WO2019008935A1 - 画像処理装置及び画像処理方法並びにこれを用いた病理診断支援システム - Google Patents
画像処理装置及び画像処理方法並びにこれを用いた病理診断支援システム Download PDFInfo
- Publication number
- WO2019008935A1 WO2019008935A1 PCT/JP2018/020042 JP2018020042W WO2019008935A1 WO 2019008935 A1 WO2019008935 A1 WO 2019008935A1 JP 2018020042 W JP2018020042 W JP 2018020042W WO 2019008935 A1 WO2019008935 A1 WO 2019008935A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- image
- dye
- dye density
- staining
- density image
- Prior art date
Links
- 238000012545 processing Methods 0.000 title claims abstract description 68
- 238000003672 processing method Methods 0.000 title claims abstract description 15
- 238000010827 pathological analysis Methods 0.000 title claims abstract description 13
- 238000010186 staining Methods 0.000 claims abstract description 108
- 230000001575 pathological effect Effects 0.000 claims abstract description 46
- 238000012937 correction Methods 0.000 claims abstract description 44
- 239000000975 dye Substances 0.000 claims description 186
- 238000003702 image correction Methods 0.000 claims description 24
- 238000003384 imaging method Methods 0.000 claims description 17
- 238000000034 method Methods 0.000 claims description 13
- 238000010801 machine learning Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 5
- 230000001172 regenerating effect Effects 0.000 claims description 5
- 230000008929 regeneration Effects 0.000 claims description 3
- 238000011069 regeneration method Methods 0.000 claims description 3
- 210000003855 cell nucleus Anatomy 0.000 abstract description 14
- SXEHKFHPFVVDIR-UHFFFAOYSA-N [4-(4-hydrazinylphenyl)phenyl]hydrazine Chemical compound C1=CC(NN)=CC=C1C1=CC=C(NN)C=C1 SXEHKFHPFVVDIR-UHFFFAOYSA-N 0.000 description 39
- WZUVPPKBWHMQCE-UHFFFAOYSA-N Haematoxylin Chemical compound C12=CC(O)=C(O)C=C2CC2(O)C1C1=CC=C(O)C(O)=C1OC2 WZUVPPKBWHMQCE-UHFFFAOYSA-N 0.000 description 12
- 238000004364 calculation method Methods 0.000 description 10
- 238000012137 double-staining Methods 0.000 description 7
- 210000000170 cell membrane Anatomy 0.000 description 4
- 210000000805 cytoplasm Anatomy 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 239000003153 chemical reaction reagent Substances 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 3
- 206010006187 Breast cancer Diseases 0.000 description 2
- 208000026310 Breast neoplasm Diseases 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 2
- 210000004027 cell Anatomy 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 238000010191 image analysis Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 239000000049 pigment Substances 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000000875 corresponding effect Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000031700 light absorption Effects 0.000 description 1
- DWCZIOOZPIDHAB-UHFFFAOYSA-L methyl green Chemical compound [Cl-].[Cl-].C1=CC(N(C)C)=CC=C1C(C=1C=CC(=CC=1)[N+](C)(C)C)=C1C=CC(=[N+](C)C)C=C1 DWCZIOOZPIDHAB-UHFFFAOYSA-L 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000007170 pathology Effects 0.000 description 1
- 238000004393 prognosis Methods 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 229940124597 therapeutic agent Drugs 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
- G06T5/75—Unsharp masking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
- G06V20/695—Preprocessing, e.g. image segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/60—Image enhancement or restoration using machine learning, e.g. neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10056—Microscopic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20224—Image subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30024—Cell structures in vitro; Tissue sections in vitro
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30068—Mammography; Breast
Definitions
- the present invention relates to an image processing apparatus and an image processing method capable of emphasizing a specific region to be observed in a pathological staining image, and a pathological diagnosis support system capable of extracting a specific region in a pathological staining image using the same.
- a specialist of a pathologist or a clinical laboratory technician observes a sample collected from a patient with a microscope or the like to obtain a guideline for selection of a therapeutic agent and a treatment policy.
- a plurality of dyes are used to stain the sample.
- hematoxylin which selectively stains the cell nucleus
- DAB diaminobenzidine
- Patent Document 1 discloses a method of displaying a digital slide image, and a method of decomposing a photographed image into a dye density image corresponding to each staining dye and presenting it as a single staining image, or for each staining dye The method of recombining and presenting after digital emphasis processing is shown.
- the separation into a dye density image is to perform the following calculation for each pixel of a captured image.
- M is a matrix consisting of dye bases representing dye-specific absorption contributions to the RGB channels of the imaging device
- the amount of dye contained in the pixel of interest from the vector y obtained by arranging RGB values corrected to optical density (OD) can be estimated based on the following equation (A).
- M ⁇ 1 represents the inverse matrix of M. This equation is derived from Lambert-Beer's law, which formulates the absorption of light by a substance, as in the following equation (B).
- I 0 and I respectively represent the intensity of incident light and the light intensity after passing through a substance.
- a and c are the amount of dye and the absorption coefficient per unit, respectively.
- DAB staining for H-stained area area stained with hematoxylin
- DAB staining for H-stained area area stained with hematoxylin
- the overlap of the areas (areas stained by DAB) is diverse.
- the actual sample tissue has a wide spatial structure in three dimensions, whereas the observation sample is a strip obtained by slicing them. That is, depending on where the cells are cut, variation occurs in the overlapping manner of at least one stained area of cytoplasm or cell membrane with the stained area of cell nucleus.
- an observer such as a pathologist judges a cell nucleus of DAB positive by image diagnosis or learns a classifier by a machine learning method
- the cell nucleus, that is, the H staining region is in the strong area of DAB staining. There is a problem that it is difficult to distinguish.
- an image processing apparatus and an image processing method capable of clarifying a specific region, in particular, a staining region of cell nuclei, and making it easy to distinguish by performing correction in consideration of overlapping of staining on a photographed image. And it aims at providing a pathological diagnosis support system using the same.
- the present invention was invented to solve the problems in the prior art as described above, and an image processing apparatus reflecting one aspect of the present invention in order to realize at least one of the above-mentioned objects.
- Is an image processing apparatus for emphasizing a specific area in a pathological staining image A dye density image generation module for decomposing the pathological staining image into a dye density image for each staining dye; And a dye density image correction module for performing image processing for emphasizing the specific region using each of the dye density images.
- the dye density image correction module corrects each dye density image by correlating the dye information of each staining dye.
- a pathological diagnosis support system reflecting one aspect of the present invention is Sample staining means for staining a sample to be diagnosed; Imaging means for imaging a pathologically stained image of the stained sample; And an image processing apparatus described above.
- an image processing method reflecting one aspect of the present invention is an image processing method for emphasizing a specific region in a pathologically stained image, A dye density image generation step of decomposing the pathological staining image into a dye density image for each staining dye; And a dye density image correction step of performing image processing for emphasizing the specific area using each of the dye density images.
- the dye density image correcting step the information on the dye of each staining dye is correlated to correct each dye density image.
- the information of the dye that stains the specific region is amplified, or the information of the dye that stains other than the specific region
- the staining of a specific area can be clarified to improve the readability of the observer.
- FIG. 1 is a block diagram for explaining the configuration of a pathological diagnosis support system according to an embodiment of the present invention.
- FIG. 2 is a block diagram for explaining the arrangement of the image processing apparatus shown in FIG.
- FIG. 3 is a flow chart showing the flow of image processing in the image processing apparatus shown in FIG.
- FIG. 4 is an image showing an example when dye density correction is performed on a pathologically stained image.
- FIG. 5 is an image showing another example when the dye concentration correction is performed on the pathologically stained image.
- FIG. 1 is a block diagram for explaining the configuration of a pathological diagnosis support system in an embodiment of the present invention
- FIG. 2 is a block diagram for explaining the configuration of the image processing apparatus shown in FIG. It is a flowchart which shows the flow of the image processing in an image processing apparatus.
- the pathological diagnosis support system 10 of the present embodiment includes a sample staining means 20 for staining a sample to be diagnosed, an imaging means 30 for imaging a pathologically stained image of the stained sample, and And an image processing apparatus 40 for analyzing the pathological staining image.
- the sample staining means 20 is a means for staining a plurality of staining areas of a sample.
- the specimen staining means 20 may be an existing automatic staining apparatus or may be a kit including a reagent for staining cells.
- cell nuclei are used as a first staining area, and hematoxylin (H) is used as a first staining dye for staining this.
- hematoxylin H
- DAB diaminobenzidine
- the plurality of staining areas can be appropriately set, and the staining dye is not particularly limited as long as it can selectively stain the set staining area.
- hematoxylin for example, cologne et alto, methyl green, etc. can be used as a reagent for staining cell nuclei.
- DAB diaminobenzidine
- histogreen or the like can be used as a reagent for staining at least one of cytoplasm or cell membrane.
- the imaging means 30 is a means for imaging a pathologically stained image of the stained sample.
- the imaging unit 30 preferably uses a digital camera, a digital slide scanner, or the like because it delivers a pathologically stained image to an image processing apparatus 40 described later.
- a microscope, a low pass filter for reducing noise, etc. can be included as needed.
- the imaging means 30 When imaging a pathologically stained image by the imaging means 30, it is preferable to perform white balance correction in advance in an area where no sample exists, for example, a glass area of a slide glass sandwiching the sample.
- the image processing device 40 is a means for performing an image analysis as described later on the input pathological stained image.
- the image processing device 40 is configured by, for example, a known computer or microcomputer including an arithmetic device, a control device, a storage device, an input device, and an output device.
- the computer may be a personal computer or a server.
- the image processing apparatus 40 further includes a dye density image generation module 42, a dye density image correction module 44, a pathological stain image regeneration module 46, and a specific area extraction module 48. These modules can be realized as a program that can be executed by the image processing apparatus 40.
- a pathological staining image is imaged by the imaging unit 30 with respect to the specimen stained by the specimen staining unit 20, and the imaged pathological staining image is input to the image processing apparatus 40.
- the image processing apparatus 40 the cell nucleus area is extracted from the pathologically stained image of the sample in the flow shown in FIG.
- the image processing apparatus 40 separates the input pathological staining image into a dye density image for each staining dye in the dye density image generation module 42.
- the image is separated into three types of dye density images of an H density image, a DAB density image, and density images of other components.
- the image processing apparatus 40 performs density correction by image processing in the dye density image correction module 44 using the dye density image to emphasize a specific region.
- the first staining area (cell nucleus area) is emphasized.
- a first staining dye density image based on a first staining dye that stains a first staining area that is a specific area, and a second staining dye that is used to stain a second staining area that is a nonspecific area
- the first staining area can be enhanced by performing the following calculation using the staining dye density image.
- the image processing apparatus 40 removes the overlap of DAB from the region double-stained with H and DAB by performing calculation (subtraction processing) as shown in the following equation (1) in the dye density image correction module 44.
- the H region included in the DAB region can be sharpened.
- x, y position on the dye density image C H is H density value
- C DAB DAB density value
- alpha denotes a predetermined correction coefficient
- the first staining dye concentration in the heavy staining area is relatively emphasized, and as a result, the double staining is performed. Area can be easily identified.
- the image processing apparatus 40 causes the pathological staining image regenerating module 46 to convolute the corrected DAB density image, and the H density image and the density image of the other components to obtain the pathological staining after the correction. Images can be generated.
- FIG. 4 is an image showing an example when the dye density correction is performed by the subtraction processing described above for the pathological staining image.
- FIG. 4A is a pathological stained image input to the image processing apparatus 40.
- the pathological staining image is usually a color image, but is shown as a gray scale image for convenience. This is separated into each dye density image in the dye density image generation module 42.
- FIG. 4 (b) is an H density image
- FIG. 4 (c) is a DAB density image.
- FIG. 4D is a DAB density image after correction.
- FIG. 4 (e) is a pathological stained image after correction.
- the image processing apparatus 40 performs the calculation (addition processing) in the dye density image correction module 44 as shown in the following equation (2) to emphasize the area stained with H in the H density image,
- the H region included in the DAB region can also be sharpened.
- C H is H density value
- C DAB is DAB density value
- beta denotes a predetermined correction coefficient
- the first dye concentration in the heavy dye region is It is relatively emphasized, and as a result, it becomes easy to distinguish the heavily stained area.
- the image processing apparatus 40 performs color convolution of the corrected H density image, the DAB density image, and the density image of the other components in the pathological stain image regenerating module 46 as shown in FIG.
- a pathologically stained image after correction as shown in 2.) can be generated.
- amendment is a color image normally, it shows as a gray scale image for convenience.
- FIG. 5 is an image showing an example when the dye density correction is performed by the addition processing for the pathological staining image described above.
- FIG. 5A is a pathological stained image input to the image processing apparatus 40.
- the pathological staining image is usually a color image, but is shown as a gray scale image for convenience. This is separated into each dye density image in the dye density image generation module 42.
- FIG. 5B is an H density image
- FIG. 5C is a DAB density image.
- FIG. 5D shows the H density image after correction.
- FIG. 5 (d) is a pathological stained image after correction.
- the image processing apparatus 40 performs the calculation (addition processing) in the dye density image correction module 44 as shown in the following equation (3), thereby emphasizing the area stained with H in the DAB density image,
- the second staining area in the double staining area can also be sharpened.
- x, y position on the dye density image C H is H density value
- C DAB DAB concentration values
- gamma means a predetermined correction coefficient
- the second staining dye concentration in the double staining area is relatively emphasized, and as a result, the double staining is performed. Area can be easily identified.
- the image processing apparatus 40 performs color convolution of the corrected H density image, the DAB density image, and the density image of the other components in the pathological staining image regenerating module 46 as shown in FIG.
- a pathologically stained image after correction as shown in 2.) can be generated.
- amendment is a color image normally, it shows as a gray scale image for convenience.
- the image processing apparatus 40 performs the calculation (subtraction processing) in the dye density image correction module 44 as shown in the following equation (4), thereby emphasizing the area stained by the DAB in the H density image,
- the second staining area in the double staining area can also be sharpened.
- x, y position on the dye density image C H is H density value
- C DAB DAB concentration value
- [delta] denotes a predetermined correction coefficient
- the second dye concentration in the heavy dye region is It is relatively emphasized, and as a result, it becomes easy to distinguish the heavily stained area.
- the image processing apparatus 40 causes the pathological staining image regenerating module 46 to convolute the corrected H density image, the DAB density image and the density image of the other components (color convolution) to obtain the corrected pathology. Stained images can be generated.
- the image processing performed in the dye density image correction module 44 is not limited to the above processing, and processing for emphasizing a specific region may be added.
- the predetermined correction coefficients ⁇ , ⁇ , ⁇ and ⁇ in the above process are not particularly limited, and can be appropriately changed according to, for example, the readability of the observer. Further, the predetermined correction coefficients ⁇ , ⁇ , ⁇ and ⁇ may be set to obtain optimum values through a learning process by machine learning.
- the image processing apparatus 40 extracts the specific area based on the color information specific to the staining dye that has stained the specific area in the specific area extraction module 48, using the pathological staining image after correction thus obtained.
- the pathological staining image after correction a region showing a color peculiar to hematoxylin which has stained the cell nucleus is extracted as the cell nucleus.
- the pathological stain image after correction is output to an output unit such as a display or a printer. You may
- Pathological Diagnosis Support System 20 Specimen Staining Means 30 Imaging Means 40 Image Processing Device 42 Dye Density Image Generation Module 44 Dye Density Image Correction Module 46 Pathological Stain Image Regeneration Module 48 Specific Region Extraction Module
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Radiology & Medical Imaging (AREA)
- Medical Informatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Multimedia (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
- Investigating Or Analysing Biological Materials (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
[課題]染色の重なりを考慮した補正を行うことにより、特定領域、特に、細胞核の染色領域を明確にして、判別しやすくすることができる画像処理装置及び画像処理方法並びにこれを用いた病理診断支援システムを提供する。 [解決手段]病理染色画像を、染色色素毎の色素濃度画像へ分解し、染色色素毎の色素の情報に相関を持たせて、各色素濃度画像を補正することで特定領域を強調する。
Description
本発明は、病理染色画像において観察したい特定領域を強調することができる画像処理装置及び画像処理方法並びにこれを用いて病理染色画像における特定領域を抽出することができる病理診断支援システムに関する。
従来、病理診断においては、患者から採取した検体を病理医や臨床検査技師等の専門職員が顕微鏡などによって観察することにより、治療薬の選択や治療方針の指針を得ている。このような観察の際には、一般的に、複数の色素を用いて検体を染色する。
例えば、乳癌の診断においては、細胞核を選択的に染色するヘマトキシリン(hematoxylin)と、乳癌の予後予測に関連の深い特定のタンパク質を選択的に染色するように設計されたジアミノベンジジン(DAB)とを組み合わせた染色が行われる。
また、このような病理診断においては、近年、機械学習の一種でありニューラルネットワークを発展させた深層学習を病理診断画像解析に適用する例が増えている。
このような病理診断においては、上述するように複数の色素による染色を行っているため、しばしば、撮像素子により取得した検体の画像を観察者に提示する際や、機械学習の手法において識別器を学習する際には、色素基底を用いた色素毎の濃度画像への分解や、分解された画像を補正したものが用いられている。
例えば、特許文献1では、デジタルスライド画像の表示方法について開示されており、撮影画像を各染色色素に応じた色素濃度画像へと分解して単一染色画像として提示する方法や、染色色素毎にデジタル強調処理した上で再結合して提示する方法が示されている。
なお、色素濃度画像への分解(カラーデコンボリューション(color deconvolution))とは、撮影画像の画素毎に、以下の演算を行うことである。
撮像素子のRGB各チャンネルに対する色素固有の吸収寄与を表す色素基底からなる行列をMとしたとき、光学濃度(OD)に直したRGB値を並べたベクトルyから、注目画素に含まれる色素の量を表すベクトルCを下記式(A)に基づいて推定することができる。
撮像素子のRGB各チャンネルに対する色素固有の吸収寄与を表す色素基底からなる行列をMとしたとき、光学濃度(OD)に直したRGB値を並べたベクトルyから、注目画素に含まれる色素の量を表すベクトルCを下記式(A)に基づいて推定することができる。
M-1は、Mの逆行列を表す。この式は、下記式(B)のように、物質による光の吸収を定式化したランバート・ベールの法則から導かれる。
ここで、I0及びIはそれぞれ入射光の強度、物質通過後の光強度を表す。また、A,cはそれぞれ色素の量と単位当りの吸収係数である。
しかしながら、従来の手法では、各染色色素に応じた濃度画像への変換や、それぞれの色素濃度画像に対する補正は考慮されているものの、染色の重なりを考慮した補正はなされていなかった。
例えば、細胞核をヘマトキシリン(H)で、細胞質もしくは細胞膜の少なくとも1つをジアミノベンジジン(DAB)で染色し、DAB陽性の細胞核を計測する場合、H染色領域(ヘマトキシリンによって染色された領域)に対するDAB染色領域(DABによって染色された領域)の重なり方は多岐に亘る。
これは、実際の検体組織は3次元に広い空間構造を持つのに対して、観察試料はそれらをスライスした剥片であることが一因である。すなわち、細胞をどこで切るかによって、細胞核の染色領域に対する、細胞質もしくは細胞膜の少なくとも1つの染色領域の重なり方にばらつきが生じる。その結果、病理医等の観察者が画像診断によりDAB陽性の細胞核を判断する場合や、機械学習の手法により識別器を学習する際に、DAB染色の強い領域において細胞核、すなわち、H染色領域が判別しづらいという問題が生じている。
本発明では、撮影画像に対して、染色の重なりを考慮した補正を行うことにより、特定領域、特に、細胞核の染色領域を明確にして、判別しやすくすることができる画像処理装置及び画像処理方法並びにこれを用いた病理診断支援システムを提供することを目的とする。
本発明は、前述したような従来技術における課題を解決するために発明されたものであって、上述した目的のうち少なくとも一つを実現するために、本発明の一側面を反映した画像処理装置は、病理染色画像における特定領域を強調する画像処理装置であって、
前記病理染色画像を、染色色素毎の色素濃度画像へ分解する色素濃度画像生成モジュールと、
前記各色素濃度画像を用いて、前記特定領域を強調するための画像処理を行う色素濃度画像補正モジュールと、を備え、
前記色素濃度画像補正モジュールは、前記染色色素毎の色素の情報に相関を持たせて、前記各色素濃度画像を補正する。
前記病理染色画像を、染色色素毎の色素濃度画像へ分解する色素濃度画像生成モジュールと、
前記各色素濃度画像を用いて、前記特定領域を強調するための画像処理を行う色素濃度画像補正モジュールと、を備え、
前記色素濃度画像補正モジュールは、前記染色色素毎の色素の情報に相関を持たせて、前記各色素濃度画像を補正する。
また、本発明の一側面を反映した病理診断支援システムは、
診断を行う検体に染色を行う検体染色手段と、
染色された検体の病理染色画像を撮像する撮像手段と、
上述する画像処理装置とを備える。
診断を行う検体に染色を行う検体染色手段と、
染色された検体の病理染色画像を撮像する撮像手段と、
上述する画像処理装置とを備える。
また、本発明の一側面を反映した画像処理方法は、病理染色画像における特定領域を強調する画像処理方法であって、
前記病理染色画像を、染色色素毎の色素濃度画像へ分解する色素濃度画像生成工程と、
前記各色素濃度画像を用いて、前記特定領域を強調するための画像処理を行う色素濃度画像補正工程と、を有し、
前記色素濃度画像補正工程では、前記染色色素毎の色素の情報に相関を持たせて、前記各色素濃度画像を補正する。
前記病理染色画像を、染色色素毎の色素濃度画像へ分解する色素濃度画像生成工程と、
前記各色素濃度画像を用いて、前記特定領域を強調するための画像処理を行う色素濃度画像補正工程と、を有し、
前記色素濃度画像補正工程では、前記染色色素毎の色素の情報に相関を持たせて、前記各色素濃度画像を補正する。
本発明によれば、病理染色画像において観察したい特定領域について、染色の重なりを考慮した補正を行うことにより、特定領域を染色する色素の情報を増幅したり、特定領域以外を染色する色素の情報を除外したりすることで、特定領域の染色を明確にして、観察者の判読性を向上させることができる。
以下、本発明の実施の形態(実施例)を図面に基づいて、より詳細に説明する。
図1は、本発明の一実施例における病理診断支援システムの構成を説明するブロック図、図2は、図1に示す画像処理装置の構成を説明するブロック図、図3は、図2に示す画像処理装置における画像処理の流れを示すフロー図である。
図1は、本発明の一実施例における病理診断支援システムの構成を説明するブロック図、図2は、図1に示す画像処理装置の構成を説明するブロック図、図3は、図2に示す画像処理装置における画像処理の流れを示すフロー図である。
図1に示すように、本実施例の病理診断支援システム10は、診断を行う検体に染色を行う検体染色手段20と、染色された検体の病理染色画像を撮像する撮像手段30と、撮像された病理染色画像の解析を行う画像処理装置40と、を備えている。
検体染色手段20は、検体について、複数の染色領域をそれぞれ染色するための手段である。検体染色手段20は、既存の自動染色装置であってもよいし、細胞を染色するための試薬を含むキットとすることもできる。
なお、本実施例においては、細胞核を第1染色領域とし、これを染色する第1染色色素としては、ヘマトキシリン(H)を用いている。また、細胞質及び細胞膜を第2染色領域とし、これを染色する第2染色色素としては、ジアミノベンジジン(DAB)を用いている。
複数の染色領域は、適宜設定することができ、染色色素についても、設定した染色領域を選択的に染色することができるものであれば、特に限定されるものではない。
なお、細胞核を染色するための試薬としては、ヘマトキシリン(H)のほかにも、例えば、ケルンエヒトロート、メチルグリーンなどを用いることができる。
また、細胞質もしくは細胞膜の少なくとも1つを染色するための試薬としては、ジアミノベンジジン(DAB)のほかにも、例えば、ヒストグリーンなどを用いることができる。
撮像手段30は、染色された検体の病理染色画像を撮像するための手段である。撮像手段30は、後述する画像処理装置40に病理染色画像を受け渡すことから、デジタルカメラやデジタルスライドスキャナなどを用いることが好ましい。なお、必要に応じて、顕微鏡や、ノイズを低減するためのローパスフィルタなどを含むことができる。
なお、撮像手段30により病理染色画像を撮像する際には、検体の存在しない領域、例えば、検体を挟持するスライドガラスのガラス領域などにおいて、予めホワイトバランス補正を行うことが好ましい。
画像処理装置40は、入力された病理染色画像に対して後述するような画像解析を行うための手段である。画像処理装置40は、例えば、演算装置、制御装置、記憶装置、入力装置及び出力装置を含む公知のコンピュータやマイコンなどによって構成される。なお、コンピュータは、パーソナルコンピュータであってもよいし、サーバーであってもよい。
また、画像処理装置40は、色素濃度画像生成モジュール42と、色素濃度画像補正モジュール44と、病理染色画像再生成モジュール46と、特定領域抽出モジュール48と、を含む。
なお、これらのモジュールは、画像処理装置40によって実行可能なプログラムとして実現することができる。
なお、これらのモジュールは、画像処理装置40によって実行可能なプログラムとして実現することができる。
このように構成される病理診断支援システム10では、検体染色手段20により染色された検体について、撮像手段30により病理染色画像を撮像し、撮像された病理染色画像を画像処理装置40に入力することにより、画像処理装置40では、図3に示す流れで、検体の病理染色画像から細胞核領域の抽出を行う。
まず、画像処理装置40は、色素濃度画像生成モジュール42において、入力された病理染色画像を、染色色素毎の色素濃度画像へ分離する。本実施例においては、H濃度画像、DAB濃度画像、その他の成分の濃度画像の3種類の色素濃度画像へ分離する。
ここで、色素濃度画像への分離には、従来既知の手法である、色素基底を用いたカラーデコンボリューション(color deconvolution)の手法を用いることができる。これにより、検体毎に異なる撮影条件のもと撮像された病理染色画像に対しても、それぞれ別の色素基底を用いることにより、同等の撮影条件のもと撮像された場合と同等の色素濃度画像を生成することができる。
次いで、画像処理装置40は、色素濃度画像補正モジュール44において、色素濃度画像を用いて、特定領域を強調するため画像処理により濃度補正を行う。本実施例においては、第1染色領域(細胞核領域)の強調処理を行う。
具体的には、特定領域である第1染色領域を染色する第1染色色素に基づく第1染色色素濃度画像と、非特定領域である第2染色領域を染色する第2染色色素に基づく第2染色色素濃度画像と、を用いて、以下のような演算を行うことにより、第1染色領域の強調処理を行うことができる。
画像処理装置40は、色素濃度画像補正モジュール44において、下記式(1)のような演算(減算処理)を行うことにより、HとDABにより重染色された領域から、DABの重なりを除去することにより、DAB領域に包含されたH領域を鮮明化させることができる。
ここで、x,yは色素濃度画像上の位置、CHはH濃度値、CDABはDAB濃度値、αは所定の補正係数を意味する。
このように、第2染色領域に対し、同一位置の第1染色色素濃度に比例した減算処理を施すことにより、重染色領域における第1染色色素濃度が相対的に強調され、結果として重染色された領域が判別しやすくなる。
そして、画像処理装置40は、病理染色画像再生成モジュール46において、補正されたDAB濃度画像と、H濃度画像及びその他の成分の濃度画像とを、畳み込む(convolution)ことにより、補正後の病理染色画像を生成することができる。
図4は、病理染色画像を上述する減算処理により色素濃度補正を行った際の一例を示す画像である。
図4(a)は、画像処理装置40に入力された病理染色画像である。なお、病理染色画像は通常カラー画像であるが、便宜上グレースケール画像として示す。これを、色素濃度画像生成モジュール42において各色素濃度画像へと分離する。図4(b)は、H濃度画像、図4(c)は、DAB濃度画像である。
図4(a)は、画像処理装置40に入力された病理染色画像である。なお、病理染色画像は通常カラー画像であるが、便宜上グレースケール画像として示す。これを、色素濃度画像生成モジュール42において各色素濃度画像へと分離する。図4(b)は、H濃度画像、図4(c)は、DAB濃度画像である。
色素濃度画像補正モジュール44では、このH濃度画像とDAB濃度画像を用いて、上記式(1)の演算を行う。本実施例では、α=0.5として演算した。図4(d)は、補正後のDAB濃度画像である。
そして、図4(b)に示すH濃度画像と、図4(d)に示す補正後のDAB濃度画像と、図示しないその他の成分の濃度画像と、を畳み込むことによって、重染色領域における第1染色領域が鮮明化された病理染色画像が生成される。図4(e)は、補正後の病理染色画像である。
また、画像処理装置40は、色素濃度画像補正モジュール44において、下記式(2)のような演算(加算処理)を行うことにより、H濃度画像においてHにより染色された領域を強調することにより、DAB領域に包含されたH領域を鮮明化させることもできる。
ここで、x,yは色素濃度画像上の位置、CHはH濃度値、CDABはDAB濃度値、βは所定の補正係数を意味する。
このように、第1染色領域に対し、自身の染色色素濃度と、同一位置にある第2染色色素濃度との積に比例した加算処理を施すことにより、重染色領域における第1染色色素濃度が相対的に強調され、結果として重染色された領域が判別しやすくなる。
そして、画像処理装置40は、病理染色画像再生成モジュール46において、補正されたH濃度画像と、DAB濃度画像及びその他の成分の濃度画像とを、畳み込む(color convolution)ことにより、図4(e)に示すような補正後の病理染色画像を生成することができる。なお、補正後の病理染色画像は通常カラー画像であるが、便宜上グレースケール画像として示す。
図5は、病理染色画像を上述する加算処理により色素濃度補正を行った際の一例を示す画像である。
図5(a)は、画像処理装置40に入力された病理染色画像である。なお、病理染色画像は通常カラー画像であるが、便宜上グレースケール画像として示す。これを、色素濃度画像生成モジュール42において各色素濃度画像へと分離する。図5(b)は、H濃度画像、図5(c)は、DAB濃度画像である。
図5(a)は、画像処理装置40に入力された病理染色画像である。なお、病理染色画像は通常カラー画像であるが、便宜上グレースケール画像として示す。これを、色素濃度画像生成モジュール42において各色素濃度画像へと分離する。図5(b)は、H濃度画像、図5(c)は、DAB濃度画像である。
色素濃度画像補正モジュール44では、このH濃度画像とDAB濃度画像を用いて、上記式(2)の演算を行う。本実施例では、β=0.75として演算した。図5(d)は、補正後のH濃度画像である。
そして、図5(d)に示す補正後のH濃度画像と、図5(c)に示すDAB濃度画像と、図示しないその他の成分の濃度画像と、を畳み込むことによって、重染色領域における第1染色領域が鮮明化された病理染色画像が生成される。図5(e)は、補正後の病理染色画像である。
また、画像処理装置40は、色素濃度画像補正モジュール44において、下記式(3)のような演算(加算処理)を行うことにより、DAB濃度画像においてHにより染色された領域を強調することにより、重染色領域における第2染色領域を鮮明化させることもできる。
ここで、x,yは色素濃度画像上の位置、CHはH濃度値、CDABはDAB濃度値、γは所定の補正係数を意味する。
このように、第2染色領域に対し、同一位置の第1染色色素濃度に比例した加算処理を施すことにより、重染色領域における第2染色色素濃度が相対的に強調され、結果として重染色された領域が判別しやすくなる。
そして、画像処理装置40は、病理染色画像再生成モジュール46において、補正されたH濃度画像と、DAB濃度画像及びその他の成分の濃度画像とを、畳み込む(color convolution)ことにより、図5(e)に示すような補正後の病理染色画像を生成することができる。なお、補正後の病理染色画像は通常カラー画像であるが、便宜上グレースケール画像として示す。
また、画像処理装置40は、色素濃度画像補正モジュール44において、下記式(4)のような演算(減算処理)を行うことにより、H濃度画像においてDABにより染色された領域を強調することにより、重染色領域における第2染色領域を鮮明化させることもできる。
ここで、x,yは色素濃度画像上の位置、CHはH濃度値、CDABはDAB濃度値、δは所定の補正係数を意味する。
このように、第1染色領域に対し、自身の染色色素濃度と、同一位置にある第2染色色素濃度との積に比例した減算処理を施すことにより、重染色領域における第2染色色素濃度が相対的に強調され、結果として重染色された領域が判別しやすくなる。
そして、画像処理装置40は、病理染色画像再生成モジュール46において、補正されたH濃度画像と、DAB濃度画像及びその他の成分の濃度画像とを、畳み込む(color convolution)ことにより、補正後の病理染色画像を生成することができる。
なお、色素濃度画像補正モジュール44において行われる画像処理は、上記の処理に限定されるものではなく、特定領域を強調するための処理を追加することもできる。また、上記の処理における所定の補正係数α、β、γ、δは、特に限定されるものではなく、例えば、観察者の判読性に応じて適宜変更することができる。また、所定の補正係数α、β、γ、δは、機械学習による学習過程を通じて最適値を得るようにすることもできる。
このようにして得られた補正後の病理染色画像を用いて、画像処理装置40は、特定領域抽出モジュール48において、特定領域を染色した染色色素特有の色情報に基づき、特定領域を抽出する。本実施例においては、補正後の病理染色画像において、細胞核を染色したヘマトキシリン特有の色を示す領域を細胞核として抽出させる。
なお、画像処理装置40の特定領域抽出モジュール48により、補正後の病理染色画像から特定領域を抽出せずに、例えば、ディスプレイやプリンタなどの出力手段に、補正後の病理染色画像を出力するようにしてもよい。
以上、本発明の好ましい実施の態様を説明してきたが、本発明はこれに限定されることはなく、本発明の目的を逸脱しない範囲で種々の変更が可能である。
10 病理診断支援システム
20 検体染色手段
30 撮像手段
40 画像処理装置
42 色素濃度画像生成モジュール
44 色素濃度画像補正モジュール
46 病理染色画像再生成モジュール
48 特定領域抽出モジュール
20 検体染色手段
30 撮像手段
40 画像処理装置
42 色素濃度画像生成モジュール
44 色素濃度画像補正モジュール
46 病理染色画像再生成モジュール
48 特定領域抽出モジュール
Claims (19)
- 病理染色画像における特定領域を強調する画像処理装置であって、
前記病理染色画像を、染色色素毎の色素濃度画像へ分解する色素濃度画像生成モジュールと、
前記各色素濃度画像を用いて、前記特定領域を強調するための画像処理を行う色素濃度画像補正モジュールと、を備え、
前記色素濃度画像補正モジュールは、前記染色色素毎の色素の情報に相関を持たせて、前記各色素濃度画像を補正する画像処理装置。 - 前記色素濃度画像生成モジュールは、色素基底に基づいたカラーデコンボリューション(color deconvolution)の手法により各色素濃度画像を生成する請求項1に記載の画像処理装置。
- 前記色素濃度画像生成モジュールは、
前記病理染色画像において特定領域を染色する第1染色色素に基づく第1染色色素濃度画像と、
前記病理染色画像において非特定領域を染色する第2染色色素に基づく第2染色色素濃度画像と、を少なくとも含む複数の前記色素濃度画像に分解する請求項1または2に記載の画像処理装置。 - 前記色素濃度画像補正モジュールは、
前記第2染色色素濃度画像に対して、同一位置の前記第1染色色素濃度画像の色素濃度と、所定の補正係数との積を減算処理し、前記第2染色色素濃度画像を補正する請求項3に記載の画像処理装置。 - 前記色素濃度画像補正モジュールは、
前記第1染色色素濃度画像に対して、該第1染色色素濃度画像の色素濃度と、同一位置の前記第2染色色素濃度画像の色素濃度と、所定の補正係数との積を加算処理し、前記第1染色色素濃度画像を補正する請求項3に記載の画像処理装置。 - 前記色素濃度画像補正モジュールは、
前記第2染色色素濃度画像に対して、同一位置の前記第1染色色素濃度画像の色素濃度と、所定の補正係数との積を加算処理し、前記第2染色色素濃度画像を補正する請求項3に記載の画像処理装置。 - 前記色素濃度画像補正モジュールは、
前記第1染色色素濃度画像に対して、該第1染色色素濃度画像の色素濃度と、同一位置の前記第2染色色素濃度画像の色素濃度と、所定の補正係数との積を減算処理し、前記第1染色色素濃度画像を補正する請求項3に記載の画像処理装置。 - 前記所定の補正係数は、機械学習による学習過程を通じて得られた最適値である請求項4から7のいずれかに記載の画像処理装置。
- 前記色素濃度画像補正モジュールにおいて補正された前記各色素濃度画像に基づき、補正後の病理染色画像を生成する病理染色画像再生成モジュールをさらに備える請求項1から8のいずれかに記載の画像処理装置。
- 前記病理染色画像再生成モジュールにおいて生成された補正後の病理染色画像から、前記特定領域を染色した染色色素特有の色情報に基づき、前記特定領域を抽出する特定領域抽出モジュールをさらに備える請求項9に記載の画像処理装置。
- 診断を行う検体に染色を行う検体染色手段と、
染色された検体の病理染色画像を撮像する撮像手段と、
請求項1から10のいずれかに記載の画像処理装置と、を備える病理診断支援システム。 - 病理染色画像における特定領域を強調する画像処理方法であって、
前記病理染色画像を、染色色素毎の色素濃度画像へ分解する色素濃度画像生成工程と、
前記各色素濃度画像を用いて、前記特定領域を強調するための画像処理を行う色素濃度画像補正工程と、を有し、
前記色素濃度画像補正工程では、前記染色色素毎の色素の情報に相関を持たせて、前記各色素濃度画像を補正する画像処理方法。 - 前記色素濃度画像生成工程では、色素基底に基づいたカラーデコンボリューション(color deconvolution)の手法により各色素濃度画像を生成する請求項12に記載の画像処理方法。
- 前記色素濃度画像生成工程では、
前記病理染色画像において特定領域を染色する第1染色色素に基づく第1染色色素濃度画像と、
前記病理染色画像において非特定領域を染色する第2染色色素に基づく第2染色色素濃度画像と、を少なくとも含む複数の前記色素濃度画像に分解する請求項12または13に記載の画像処理方法。 - 前記色素濃度画像補正工程では、
前記第2染色色素濃度画像に対して、同一位置の前記第1染色色素濃度画像の色素濃度と、所定の補正係数との積を減算処理し、前記第2染色色素濃度画像を補正する請求項14に記載の画像処理方法。 - 前記色素濃度画像補正工程では、
前記第1染色色素濃度画像に対して、該第1染色色素濃度画像の色素濃度と、同一位置の前記第2染色色素濃度画像の色素濃度と、所定の補正係数との積を加算処理し、前記第1染色色素濃度画像を補正する請求項14に記載の画像処理方法。 - 前記色素濃度画像補正工程では、
前記第2染色色素濃度画像に対して、同一位置の前記第1染色色素濃度画像の色素濃度と、所定の補正係数との積を加算処理し、前記第2染色色素濃度画像を補正する請求項14に記載の画像処理方法。 - 前記色素濃度画像補正工程では、
前記第1染色色素濃度画像に対して、該第1染色色素濃度画像の色素濃度と、同一位置の前記第2染色色素濃度画像の色素濃度と、所定の補正係数との積を減算処理し、前記第1染色色素濃度画像を補正する請求項14に記載の画像処理方法。 - 前記所定の補正係数は、機械学習による学習過程を通じて得られた最適値である請求項15から18のいずれかに記載の画像処理方法。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/615,311 US11238268B2 (en) | 2017-07-05 | 2018-05-24 | Image processing device, image processing method, and pathological diagnosis assistance system using same |
JP2019528398A JP7215418B2 (ja) | 2017-07-05 | 2018-05-24 | 画像処理装置及び画像処理方法並びにこれを用いた病理診断支援システム |
EP18828829.4A EP3650837A4 (en) | 2017-07-05 | 2018-05-24 | IMAGE PROCESSING DEVICE, IMAGE PROCESSING METHOD, AND PATHOLOGICAL DIAGNOSIS ASSISTANCE SYSTEM USING THE SAME |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017-131770 | 2017-07-05 | ||
JP2017131770 | 2017-07-05 |
Publications (1)
Publication Number | Publication Date |
---|---|
WO2019008935A1 true WO2019008935A1 (ja) | 2019-01-10 |
Family
ID=64950791
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
PCT/JP2018/020042 WO2019008935A1 (ja) | 2017-07-05 | 2018-05-24 | 画像処理装置及び画像処理方法並びにこれを用いた病理診断支援システム |
Country Status (4)
Country | Link |
---|---|
US (1) | US11238268B2 (ja) |
EP (1) | EP3650837A4 (ja) |
JP (1) | JP7215418B2 (ja) |
WO (1) | WO2019008935A1 (ja) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100254589A1 (en) * | 2007-12-04 | 2010-10-07 | University College Dublin National University Of Ireland | Method and system for image analysis |
US20110026803A1 (en) * | 2009-07-31 | 2011-02-03 | General Electric Company | Methods and systems for digitally enhancing an image of a stained material |
JP2012122852A (ja) * | 2010-12-08 | 2012-06-28 | Olympus Corp | 画像処理装置、画像処理方法および画像処理プログラム |
JP2014002166A (ja) | 2007-09-21 | 2014-01-09 | Aperio Technologies Inc | デジタルスライド画像を表示する方法 |
JP2017509871A (ja) * | 2014-02-21 | 2017-04-06 | ベンタナ メディカル システムズ, インコーポレイテッド | バイオマーカー陽性の腫瘍細胞を識別するための医用画像解析 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5104282B2 (ja) * | 2007-12-18 | 2012-12-19 | 日本電気株式会社 | 画像補正方法および画像補正装置 |
JP6443450B2 (ja) * | 2014-09-19 | 2018-12-26 | コニカミノルタ株式会社 | 画像処理装置、画像処理方法、及びプログラム |
JPWO2018131091A1 (ja) * | 2017-01-11 | 2019-12-19 | オリンパス株式会社 | 画像処理装置、画像処理方法、及び画像処理プログラム |
-
2018
- 2018-05-24 US US16/615,311 patent/US11238268B2/en active Active
- 2018-05-24 JP JP2019528398A patent/JP7215418B2/ja active Active
- 2018-05-24 WO PCT/JP2018/020042 patent/WO2019008935A1/ja unknown
- 2018-05-24 EP EP18828829.4A patent/EP3650837A4/en not_active Withdrawn
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014002166A (ja) | 2007-09-21 | 2014-01-09 | Aperio Technologies Inc | デジタルスライド画像を表示する方法 |
US20100254589A1 (en) * | 2007-12-04 | 2010-10-07 | University College Dublin National University Of Ireland | Method and system for image analysis |
US20110026803A1 (en) * | 2009-07-31 | 2011-02-03 | General Electric Company | Methods and systems for digitally enhancing an image of a stained material |
JP2012122852A (ja) * | 2010-12-08 | 2012-06-28 | Olympus Corp | 画像処理装置、画像処理方法および画像処理プログラム |
JP2017509871A (ja) * | 2014-02-21 | 2017-04-06 | ベンタナ メディカル システムズ, インコーポレイテッド | バイオマーカー陽性の腫瘍細胞を識別するための医用画像解析 |
Also Published As
Publication number | Publication date |
---|---|
JP7215418B2 (ja) | 2023-01-31 |
JPWO2019008935A1 (ja) | 2020-05-21 |
EP3650837A1 (en) | 2020-05-13 |
EP3650837A4 (en) | 2020-05-27 |
US11238268B2 (en) | 2022-02-01 |
US20200134286A1 (en) | 2020-04-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP1978486B1 (en) | Method of image analysis based on chromogen separation | |
CN114945954A (zh) | 使用深度学习进行显微图像的数字染色的方法和系统 | |
JP4740068B2 (ja) | 画像処理装置、画像処理方法、および画像処理プログラム | |
EP3662448A1 (en) | System and method for color deconvolution of a slide image to assist in the analysis of tissue specimen | |
US9406118B2 (en) | Stain image color correcting apparatus, method, and system | |
US20220318969A1 (en) | Method for providing an image representation by means of a surgical microscope, and surgical microscope | |
JP7470339B2 (ja) | 染色画像推定器学習装置、画像処理装置、染色画像推定器学習方法、画像処理方法、染色画像推定器学習プログラム、及び、画像処理プログラム | |
WO2019008935A1 (ja) | 画像処理装置及び画像処理方法並びにこれを用いた病理診断支援システム | |
US20210174147A1 (en) | Operating method of image processing apparatus, image processing apparatus, and computer-readable recording medium | |
EP2697737B1 (en) | Method for optimization of quantitative video-microscopy and associated system | |
US11378515B2 (en) | Image processing device, imaging system, actuation method of image processing device, and computer-readable recording medium | |
JPWO2018131091A1 (ja) | 画像処理装置、画像処理方法、及び画像処理プログラム | |
CN114898862A (zh) | 基于卷积神经网络和病理切片图像的宫颈癌计算机辅助诊断方法 | |
US8295562B2 (en) | Medical image modification to simulate characteristics | |
Knapp et al. | Combined flat-field and frequency filter approach to correcting artifacts of multichannel two-photon microscopy | |
WO2022249583A1 (ja) | 情報処理装置、生体試料観察システム及び画像生成方法 | |
La et al. | UMapβ: A Semi-automatic Image Analysis Assistant Bridging the Gap between Experimentalists and Image Analysis Specialists | |
WO2023197081A1 (en) | Systems and methods for performing stain deconvolution | |
Eminizer | Correcting for Systematics in Multiplex Cancer Imaging in the AstroPath Project | |
WO2018193635A1 (ja) | 画像処理システム、画像処理方法、及び画像処理プログラム | |
Rabinovich et al. | Quantitative spectral decomposition for stained tissue analysis | |
Leea et al. | QuPath. A new digital imaging tool for geropathology |
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: 18828829 Country of ref document: EP Kind code of ref document: A1 |
|
ENP | Entry into the national phase |
Ref document number: 2019528398 Country of ref document: JP Kind code of ref document: A |
|
NENP | Non-entry into the national phase |
Ref country code: DE |
|
ENP | Entry into the national phase |
Ref document number: 2018828829 Country of ref document: EP Effective date: 20200205 |