220044147A1 (en) * 2018-10-05 2022-02-10 Nec Corporation Teaching data extending device, teaching data extending method, and program
US12229643B2 (en) * 2018-10-05 2025-02-18 Nec Corporation Teaching data extending device, teaching data extending method, and program

Also Published As

Publication number Publication date
US20180189606A1 (en) 2018-07-05
JP2017009314A (ja) 2017-01-12

Similar Documents

Publication Publication Date Title
WO2016203956A1 (ja) 教示データの作成支援方法、作成支援装置、プログラムおよびプログラム記録媒体
US11656446B2 (en) Digital pathology scanning interface and workflow
JP5783043B2 (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
JP5145487B2 (ja) 観察プログラムおよび観察装置
EP4130843A9 (en) Microscope system, projection unit, and sperm sorting assistance method
JP4801025B2 (ja) 細胞画像解析装置及び細胞画像解析ソフトウェア
US11328522B2 (en) Learning device, method, and program for discriminator, and discriminator
US11704003B2 (en) Graphical user interface for slide-scanner control
Kloster et al. Large-scale permanent slide imaging and image analysis for diatom morphometrics
JP7006833B2 (ja) 細胞解析装置
JP7635019B2 (ja) アノテーションを支援するシステム、方法、及び、プログラム
JP2021177765A (ja) コロニー検出システム
JP2013109119A (ja) 顕微鏡制御装置およびプログラム
JP5466976B2 (ja) 顕微鏡システム、観察画像の表示方法、プログラム
JP2012039929A (ja) 受精卵観察の画像処理方法、画像処理プログラム及び画像処理装置、並びに受精卵の製造方法
Fan et al. Exploring the use of deep learning models for accurate tracking of 3D zebrafish trajectories
JP7643909B2 (ja) 分析装置、分析システム、分析方法、およびプログラム
JP6470399B2 (ja) 画像処理方法、制御プログラムおよび画像処理装置
WO2022004319A1 (ja) 情報処理装置、情報処理方法、及びプログラム
Fujita et al. ConfusionLens: Focus+ context visualization interface for performance analysis of multiclass image classifiers
JP5077040B2 (ja) 角膜内皮細胞の解析方法及び角膜内皮細胞解析装置
JP4646847B2 (ja) 蛋白質結晶化観察方法及び蛋白質結晶化観察装置
EP4125065B1 (en) Image processing method and classification model construction method
US11194145B2 (en) Image reproducing device and observation system for selecting images using tag information attached in accordance with information that operation is performed on sample and input when at least one of images is acquired
JP7752527B2 (ja) 画像表示方法、コンピュータープログラムおよび記録媒体

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: 16811431

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 16811431

Country of ref document: EP

Kind code of ref document: A1