WO2019073733A1 - 画像作成装置、画像作成方法、画像作成プログラム - Google Patents

画像作成装置、画像作成方法、画像作成プログラム Download PDF

Info

Publication number
WO2019073733A1
WO2019073733A1 PCT/JP2018/033479 JP2018033479W WO2019073733A1 WO 2019073733 A1 WO2019073733 A1 WO 2019073733A1 JP 2018033479 W JP2018033479 W JP 2018033479W WO 2019073733 A1 WO2019073733 A1 WO 2019073733A1
Authority
WO
WIPO (PCT)
Prior art keywords
detection target
component
image
measurement
measured
Prior art date
Application number
PCT/JP2018/033479
Other languages
English (en)
French (fr)
Inventor
芽実 塩田
納谷　昌之
誠 末松
Original Assignee
富士フイルム株式会社
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 富士フイルム株式会社 filed Critical 富士フイルム株式会社
Priority to JP2019547947A priority Critical patent/JP6811874B2/ja
Publication of WO2019073733A1 publication Critical patent/WO2019073733A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
    • G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
    • G01N21/65—Raman scattering

Definitions

  • the disclosed technology relates to an image creation device, an image creation method, and an image creation program.
  • Japanese Patent Application Laid-Open No. 2013-122437 discloses a technique for determining whether or not an object to be measured is cancer based on the intensity ratio of Raman bands of lipid and protein in the Raman spectrum.
  • Japanese Patent Application Laid-Open No. 2013-178232 discloses a technique for displaying an image that clearly indicates a diseased site by inputting a plurality of measured spectrum images into a classifier generated by machine learning.
  • the techniques described in Japanese Patent Application Laid-Open No. 2013-122437 and Patent Document 2 can cope with large fluctuations such as lipid or protein fluctuations.
  • the techniques described in JP-A-2013-122437 and JP-A-2013-178232 can not cope with minute changes in metabolites as compared to changes in proteins. Deterioration of the tissue form of lipids or proteins which can be dealt with by the techniques described in JP 2013-122437 A and JP 2013-178232 A is seen as a result of progression of the lesion after the metabolism of the tissue is changed. That is, even if the techniques described in Japanese Patent Application Laid-Open Nos. 2013-122437 and 2013-178232 are used, early or early diagnosis of a lesion is difficult. From the image generated by the technique described in JP-A-2013-178232, it is not possible to diagnose the initial stage of the lesion and the like.
  • the disclosed technology has been made in view of the above, and provides an image creating apparatus, an image creating method, and an image creating program that enable early diagnosis of a lesion.
  • the first aspect of the disclosure is an image creating apparatus, which is based on each spectrum obtained by individually measuring a metabolite contained in a detection target and a metabolite contained in a non-detection target other than the detection target.
  • the measurement component where the measured intensity of the spectrum has a significant difference and the detection target has a higher measured intensity than the non-detection target is stored as the detection target component, and the significant difference exists and the non-detection target is detected
  • measuring a metabolite contained in an object to be measured including both a detection target and a non-detection target in a two-dimensional region by storing a measurement component having a measurement intensity higher than the target as a non-detection target component
  • Measurement intensities corresponding to the detection target component and the non-detection target component stored in the storage unit are extracted from each of the spectra obtained in a two-dimensional distribution, and the measured intensity between the detection target component and the non-detection target component is extracted.
  • the dissimilarity is a ratio between the measured intensity corresponding to the detection target component and the measured intensity corresponding to the non-detection target component, and the pixel value may be proportional to the ratio of the measured intensities.
  • the spectrum may be a spectrum of surface-enhanced Raman scattered light.
  • the image creating apparatus of the first aspect may further include a display unit that displays a two-dimensional image.
  • the detection target is a lesion of a tissue
  • the non-detection target is a healthy portion of the tissue
  • the control unit is a portion where the pixel value is equal to or greater than a first threshold in the two-dimensional image. Can be displayed on the display as a lesion.
  • control unit sets, in the two-dimensional image, a portion having a pixel value equal to or larger than a second threshold smaller than the first threshold and smaller than the first threshold as a false positive region.
  • a portion where the pixel value is less than the second threshold can be displayed on the display unit as a healthy portion.
  • a statistical significant difference test for determining a significant difference can be performed on all measured components of the spectrum.
  • the control unit detects a component to be detected from a spectrum obtained by measuring in a two-dimensional range a metabolite contained in an analyte including both an object to be detected and an object not to be detected
  • the first measurement intensity distribution showing the two-dimensional distribution of the measurement intensities of the detection target component and the second measurement intensity showing the two-dimensional distribution of the measurement intensities of the non detection target component A distribution may be generated, and a two-dimensional distribution image may be generated using the first measured intensity distribution and the second measured intensity distribution.
  • control unit performs smoothing on the two-dimensional image using pixel values of peripheral pixels within radii of different sizes to generate a plurality of smoothed images.
  • the plurality of smoothed images may be binarized with the same measured intensity threshold to generate a plurality of binarized images, and the plurality of binarized images may be combined to generate a new two-dimensional distribution image.
  • the second aspect of the disclosure is a method for producing an image, which is based on each spectrum obtained by individually measuring the metabolite contained in the detection target and the metabolite contained in the non-detection target other than the detection target.
  • the measurement component where the measured intensity of the spectrum has a significant difference and the detection target has a higher measured intensity than the non-detection target is stored as the detection target component, and the significant difference exists and the non-detection target is detected
  • a storage step of storing in the storage unit a measurement component whose measured intensity is higher than that of a target as a non-detection target component, and measurement of metabolites contained in an object to be measured including both a detection target and a non-detection target in a two-dimensional area By extracting each of the measured intensities corresponding to the detection target component and the non-detection target component stored in the storage unit in the storage step from each spectrum obtained in a two-dimensional distribution, Beauty and creation step in which pixels having pixel values corresponding
  • the third aspect of the disclosure is an image creation program, which is based on each spectrum obtained by individually measuring the metabolite contained in the detection target and the metabolite contained in the non-detection target other than the detection target.
  • the measurement component where the measured intensity of the spectrum has a significant difference and the detection target has a higher measured intensity than the non-detection target is stored as the detection target component, and the significant difference exists and the non-detection target is detected
  • the respective measured intensities corresponding to the detection target component and the non-detection target component stored in the storage unit in the storage step are respectively extracted from the spectra obtained in two-dimensional distribution by
  • a creation step in which pixels having pixel values corresponding to the
  • a fourth aspect of the present disclosure is the information processing apparatus, wherein each spectrum obtained by individually measuring the metabolite contained in the detection target and the metabolite contained in the non-detection target other than the detection target. Based on the measured component of the measured intensity of the spectrum which has a significant difference in the measured intensity of the spectrum and whose measured intensity is higher than that of the non-detected object is stored as the detected object component.
  • Memory storing the measured component whose measured intensity is higher than the detection target in the storage unit as the non-detection target component, and a metabolite contained in the object to be measured including both the detection target and the non-detection target in a two-dimensional area
  • the measurement intensities corresponding to the detection target component and the non-detection target component stored in the storage unit in the storage step are respectively extracted from the spectra obtained in a two-dimensional distribution by measuring And having a processor pixels having pixel values to create a two-dimensional image that is distributed in two dimensions corresponding to the difference of the measurement strength between the non-detection object component.
  • a two-dimensional image in which variations in metabolites are taken into consideration is generated, which enables early diagnosis of a lesion.
  • FIG. 1 is a schematic diagram showing an imaging system employing a time-of-flight mass spectrometer as the measurement device.
  • FIG. 1 is a schematic view showing the configuration of an image creating system according to the embodiment.
  • the imaging system includes a measuring device 100 and an imaging device 200.
  • the measuring apparatus 100 is an apparatus for irradiating the object to be measured 300 with laser light and acquiring a spectrum of surface enhanced Raman scattered light derived from a metabolite of the object to be measured 300.
  • the object to be measured 300 is a living tissue including, for example, lesions such as cancer, polyps, infectious abscesses, liver cirrhosis, benign tumors of the skin, sarcomas, interstitial tumors or hematologic malignancies.
  • the object to be measured 300 may be a living tissue including a parasite, a fungus or a microorganism, or a parasite, a fungus or a microorganism itself. In the present embodiment, a case where the object to be measured 300 is a living tissue including a lesion site will be described as an example.
  • the measuring apparatus 100 includes a laser light source 101, a lens 102, a beam splitter 103, a mirror 104, an objective lens 105, an optical electric field enhancing device 106, a mounting table 107, a long pass filter 108, a lens 109, an optical fiber 110, and a spectroscope 111.
  • the laser light source 101 emits a laser beam.
  • the lens 102 collimates the laser light emitted by the laser light source 101.
  • the beam splitter 103 reflects parallel light.
  • the mirror 104 reflects parallel light toward the object to be measured 300.
  • the objective lens 105 focuses the collimated light onto the optical field enhancement device 106.
  • the optical electric field enhancement device 106 is configured to generate surface enhanced Raman scattered light, and enhances Raman scattered light derived from a metabolite that has leaked from the surface of a living tissue by irradiating the object 300 with laser light.
  • the mounting table 107 is a table on which the device under test 300 held by the photoelectric field enhancement device 107 is mounted.
  • the mounting table 107 is freely movable in the XY plane, ie, in the horizontal plane, and can measure an arbitrary position of the object to be measured 300 by changing the position where the laser light is collected on the object to be measured 300. Do.
  • the measurement apparatus 100 can acquire the two-dimensional distribution of surface-enhanced Raman scattered light by performing measurement while scanning the mounting table 107 with respect to the laser light.
  • the surface enhanced Raman scattering light passes through the objective lens 105, is reflected by the mirror 104, passes through the beam splitter 103, and is incident on the long pass filter 108.
  • the long pass filter 108 transmits only longer wavelengths than the excitation light.
  • the lens 109 causes the light transmitted through the long pass filter 108 to enter the optical fiber 110.
  • the optical fiber 110 guides the light to the spectroscope 111.
  • the spectrometer 111 splits the light to obtain a spectrum of surface enhanced Raman scattered light.
  • the spectrum has a Raman shift value (cm -1 ) as a measurement component depending on the measurement apparatus 100 and a measurement intensity (arbitrary unit: a. U.) Of surface enhanced Raman scattered light. Show the relationship between The spectrum acquired by the measuring device 100 is input to the image creating device 200.
  • the image generator 200 processes the spectrum of the surface enhanced Raman scattered light.
  • FIG. 2 is a block diagram showing an electrical configuration of the image creating apparatus according to the embodiment.
  • the image creating apparatus 200 is configured of a computer provided with a CPU (Central Processing Unit), a semiconductor memory, and the like.
  • CPU Central Processing Unit
  • semiconductor memory and the like.
  • the image creating apparatus 200 includes an input unit 201, a storage unit 202, an operation unit 203, a display unit 204, and a control unit 205.
  • the input unit 201 is an interface for inputting the spectrum of surface-enhanced Raman scattered light measured by the measuring apparatus 100.
  • the storage unit 202 includes a read only memory (ROM), a random access memory (RAM), a flash memory, a hard disk and the like, and temporarily or permanently stores various data.
  • ROM read only memory
  • RAM random access memory
  • flash memory a hard disk and the like
  • the storage unit 202 stores data necessary for analysis of the spectrum of the surface enhanced Raman scattered light and data of the spectrum to be analyzed.
  • the operation unit 203 includes a mouse, a keyboard, and the like, and receives various necessary data and various operations by the user.
  • the display unit 204 includes, for example, a liquid crystal display or the like, and displays an analysis result of the spectrum of the surface enhanced Raman scattered light or an image or the like that clearly indicates a lesion.
  • the display unit 204 may be configured by a touch panel display and used as the operation unit 203.
  • the control unit 205 is a CPU that controls the entire image creating apparatus 200.
  • the control unit 205 analyzes the spectrum of the surface enhanced Raman scattered light, and uses the analysis result to create an image that clearly indicates a lesion in a living tissue.
  • a measurement component (hereinafter referred to as a detection target component) whose measured intensity is high in a lesion area to be detected as compared to a healthy area, and a measurement component whose measurement intensity is high in a healthy area compared to the lesion area ( Hereinafter, it extracts the non-detection target component).
  • FIG. 3 is a flowchart showing a flow of determination processing for determining the detection target component and the non-detection target component.
  • FIG. 4 is a diagram showing an example of spectra of a healthy part and a lesion part
  • FIG. 5 is a diagram showing an example of a detection target component and a non-detection target component extracted by the judgment processing.
  • the determination process is executed by the control unit 205 which is a CPU reading a program.
  • the control unit 205 of the image creating apparatus 200 inputs the spectrum of the surface enhanced Raman scattered light of the object to be measured 300 by the input unit 201 (step S101).
  • the spectrum of the surface-enhanced Raman scattered light to be input is a spectrum acquired by the measuring apparatus 100.
  • the measuring apparatus 100 separately measures each of the living tissue known as the lesion and the living tissue known as the healthy region, and is included in the lesion.
  • the spectrum derived from the metabolite and the spectrum derived from the metabolite contained in the healthy part are input to the image creating apparatus 200.
  • the input spectrum is used for the statistical significant difference test described later.
  • the spectrum derived from the metabolite contained in the lesion area and the spectrum derived from the metabolite contained in the healthy area may each be one. However, in order to improve the accuracy, it is preferable that five or more spectra are input to the image creating apparatus 200 in the affected area and the healthy area, respectively. Here, in order to acquire five or more spectra, five or more samplings are required. When multiple samplings are performed, different parts of the same living tissue may be measured, or living tissues of different individuals may be measured. As a result of sampling multiple times, the spectra derived from the metabolite contained in the lesion area are averaged, and the spectra derived from the metabolite contained in the healthy region are further averaged.
  • the control unit 205 of the image creating apparatus 200 substitutes 1 into i as an initial value (step S102).
  • i indicates the order in the arrangement of the measurement components of the spectrum.
  • the spectrum of the surface enhanced Raman scattering light is ranked from 1 in ascending order of the Raman shift value, for example, because the Raman shift value is the measurement component.
  • the control unit 205 performs a statistical significant difference test of the lesion area and the healthy area in the i-th measurement component (step S103).
  • the average of the spectrum derived from the metabolite contained in the lesion area input in step S101 and the average of the spectrum derived from the metabolite contained in the healthy area are shown, for example, in FIG.
  • the spectra obtained by irradiating the laser light to 50 different places of the lesion of 7 different individuals were averaged to obtain the spectrum of the lesion.
  • the spectrum of the healthy part shown in FIG. 4 was also obtained by measuring seven different individuals at 50 points as in the case of the lesion part.
  • the wavelength of the laser light was 785 nm
  • the power was 1 mW
  • the integration time of the irradiation was 10 s.
  • a Raman spectrum is acquired over a region of a Raman shift value of 0 to 2000 cm ⁇ 1 by a spectrometer QE65000 manufactured by Ocean Optics.
  • the spectra of the lesion area and the healthy area are shown without overlapping for the sake of clarity, but in fact, the measured intensities are similar and overlap in many measured components.
  • the control unit 205 performs, for example, a T test as a statistical significant difference test, and determines that there is a significant difference if the p value is less than 0.05 (the probability that the lesion part and the healthy part are the same is less than 5%). .
  • the control unit 205 determines whether a significant difference can be seen in the measurement component i as a result of performing a statistical significant difference test on the spectrum as shown in FIG. 4 (step S104). If no significant difference is found (step S104: NO), the control unit 205 proceeds to the process of step S108.
  • step S104 determines whether a significant difference is found (step S104: YES). If a significant difference is found (step S104: YES), the control unit 205 determines whether the measured intensity of the lesion is larger than the measured intensity of the healthy region in the measurement component i (Raman shift value) where the significant difference is found. (Step S105). When the intensity of the lesion is larger than the intensity of the healthy region (step S105: YES), the control unit 205 stores the measurement component i as a Raman shift value in which the lesion to be detected has a large significant difference as the measurement intensity. It stores in the unit 202 (step S106).
  • step S105 when the strength of the affected area is not greater than the strength of the healthy area (step S105: NO), the control unit 205 causes the measurement component i to be a Raman that the healthy area that is not detected has a large significant difference as the measured intensity.
  • the shift value is stored in the storage unit 202 as a shift value (step S107).
  • the control unit 205 determines whether or not the determination of the presence or absence of a significant difference is completed for all of the measurement components (step S108).
  • all the measurement components are measurement components of the whole range of the Raman shift value of the inputted spectrum. For example, when the Raman shift value of the input spectrum is 0 to 2000 cm ⁇ 1 , the control unit 205 sets all values in this range as measurement components. This allows statistical significance tests to be performed on signals derived from any metabolite without being limited to signals derived from specific metabolites such as glutathione and taurine.
  • step S108 If all the measured components have not ended (step S108: NO), the control unit 205 increments i by 1 (step S109), and returns to the process of step S103. If all of the measured components have ended (step S108: YES), the control unit 205 ends the process.
  • FIG. 6 is a flowchart showing the flow of an image creation process for creating an image that clearly shows the detection target in a living tissue.
  • FIG. 7 is a view showing an image in which a non-detection target component and a detection target component are extracted from the spectrum of the two-dimensional distribution.
  • FIG. 8 is a view showing an image generated based on the degree of difference between the detection target component and the non-detection target component.
  • FIG. 9 is a transmission microscope image of a measurement range of a biological tissue section used in the process of FIG.
  • the image creation process is executed by the control unit 205, which is a CPU, reading a program.
  • the control unit 205 of the image creating apparatus 200 inputs the spectrum of the surface enhanced Raman scattered light of the object to be measured 300 through the input unit 201 (step S201).
  • step S201 unlike in step S101, a spectrum obtained from an object to be measured 300 including both a lesion to be detected and a healthy part to be non-detected is input.
  • An object to be measured 300 is placed on the mounting table 107, and measurement is performed while scanning the laser light two-dimensionally, whereby a two-dimensionally distributed spectrum is input to the input unit 201.
  • the control unit 205 substitutes 1 as an initial value of the measurement component i (step S202).
  • the control unit 205 determines whether the measurement component i is the non-detection target component stored in step S107 (step S203).
  • the control unit 205 creates an image (second measurement intensity distribution) of the non-detection target component (step S204).
  • the image of the non-detection target component is a two-dimensional image created by extracting only measured intensities corresponding to the non-detection target component from the spectrum of the two-dimensional distribution.
  • the image of the non-detection target component is a two-dimensional image in which each point (position) at which the spectrum is distributed is represented as a pixel having a pixel value proportional to the extracted measured intensity.
  • an image as shown in the upper part of FIG. 7 is created.
  • the pixel value may be luminance, lightness or density. In the present embodiment, pixel values are represented as luminance.
  • step S203 determines whether the measurement component i is the detection target component stored in step S106 (step S205).
  • the control unit 205 creates an image (first measurement intensity distribution) of the detection target component (step S206).
  • the image of the detection target component is a two-dimensional image created by extracting only the measurement intensity corresponding to the detection target component from the spectrum of the two-dimensional distribution.
  • the image of the detection target component is a two-dimensional image in which each point (position) at which the spectrum is distributed is represented as a pixel having a pixel value proportional to the extracted measured intensity.
  • step S206 an image as shown in the lower part of FIG. 7 is created. In the present embodiment, pixel values are represented as luminance.
  • step S205 If the measurement component i is not a detection target component (step S205: NO), the control unit 205 discards the measurement component i (step S207), and proceeds to the process of step S208.
  • the control unit 205 determines whether all the measurement components have been matched with the measurement components stored in the storage unit 202 (step S208). If all the measured components have not ended (step S208: NO), the control unit 205 increments i by 1 (step S209), and returns to the process of step S203.
  • step S210 the control unit 205 averages the images of all the detection target components created in step S206 (step S210). The average is to superimpose the images of all the detection target components, to calculate the average value of the luminance of the pixels at the same position, and to create an image having pixels of the calculated average value.
  • the control unit 205 averages the images of all the non-detection target components created in step S204, as in step S210 (step S211).
  • the control unit 205 creates a two-dimensional image having pixel values proportional to the degree of difference between the average image of the detection target component created in step S210 and the average image of the non-detection target component created in step S211 (step S212). ). Specifically, the control unit 205 compares the pixels at the same position of the average image of the detection target component and the average image of the non-detection target component to calculate the degree of difference.
  • the degree of difference is, for example, a ratio obtained by dividing the luminance of the pixel of the detection target component by the luminance of the pixel of the non-detection target component.
  • the measured intensity of the spectrum is converted to the luminance of the pixel in steps S204 and S206.
  • the luminance of the pixel is proportional to the measured intensity
  • the ratio of the luminance is determined as the difference degree as described above, the ratio of the measured intensity is indirectly determined.
  • the luminance of the pixel of the non-detection target component may be divided by the luminance of the pixel of the detection target component.
  • the degree of difference may be obtained by subtracting the other of the luminance of the pixel of the non-detection target component and the luminance of the pixel of the detection target component.
  • step S212 a ratio obtained by dividing the luminance of the pixel of the detection target component by the luminance of the pixel of the non-detection target component is calculated, and a two-dimensional image having pixel values proportional to the calculated ratio is generated.
  • An image D as shown in 8 is obtained.
  • the image D shown in FIG. 8 can be displayed on the display unit 204.
  • the image O of the microphotograph of the living tissue shown in FIG. 9 it can be seen that only the lesion A to be detected is explicitly shown in the image D shown in FIG. In the image O shown in FIG. 9, it is difficult to distinguish between the lesion A and the blood vessel V.
  • the blood vessel V not to be detected is not displayed as bright as the lesion A. Furthermore, in the image D shown in FIG. 8, the periphery of the lesion area A is drawn brighter than the healthy area N. That is, in the image D shown in FIG. 8, a state is shown in which the metabolic change has started to occur in the healthy portion N due to the progress of the lesion even before the cell form still has a difference.
  • the imaging system detects surface enhanced Raman scattered light from the metabolite contained in the object to be measured, acquires a spectrum from the surface enhanced Raman scattered light, and is shown in FIG. Create a two-dimensional image like this. Therefore, the image creating apparatus 200 can create a two-dimensional image in which the variation of a very small amount of metabolite is added in comparison with the variation of protein etc., and the lesion can be clearly indicated. The user can explicitly confirm the lesion. In addition, in the early or early stages of the lesion, the user can diagnose the lesion at an early stage, because the variation of the metabolite can be imaged as it is not found in the protein or the like.
  • step S204 and step S206 the measured intensity is converted into luminance to create an image.
  • steps S204 and S206 it is not necessary to create an image converted to luminance.
  • the measured intensities extracted from the detection target component and the non-detection target component are stored as two-dimensional measured intensity distributions (first measured intensity distribution and second measured intensity distribution).
  • step S210 and step S211 an average two-dimensional distribution is created by averaging the measured intensity distribution of the detection target component and the measured intensity distribution of the non-detection target component.
  • step S212 at each point in the average two-dimensional distribution, pixels having luminance proportional to the ratio of the measurement intensity between the detection target component and the non-detection target component are created, and a two-dimensional image is created.
  • a two-dimensional image is created in order to make it easy for the user to confirm the detection target (lesion).
  • processing is added to further facilitate confirmation by the user or to enable detection of a detection target by a computer.
  • FIG. 10 is a flow chart showing the flow of area division processing for dividing the detection target and the non-detection target into areas.
  • FIG. 11 is a diagram showing an example of an image divided into regions. The area division processing is executed by the control unit 205 which is a CPU reading a program.
  • control unit 205 of the image creating apparatus 200 inputs the two-dimensional image created in step S212 of FIG. 6 to the input unit 201 (step S301).
  • step S301 can be omitted when continuing from FIG.
  • the control unit 205 sets a threshold (step S302).
  • the threshold can be set, for example, as an average value of the luminance of all pixels of the two-dimensional image.
  • the threshold can be set, for example, as an average value of the luminance of all pixels of the two-dimensional image.
  • the control unit 205 outputs an area (pixel) having luminance equal to or higher than the set threshold as a detection target, and outputs an area (pixel) having luminance lower than the threshold as a non-detection target (step S303). Specifically, the control unit 205 sets, for example, white pixels having brightness equal to or higher than the threshold value and black pixels having brightness lower than the threshold value. When the pixels are binarized with white and black, for example, an image B1 of FIG. 11 is created as a binarized image. The lesion area to be detected is expressed as a white area, and the healthy area to be non-detection object is expressed as a black area.
  • Image O of FIG. 11 is a transmission microscope picture of a biological tissue section similar to that of FIG.
  • the image O and the image B1 are compared, it can be seen that the lesion A is clearly shown in the image B1.
  • the blood vessel V is expressed in black similarly to the healthy area N, and the blood vessel V is completely distinguished from the lesion area A.
  • the metabolite contained in the blood vessel V is not a target of detection in the processing shown in FIG. 3 and is not a target of examination of a significant difference. Therefore, the blood vessel V is not represented at all in the image B1.
  • both the lesion area A and the blood vessel V are displayed brighter than the healthy area N, and it is difficult to distinguish between the two.
  • the threshold value is an average value of the luminances of all pixels of the two-dimensional image input in step S301.
  • the threshold can be set according to various ideas. For example, the threshold can be set to 60% of the average value of the luminance of all pixels of the two-dimensional image.
  • an image B2 of FIG. 11 is obtained.
  • the image B2 is compared with the image B1, it can be seen that the white area is expanded as the threshold value is lowered.
  • a spectrum derived from a metabolite can be viewed in the process shown in FIG. 3, and minute changes in the metabolite can be measured.
  • the threshold By lowering the threshold, it is also possible to express changes in metabolites smaller than that of the lesion A.
  • An area where such a change occurs is, for example, a false positive area T which is suspected to be positive.
  • the false positive area T it is considered that a change smaller than and equal to the lesion A is occurring. Therefore, it is preferable that the false positive area T is expressed as an area that may be altered to a lesion.
  • the lesion A and the false positive area T can not be distinguished. Therefore, it is possible to prepare two threshold values at an average value of the luminances of all pixels of the two-dimensional image and further at 60% of the average value.
  • the control unit 205 renders pixels whose brightness is equal to or more than the average value white, and pixels whose brightness is less than the average value and equal to or more than 60% of the average value is gray and pixels less than 60% are black. Do.
  • an image B3 is obtained. In the image B3, the lesion area A and the false positive area T are displayed separately.
  • the setting of the threshold may be set by any other method. Instead of the average value of the luminance, it may be set as a percentage of the maximum luminance (for example, 50% of the maximum luminance).
  • the Triangle method Zack GW. Rogers We, Latt SA (1977), "Automatic measurement of sister chromaticd exchange frequency" or Otsu's binarization (Otsu, N (1979), "A threshold selection method from gra A threshold setting method such as -level histograms "
  • any threshold setting method listed at https://imagej.net/Auto_Threshold can be used.
  • noise In the first and second embodiments, no particular consideration is given to noise. In the third embodiment, an embodiment will be described in which noise is removed to facilitate confirmation by the user.
  • FIG. 12 is a flowchart showing the flow of the noise removal process.
  • FIG. 13 is a diagram showing an example of an image generated according to the flowchart of FIG.
  • the noise removal process is executed by the control unit 205, which is a CPU, reading a program.
  • the control unit 205 of the image creating apparatus 200 inputs the two-dimensional image created in step S212 of FIG. 6 to the input unit 201 (step S401).
  • step S401 can be omitted when continuing from FIG.
  • the control unit 205 performs smoothing with the first filter to create a first smoothed image (step S402).
  • the first filter is, for example, a median filter with a radius of 1 pixel.
  • the first filter having a radius of one pixel includes nine pixels because it includes one pixel all around the center pixel of the filter.
  • the control unit 205 scans the two-dimensional image nine pixels at a time by the first filter, and replaces the average value of the luminance of nine pixels in the filter with the luminance of the central pixel. Thereby, as shown in FIG. 13, the image F1 is obtained from the original two-dimensional image D.
  • the control unit 205 further binarizes the image F1 with a threshold to create a binarized image (step S403).
  • the threshold can be set by the method described in the second embodiment.
  • the threshold is set, for example, by the Triangle method. By the binarization, an image of FB1 in FIG. 13 is obtained.
  • the control unit 205 performs smoothing with the second filter to create a second smoothed image (step S404).
  • the second filter is, for example, a median filter having a radius of 2 pixels.
  • the second filter having a radius of 2 pixels includes 25 pixels because it includes 2 pixels all around the center pixel of the filter.
  • the control unit 205 scans the two-dimensional image every 25 pixels by the second filter, and replaces the average value of the luminance of 25 pixels in the filter with the luminance of the central pixel. Thereby, as shown in FIG. 13, an image F2 is obtained from the original two-dimensional image D.
  • the control unit 205 further binarizes the image F2 with a threshold to create a binarized image (step S405).
  • the threshold can be set by the method described in the second embodiment.
  • the threshold is set, for example, by the Triangle method.
  • Steps S404 and S405 may be performed in parallel with steps S402 and S403, or may be performed before steps S402 and S403.
  • the control unit 205 superimposes the binarized image FB1 and the image FB2 under the AND condition (step S406).
  • the superposition processing under the AND condition in the image FB1 and the image FB2, assuming that the black pixel is 1 and the white pixel is 0 and at least one of the pixels at the same position is 1, 1 and both pixels at the same position are 0 If 0, a new composite image C is created.
  • the composite image C is compared to the image FB1.
  • a salt-like noise SP salt and pepper noise
  • the noise SP is removed by combining the image FB1 with the image FB2.
  • the composite image C is compared with the image FB2. It can be seen that in the image FB2, the area of the lesion A is more extensive than the image C. That is, in the image C, the blur of the image is small.
  • FIG. 13 shows, as a reference, an image H in which a lesion area is drawn by looking at the image O of the electron micrograph shown in FIG. 9 by the doctor.
  • the correct answer rate was as good as 85%.
  • a median filter is effective for the salt-like and pepper-like noise SP as shown in the image FB1.
  • the type of filter to be applied may be changed according to the type of noise to be removed.
  • the radius of the filter is set to one pixel and two pixels has been described, it may be changed as appropriate in consideration of the measurement resolution.
  • an apparatus for acquiring the spectrum of surface enhanced Raman scattering light derived from a metabolite is employed as the measuring apparatus 100.
  • other devices may be adopted as long as they can measure at least a metabolite contained in the detection target.
  • a time-of-flight mass spectrometer can be employed as a measuring device.
  • FIG. 14 is a schematic view showing an imaging system adopting a time-of-flight mass spectrometer as a measurement device.
  • the time-of-flight mass spectrometer 400 includes a laser light source 401, a lens 402, a conductive plate 403, a voltage application unit 404, an extraction electrode 405, an end plate 406, an ion detection unit 407 and an amplification amplifier 408. Have.
  • a laser light source 401 emits laser light for ionization.
  • the lens 402 condenses the laser light emitted by the laser light source 401 onto the object to be measured 300. By focusing the laser light on the object to be measured 300, ions derived from the metabolite contained in the object to be measured 300 are generated.
  • the conductive plate 403 is a conductive plate on which the object to be measured 300 is placed.
  • the voltage application unit 404 applies a voltage to the conductive plate.
  • the extraction electrode 405 is a grounded electrode.
  • Ions derived from the metabolite generated by the laser light irradiation are accelerated by the potential difference between the voltage application part 404 and the extraction electrode 405, and are induced in the end plate 406.
  • the end plate 406 guides the ions to the ion detection unit 407.
  • the ion detection unit 407 detects ions flying in the end plate 406 at a constant speed according to the mass.
  • the amplification amplifier 408 amplifies the detection result of the ions by the ion detection unit 407 and inputs the result to the image forming apparatus 200.
  • a mass spectrum is obtained from the detection results of the ions.
  • the mass spectrum shows the measured intensity for each m / z value which is the measured component (horizontal axis).
  • the measured components in the first to third embodiments are Raman shift values, whereas the measured components in the fourth embodiment are m / z values related to mass.
  • the measurement component is different, even if the measurement component is m / z, the flowchart shown in FIG. 3 can be applied to identify the detection target component and the non-detection target component having the unit of m / z. Therefore, even when the time-of-flight mass spectrometer 400 is employed, as shown in the first to third embodiments, the detection target component and the non-detection target component are used as shown in FIG. 6, FIG. 10, and FIG. Processing can be applied.
  • processors other than the CPU may execute the determination process, the area division process, the image creation process, and the noise removal process executed by the CPU reading the software (program) in each of the above embodiments.
  • a processor in this case, in order to execute specific processing such as PLD (Programmable Logic Device) or ASIC (Application Specific Integrated Circuit) whose circuit configuration can be changed after manufacturing an FPGA (Field-Programmable Gate Array) or the like.
  • PLD Programmable Logic Device
  • ASIC Application Specific Integrated Circuit
  • FPGA Field-Programmable Gate Array
  • a dedicated electric circuit or the like which is a processor having a circuit configuration specially designed is exemplified.
  • the distribution derivation process and the probability derivation process may be performed by one of these various processors, or a combination of two or more processors of the same or different types (for example, a plurality of FPGAs and a CPU) It may be executed in combination with an FPGA).
  • the hardware-like structure of these various processors is, more specifically, an electric circuit in which circuit elements such as semiconductor elements are combined.
  • the aspect in which the programs of the determination processing, the area division processing, the image creation processing, and the noise removal processing are stored (installed) in the storage unit 202 in advance has been described.
  • the program is recorded on a non-transitory recording medium such as a compact disk read only memory (CD-ROM), a digital versatile disk read only memory (DVD-ROM), and a universal serial bus (USB) memory. It may be provided in a form. Also, the program may be downloaded from an external device via a network.

Landscapes

  • Health & Medical Sciences (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)

Abstract

画像作成装置は、検出対象に含まれる代謝物と検出対象以外の非検出対象に含まれる代謝物とを各々個別に測定して得られた各スペクトルに基づいて、スペクトルの測定強度に有意差があり、かつ検出対象の方が非検出対象よりも測定強度が高くなる測定成分を検出対象成分として記憶し、有意差があり、かつ非検出対象の方が検出対象よりも測定強度が高くなる測定成分を非検出対象成分として記憶する記憶部と、検出対象および非検出対象の両方を含む被測定物に含まれる代謝物を二次元の領域で測定することにより二次元に分布して得られる各スペクトルから、記憶部に記憶された検出対象成分および非検出対象成分に対応する測定強度を各々抽出し、検出対象成分および非検出対象成分間における測定強度の相違度に対応する画素値を有する画素が二次元に分布された二次元画像を作成する制御部と、を含む。

Description

画像作成装置、画像作成方法、画像作成プログラム
　本願は２０１７年１０月１２日出願の日本出願第２０１７－１９８８４９号の優先権を主張すると共に、その全文を参照により本明細書に援用する。　開示の技術は、画像作成装置、画像作成方法、画像作成プログラムに関する。
　近年、人体の細胞を測定し、測定結果から疾患部位を明示する画像を作成および表示して、ユーザによる疾患部位の検出を支援する技術が知られている。
　たとえば、特開２０１３－１２２４３７号公報には、ラマンスペクトルにおける脂質とたんぱく質とのラマンバンドの強度比から、被測定物が癌か否かを判断する技術が開示されている。また、特開２０１３－１７８２３２号公報には、複数の測定スペクトル画像を機械学習により生成した識別器に入力することにより、疾患部位を明示する画像を表示する技術が開示されている。
特開２０１３－１２２４３７号公報 特開２０１３－１７８２３２号公報
　特開２０１３－１２２４３７号公報および特許文献２記載の技術は、脂質またはたんぱく質の変動のような大きな変動には対応できる。しかし、特開２０１３－１２２４３７号公報および特開２０１３－１７８２３２号公報記載の技術では、たんぱく質の変動に比べて微小な代謝物の変動には対応できない。特開２０１３－１２２４３７号公報および特開２０１３－１７８２３２号公報記載の技術により対応できる脂質またはたんぱく質の組織形態の変質は、組織の代謝が変動した後に病変が進行した結果として見られる。つまり、特開２０１３－１２２４３７号公報および特開２０１３－１７８２３２号公報記載の技術を利用しても、病変の初期あるいは早期の診断が難しい。特開２０１３－１７８２３２号公報記載の技術により生成した画像から、病変の初期等の診断はできない。
　開示の技術は、上記の点に鑑みてなされたものであり、病変の早期の診断を可能とする画像作成装置、画像作成方法および画像作成プログラムを提供する。
　開示の第一態様は、画像作成装置であって、検出対象に含まれる代謝物と検出対象以外の非検出対象に含まれる代謝物とを各々個別に測定して得られた各スペクトルに基づいて、スペクトルの測定強度に有意差があり、かつ検出対象の方が非検出対象よりも測定強度が高くなる測定成分を検出対象成分として記憶し、有意差があり、かつ非検出対象の方が検出対象よりも測定強度が高くなる測定成分を非検出対象成分として記憶する記憶部と、検出対象および非検出対象の両方を含む被測定物に含まれる代謝物を二次元の領域で測定することにより二次元に分布して得られる各スペクトルから、記憶部に記憶された検出対象成分および非検出対象成分に対応する測定強度を各々抽出し、検出対象成分および非検出対象成分間における測定強度の相違度に対応する画素値を有する画素が二次元に分布された二次元画像を作成する制御部と、を含む。
　上記第一態様の画像作成装置において、相違度は、検出対象成分に対応する測定強度と非検出対象成分に対応する測定強度との比であり、画素値は、測定強度の比に比例しうる。
　上記第一態様の画像作成装置において、スペクトルは、表面増強ラマン散乱光のスペクトルでありうる。
　上記第一態様の画像作成装置は、二次元画像を表示する表示部を更に含みうる。
　上記第一態様の画像作成装置において、検出対象は組織の病変部であり、非検出対象は組織の健常部であり、制御部は、二次元画像において、画素値が第１の閾値以上の箇所を病変部として表示部に表示させうる。
　上記第一態様の画像作成装置において、制御部は、二次元画像において、画素値が第１の閾値よりも小さい第２の閾値以上であって第１の閾値未満の箇所を疑陽性領域とし、画素値が第２の閾値未満の箇所を健常部として表示部に表示させうる。
　上記第一態様の画像作成装置において、有意差を判断するための統計的有意差検定は、スペクトルの全測定成分に対して行われうる。
　上記第一態様の画像作成装置において、制御部は、検出対象および非検出対象の両方を含む被測定物に含まれる代謝物を二次元の範囲で測定して得られるスペクトルから、検出対象成分および非検出対象成分の測定強度を各々抽出し、検出対象成分の測定強度の二次元分布を示す第１の測定強度分布と、非検出対象成分の測定強度の二次元分布を示す第２の測定強度分布とを各々生成し、第１の測定強度分布と第２の測定強度分布を用いて二次元分布画像を作成しうる。
　上記第一態様の画像作成装置において、制御部は、二次元画像に対し、異なる複数の大きさの半径内の周辺画素の画素値を用いて円滑化を施して複数の円滑化画像を生成し、複数の円滑化画像を、同じ測定強度の閾値により二値化して複数の二値化画像を生成し、複数の二値化画像を組み合わせて新たな二次元分布の画像を生成しうる。
　開示の第二態様は、画像作成方法であって、検出対象に含まれる代謝物と検出対象以外の非検出対象に含まれる代謝物とを各々個別に測定して得られた各スペクトルに基づいて、スペクトルの測定強度に有意差があり、かつ検出対象の方が非検出対象よりも測定強度が高くなる測定成分を検出対象成分として記憶し、有意差があり、かつ非検出対象の方が検出対象よりも測定強度が高くなる測定成分を非検出対象成分として記憶部に記憶する記憶ステップと、検出対象および非検出対象の両方を含む被測定物に含まれる代謝物を二次元の領域で測定することにより二次元に分布して得られる各スペクトルから、記憶ステップにおいて記憶部に記憶された検出対象成分および非検出対象成分に対応する測定強度を各々抽出し、検出対象成分および非検出対象成分間における測定強度の相違度に対応する画素値を有する画素が二次元に分布された二次元画像を作成する作成ステップと、を含みうる。
　開示の第三態様は、画像作成プログラムであって、検出対象に含まれる代謝物と検出対象以外の非検出対象に含まれる代謝物とを各々個別に測定して得られた各スペクトルに基づいて、スペクトルの測定強度に有意差があり、かつ検出対象の方が非検出対象よりも測定強度が高くなる測定成分を検出対象成分として記憶し、有意差があり、かつ非検出対象の方が検出対象よりも測定強度が高くなる測定成分を非検出対象成分として記憶部に記憶する記憶ステップと、検出対象および非検出対象の両方を含む被測定物に含まれる代謝物を二次元の領域で測定することにより二次元に分布して得られる各スペクトルから、記憶ステップにおいて記憶部に記憶された検出対象成分および非検出対象成分に対応する測定強度を各々抽出し、検出対象成分および非検出対象成分間における測定強度の相違度に対応する画素値を有する画素が二次元に分布された二次元画像を作成する作成ステップと、をコンピュータに実行させうる。
　また、本開示の第四態様は、情報処理装置であって、検出対象に含まれる代謝物と検出対象以外の非検出対象に含まれる代謝物とを各々個別に測定して得られた各スペクトルに基づいて、スペクトルの測定強度に有意差があり、かつ検出対象の方が非検出対象よりも測定強度が高くなる測定成分を検出対象成分として記憶し、有意差があり、かつ非検出対象の方が検出対象よりも測定強度が高くなる測定成分を非検出対象成分として記憶部に記憶するメモリと、検出対象および非検出対象の両方を含む被測定物に含まれる代謝物を二次元の領域で測定することにより二次元に分布して得られる各スペクトルから、記憶ステップにおいて記憶部に記憶された検出対象成分および非検出対象成分に対応する測定強度を各々抽出し、検出対象成分および非検出対象成分間における測定強度の相違度に対応する画素値を有する画素が二次元に分布された二次元画像を作成するプロセッサと、を有する。
　開示の技術によれば、代謝物の変動を考慮した二次元画像を作成するので、病変の早期の診断を可能とする。
実施形態に係る画像作成システムの構成を示す概略図である。 実施形態に係る画像作成装置の電気的な構成を示すブロック図である。 検出対象成分と非検出対象成分を判断する判断処理の流れを示すフローチャートである。 健常部と病変部のスペクトルの例を示す図である。 判断処理によって抽出された検出対象成分および非検出対象成分の例を示す図である。 生体組織における検出対象を明示する画像を作成する、画像作成処理の流れを示すフローチャートである。 二次元分布のスペクトルから、非検出対象成分および検出対象成分を抽出した画像を示す図である。 検出対象成分と非検出対象成分の相違度に基づいて生成した画像を示す図である。 図６の処理に用いた生体組織切片の測定範囲を、透過顕微鏡で写した透過顕微鏡像を示す図である。 検出対象および非検出対象を領域分けする領域分け処理の流れを示すフローチャートである。 領域分けした画像の例を示す図である。 ノイズ除去処理の流れを示すフローチャートである。 図１２のフローチャートに従って生成される画像の例を示す図である。 飛行時間型質量分析装置を測定装置として採用する画像作成システムを示す概略図である。
　以下、開示の技術の実施形態の一例を、図面を参照しつつ説明する。なお、各図面において同一または等価な構成要素および部分には同一の参照符号を付与している。また、図面の寸法比率は、説明の都合上誇張されており、実際の比率とは異なる場合がある。
　（第１実施形態）
　図１は、実施形態に係る画像作成システムの構成を示す概略図である。
　図１に示すように、画像作成システムは、測定装置１００および画像作成装置２００を含む。測定装置１００は、被測定物３００に対して、レーザ光を照射し、被測定物３００の代謝物由来の表面増強ラマン散乱光のスペクトルを取得する装置である。被測定物３００は、たとえば、癌、ポリープ、感染性膿瘍、肝硬変、皮膚の良性腫瘍、肉腫、間質性腫瘍または造血器腫瘍などの病変部を含む生体組織である。被測定物３００は、寄生虫、菌または微生物等を含む生体組織、あるいは、寄生虫、菌または微生物等自体であってもよい。本実施形態では、被測定物３００が、病変部を含む生体組織である場合を例に説明する。
　測定装置１００は、レーザ光源１０１、レンズ１０２、ビームスプリッタ１０３、ミラー１０４、対物レンズ１０５、光電場増強デバイス１０６、載置台１０７、ロングパスフィルタ１０８、レンズ１０９、光ファイバ１１０および分光器１１１を有する。
　レーザ光源１０１は、レーザ光を照射する。レンズ１０２は、レーザ光源１０１により照射されたレーザ光を、平行光にする。ビームスプリッタ１０３は、平行光を反射する。ミラー１０４は、平行光を、被測定物３００に向けて反射する。対物レンズ１０５は、平行光を光電場増強デバイス１０６上に焦点を合わせて集光する。光電場増強デバイス１０６は、表面増強ラマン散乱光を生ぜしめる構成であり、被測定物３００にレーザ光が照射されることにより生体組織表面からしみだした代謝物由来のラマン散乱光を増強させる。
　載置台１０７は、光電場増強デバイス１０７に保持される被測定物３００を載置する台である。載置台１０７は、ＸＹ平面、すなわち水平面において自由に移動可能であり、被測定物３００上のレーザ光が集光される位置を変更することにより、被測定物３００の任意の場所を測定可能とする。測定装置１００は、載置台１０７をレーザ光に対して走査しながら、測定することにより、表面増強ラマン散乱光の二次元分布を取得できる。
　表面増強ラマン散乱光は、対物レンズ１０５を透過し、ミラー１０４に反射され、ビームスプリッタ１０３を透過して、ロングパスフィルタ１０８に入射される。ロングパスフィルタ１０８は、励起光よりも長波長のみを透過する。レンズ１０９は、ロングパスフィルタ１０８を透過した光を、光ファイバ１１０に入射する。光ファイバ１１０は、光を分光器１１１に導光する。分光器１１１は、光を分光して、表面増強ラマン散乱光のスペクトルを取得する。測定装置１００のような測定系において、スペクトルは、測定装置１００に依存する測定成分としてラマンシフト値（ｃｍ－１）と、表面増強ラマン散乱光の測定強度（ａｒｂｉｔｒａｒｙ　ｕｎｉｔ：ａ．ｕ．）との関係を示す。測定装置１００により取得されたスペクトルは、画像作成装置２００に入力される。
　画像作成装置２００は、表面増強ラマン散乱光のスペクトルをデータ処理する。
　次に、画像作成装置２００の電気的な構成について、説明する。
　図２は、実施形態に係る画像作成装置の電気的な構成を示すブロック図である。画像作成装置２００は、ＣＰＵ（Ｃｅｎｔｒａｌ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）および半導体メモリ等を備えたコンピュータから構成される。
　画像作成装置２００は、入力部２０１、記憶部２０２、操作部２０３、表示部２０４および制御部２０５を含む。
　入力部２０１は、測定装置１００により測定された表面増強ラマン散乱光のスペクトルを入力するためのインタフェースである。
　記憶部２０２は、ＲＯＭ（Ｒｅａｄ　Ｏｎｌｙ　Ｍｅｍｏｒｙ）、ＲＡＭ（Ｒａｎｄｏｍ　Ａｃｃｅｓｓ　Ｍｅｍｏｒｙ）、フラッシュメモリ、ハードディスク等を含み、種々のデータを一時的または恒久的に記憶する。特に、記憶部２０２は、表面増強ラマン散乱光のスペクトルの分析に必要なデータおよび分析対象となるスペクトルのデータを記憶する。
　操作部２０３は、マウスおよびキーボードなどを備えたものであり、各種の必要なデータおよびユーザによる種々の操作を受け付ける。
　表示部２０４は、たとえば液晶ディスプレイなどを備え、表面増強ラマン散乱光のスペクトルの解析結果または病変部を明示する画像等を表示する。また、表示部２０４をタッチパネルディスプレイによって構成し、操作部２０３と兼用してもよい。
　制御部２０５は、画像作成装置２００全体を制御するＣＰＵである。制御部２０５は、表面増強ラマン散乱光のスペクトルの解析を行ったり、解析結果を用いて生体組織中の病変部を明示する画像を作成したりする。
　以下、本実施形態における画像作成装置２００の動作について説明する。まず、事前に表面増強ラマン散乱光のスペクトルの解析を行う手順について説明する。解析では、特に、検出対象となる病変部で健常部に比べて測定強度が高くなる測定成分（以下、検出対象成分という）と、健常部で病変部と比べて測定強度が高くなる測定成分（以下、非検出対象成分という）とを抽出する。
　図３は、検出対象成分と非検出対象成分を判断する判断処理の流れを示すフローチャートである。図４は、健常部と病変部のスペクトルの例を示す図、図５は、判断処理によって抽出された検出対象成分および非検出対象成分の例を示す図である。判断処理は、ＣＰＵである制御部２０５が、プログラムを読み込むことによって実行する。
　まず、画像作成装置２００の制御部２０５は、被測定物３００の表面増強ラマン散乱光のスペクトルを入力部２０１により入力する（ステップＳ１０１）。入力される表面増強ラマン散乱光のスペクトルは、測定装置１００により取得されたスペクトルである。図３のフローチャートに示す方法を行う段階においては、測定装置１００は、予め病変部と分かっている生体組織と、健常部と分かっている生体組織を各々個別に測定して、病変部に含まれる代謝物由来のスペクトルと、健常部に含まれる代謝物由来のスペクトルとを、画像作成装置２００に入力する。入力されるスペクトルは、後述する統計的有意差検定に用いられる。病変部に含まれる代謝物由来のスペクトルおよび健常部に含まれる代謝物由来のスペクトルは、それぞれ１つでもよい。ただし、確度を向上するために、スペクトルは、病変部と健常部でそれぞれ５つ以上、画像作成装置２００に入力されることが好ましい。ここで、スペクトルを５つ以上取得するには、５回以上のサンプリングが必要となる。複数回のサンプリングを行う場合、同じ生体組織の違う箇所を測定してもよく、または、異なる個体の生体組織を測定してもよい。複数回サンプリングを行った結果、病変部に含まれる代謝物由来のスペクトル同士を平均し、さらに、健常部に含まれる代謝物由来のスペクトル同士を平均する。
　次に、画像作成装置２００の制御部２０５は、初期値としてｉに１を代入する（ステップＳ１０２）。ｉは、スペクトルの測定成分の配列における順位を示す。上述の通り、表面増強ラマン散乱光のスペクトルは、ラマンシフト値が測定成分となるので、たとえば、ラマンシフト値が小さい順に１から順位が付けられている。
　制御部２０５は、ｉ番目の測定成分における、病変部と健常部の統計的有意差検定を行う（ステップＳ１０３）。ステップＳ１０１において入力された病変部に含まれる代謝物由来のスペクトルの平均および健常部に含まれる代謝物由来のスペクトルの平均は、たとえば、図４に示される。図４に示す例では、７つの異なる個体の病変部に対して、異なる５０箇所にレーザ光を照射して得たスペクトルを平均化して、病変部のスペクトルを得た。図４に示す健常部のスペクトルについても、病変部と同様に、７つの異なる個体をそれぞれ５０箇所で測定して得た。ここで、レーザ光の波長は７８５ｎｍ、パワーは１ｍＷ、照射の積算時間は１０ｓであった。この条件において、Ｏｃｅａｎ　Ｏｐｔｉｃｓ社製の分光器ＱＥ６５０００により、ラマンシフト値が０～２０００ｃｍ－１の領域にわたって、ラマンスペクトルが取得される。なお、図４では、病変部と健常部のスペクトルは、明示のために重ねずに示しているが、実際は、測定強度が近似しており、多くの測定成分において重なる。制御部２０５は、統計的有意差検定として、たとえば、Ｔ検定を行い、ｐ値が０．０５未満（病変部と健常部とが同じである確率が５％未満）で有意差ありと判断する。
　制御部２０５は、図４に示すようなスペクトルについて統計的有意差検定を行った結果、測定成分ｉに有意差が見られるか判断する（ステップＳ１０４）。有意差が見られない場合（ステップＳ１０４：ＮＯ）、制御部２０５は、ステップＳ１０８の処理に進む。
　有意差が見られる場合（ステップＳ１０４：ＹＥＳ）、制御部２０５は、有意差が見られる測定成分ｉ（ラマンシフト値）において、病変部の測定強度が、健常部の測定強度よりも大きいか判断する（ステップＳ１０５）。病変部の強度が健常部の強度よりも大きい場合（ステップＳ１０５：ＹＥＳ）、制御部２０５は、測定成分ｉを、検出対象である病変部が測定強度として大きく有意差を有するラマンシフト値として記憶部２０２に記憶する（ステップＳ１０６）。
　一方、病変部の強度が健常部の強度よりも大きくない場合（ステップＳ１０５：ＮＯ）、制御部２０５は、測定成分ｉを、非検出対象である健常部が測定強度として大きく有意差を有するラマンシフト値として記憶部２０２に記憶する（ステップＳ１０７）。
　制御部２０５は、全測定成分について、有意差の有無を判断し終わったか否か判断する（ステップＳ１０８）。ここで、全測定成分とは、入力されたスペクトルのラマンシフト値の全範囲の測定成分である。たとえば、入力されたスペクトルのラマンシフト値が０～２０００ｃｍ－１である場合、制御部２０５は、この範囲の全ての値を測定成分とする。これにより、グルタチオンおよびタウリン等の特定の代謝物に由来する信号に限定せずに、いかなる代謝物に由来する信号に対しても、統計的有意差検定を行える。
　全ての測定成分が終わっていない場合（ステップＳ１０８：ＮＯ）、制御部２０５は、ｉを１だけインクリメントして（ステップＳ１０９）、ステップＳ１０３の処理に戻る。全ての測定成分が終わった場合（ステップＳ１０８：ＹＥＳ）、制御部２０５は、処理を終了する。
　上述のようにして、有意差があり、かつ病変部（検出対象）の方が健常部（非検出対象）よりも測定強度が高くなる測定成分を検出対象成分として記憶し、有意差があり、かつ健常部の方が病変部よりも測定強度が高くなる測定成分を非検出対象成分として記憶する。この結果、図５に示すように、ｐ値が０．０５未満で有意差があると判断された点は、それぞれ、健常部および病変部のいずれの測定強度が大きかったのかという属性を持って記憶される。図５に示す各点のラマンシフト値が、後述の処理に使用される。
　図６は、生体組織における検出対象を明示する画像を作成する、画像作成処理の流れを示すフローチャートである。図７は、二次元分布のスペクトルから、非検出対象成分および検出対象成分を抽出した画像を示す図である。図８は、検出対象成分と非検出対象成分の相違度に基づいて生成した画像を示す図である。図９は、図６の処理に用いた生体組織切片の測定範囲を、透過顕微鏡で写した透過顕微鏡像を示す図である。画像作成処理は、ＣＰＵである制御部２０５が、プログラムを読み込むことによって実行する。
　画像作成装置２００の制御部２０５は、被測定物３００の表面増強ラマン散乱光のスペクトルを入力部２０１により入力する（ステップＳ２０１）。ステップＳ２０１では、ステップＳ１０１とは異なり、検出対象である病変部と、非検出対象である健常部との両方を含む被測定物３００から得られるスペクトルが入力される。被測定物３００を載置台１０７に載置し、レーザ光に対して二次元に走査しながら測定することにより、二次元に分布されたスペクトルが入力部２０１に入力される。
　制御部２０５は、測定成分ｉの初期値として１を代入する（ステップＳ２０２）。制御部２０５は、測定成分ｉが、ステップＳ１０７において記憶した非検出対象成分であるか判断する（ステップＳ２０３）。
　測定成分ｉが非検出対象成分である場合（ステップＳ２０３：ＹＥＳ）、制御部２０５は、非検出対象成分の画像（第２の測定強度分布）作成する（ステップＳ２０４）。非検出対象成分の画像とは、二次元分布のスペクトルから、非検出対象成分に対応する測定強度だけを抽出して作成される二次元画像である。具体的には、非検出対象成分の画像は、スペクトルが分布される各点（位置）を、抽出した測定強度に比例した画素値を有する画素として表した二次元画像である。ステップＳ２０３においては、図７の上段に示すような画像が作成される。画素値には、輝度、明度または濃度が考えられる。本実施形態では、画素値を輝度として表す。
　測定成分ｉが非検出対象成分でない場合（ステップＳ２０３：ＮＯ）、制御部２０５は、測定成分ｉが、ステップＳ１０６において記憶した検出対象成分であるか判断する（ステップＳ２０５）。
　測定成分ｉが検出対象成分である場合（ステップＳ２０５：ＹＥＳ）、制御部２０５は、検出対象成分の画像（第１の測定強度分布）を作成する（ステップＳ２０６）。検出対象成分の画像とは、二次元分布のスペクトルから、検出対象成分に対応する測定強度だけを抽出して作成される二次元画像である。具体的には、検出対象成分の画像は、スペクトルが分布される各点（位置）を、抽出した測定強度に比例した画素値を有する画素として表した二次元画像である。ステップＳ２０６においては、図７の下段に示すような画像が作成される。本実施形態では、画素値を輝度として表す。
　測定成分ｉが検出対象成分でない場合（ステップＳ２０５：ＮＯ）、制御部２０５は、測定成分ｉを破棄し（ステップＳ２０７）、ステップＳ２０８の処理に進む。
　制御部２０５は、全ての測定成分について、記憶部２０２に記憶されている測定成分との突き合わせが終わったか否か判断する（ステップＳ２０８）。全ての測定成分が終わっていない場合（ステップＳ２０８：ＮＯ）、制御部２０５は、ｉを１だけインクリメントして（ステップＳ２０９）、ステップＳ２０３の処理に戻る。
　全ての測定成分が終わった場合（ステップＳ２０８：ＹＥＳ）、制御部２０５は、ステップＳ２０６において作成した全ての検出対象成分の画像を平均する（ステップＳ２１０）。平均とは、全ての検出対象成分の画像を重ね合わせて、同じ位置の画素の輝度の平均値を算出し、算出した平均値の輝度の画素を有する画像を作成することである。
　制御部２０５は、ステップＳ２１０と同様に、ステップＳ２０４において作成した全ての非検出対象成分の画像を平均化する（ステップＳ２１１）。
　制御部２０５は、ステップＳ２１０において作成した検出対象成分の平均画像と、ステップＳ２１１において作成した非検出対象成分の平均画像との相違度に比例する画素値を有する二次元画像を作成する（ステップＳ２１２）。具体的には、制御部２０５は、検出対象成分の平均画像および非検出対象成分の平均画像の同じ位置の画素同士を比較し、相違度を算出する。相違度は、たとえば、検出対象成分の画素の輝度を、非検出対象成分の画素の輝度で除算して得られる比である。本実施形態では、ステップＳ２０４およびステップＳ２０６において、スペクトルの測定強度が画素の輝度に変換されている。しかし、画素の輝度は測定強度に比例するので、上記のように相違度として、輝度の比を求めれば、間接的に測定強度の比を求めていることになる。相違度としては、非検出対象成分の画素の輝度を、検出対象成分の画素の輝度で除算してもよい。あるいは、相違度は、非検出対象成分の画素の輝度および検出対象成分の画素の輝度の一方から他方を減算して求めてもよい。
　ステップＳ２１２において、検出対象成分の画素の輝度を、非検出対象成分の画素の輝度で除算して得られる比を算出し、算出した比に比例する画素値を有する二次元画像を作成すると、図８に示すような画像Ｄが得られる。図８に示す画像Ｄは、表示部２０４に表示可能である。図８に示す画像Ｄは、図９に示す生体組織の顕微鏡写真の画像Ｏと比べると、検出対象である病変部Ａのみが明示的に示されていることが分かる。図９に示す画像Ｏでは、病変部Ａと血管Ｖの区別がつきにくい。しかし、図８に示す画像Ｄでは、検出対象ではない血管Ｖは、病変部Ａのように明るく表示されない。さらに、図８に示す画像Ｄでは、病変部Ａ周辺が健常部Ｎと比較して明るく描出される。つまり、図８に示す画像Ｄでは、細胞形態にはまだ差が出る前であっても、病変の進行により健常部Ｎに代謝変動が起こり始めている様子が描出されている。
　以上のように、本実施形態においては、画像作成システムは、被測定物に含まれる代謝物から表面増強ラマン散乱光を検出し、表面増強ラマン散乱光からスペクトルを取得して、図８に示すような二次元画像を作成する。したがって、画像作成装置２００は、たんぱく質等の変動に比べて極めて微小な代謝物の変動を加味した二次元画像を作成し、病変部を明示できる。ユーザは、病変部を明示的に確認できる。加えて、病変の初期あるいは早期において、たんぱく質等には見られず、代謝物には見られる変動を画像にするので、ユーザは、病変を早期に診断できる。
　なお、上記第１実施形態においては、ステップＳ２０４およびステップＳ２０６において、測定強度を輝度に変換して、画像を作成している。しかし、ステップＳ２０４およびステップＳ２０６において、輝度に変換した画像を作成しなくてもよい。この場合、ステップＳ２０４およびステップＳ２０６において、検出対象成分および非検出対象成分により抽出した測定強度をそのまま二次元の測定強度分布（第１の測定強度分布および第２の測定強度分布）として記憶する。そして、ステップＳ２１０およびステップＳ２１１において、検出対象成分の測定強度分布および非検出対象成分の測定強度分布をそれぞれ平均した平均二次元分布を作成する。最後に、ステップＳ２１２において、平均二次元分布において各点において、検出対象成分および非検出対象成分間の測定強度の比に比例する輝度を有する画素を作成し、二次元画像を作成する。
　（第２実施形態）
　上記第１実施形態においては、ユーザが検出対象（病変部）を確認するのを容易にするために二次元画像を作成している。第２実施形態では、ユーザによる確認をさらに容易にし、あるいは、コンピュータによる検出対象の検出可能とするために、処理を追加している。
　図１０は、検出対象および非検出対象を領域分けする領域分け処理の流れを示すフローチャートである。図１１は、領域分けした画像の例を示す図である。領域分け処理は、ＣＰＵである制御部２０５が、プログラムを読み込むことによって実行する。
　画像作成装置２００の制御部２０５は、図６のステップＳ２１２において作成した二次元画像を入力部２０１に入力する（ステップＳ３０１）。なお、ステップＳ３０１は、図６から続けて行う場合は省略できる。
　制御部２０５は、閾値を設定する（ステップＳ３０２）。閾値は、たとえば、二次元画像の全画素の輝度の平均値として設定できる。輝度の平均値を取ることにより、二次元画像を取得する際の検出感度のバラツキまたは検出環境のバラツキに起因して、検出対象および非検出対象の領域分けの精度が低下することを防止できる。特に、検出対象が全領域の５０％程度である場合、閾値を輝度の平均値とすることにより、検出対象を区別する精度が良好となる。
　制御部２０５は、設定した閾値以上の輝度を有する領域（画素）を検出対象、閾値未満の輝度を有する領域（画素）を非検出対象として出力する（ステップＳ３０３）。具体的には、制御部２０５は、閾値以上の輝度を有する画素を、たとえば白とし、閾値未満の輝度を有する画素を黒とする。画素を白と黒により二値化すると、二値化画像として、たとえば、図１１の画像Ｂ１が作成される。検出対象である病変部は、白い領域として表現され、非検出対象である健常部は、黒い領域として表現される。
　図１１の画像Ｏは、図９と同様の生体組織切片の透過顕微鏡写真である。画像Ｏと画像Ｂ１を比較すると、画像Ｂ１では、病変部Ａが明確に示されることが分かる。また、画像Ｂ１では、血管Ｖが健常部Ｎと同様に黒で表現され、血管Ｖが病変部Ａと完全に区別される。血管Ｖに含まれる代謝物は、図３に示す処理において、検出の対象となっておらず、有意差の検討対象にもなっていない。このため、血管Ｖは、画像Ｂ１ではまったく表現されていない。一方、画像Ｏでは病変部Ａと血管Ｖがいずれも健常部Ｎよりも明るく表示されており、両者の区別がつけにくい。
　以上のように、閾値を用いて画像を二値化することにより、ユーザによる検出対象の区別が容易になる。あるいは、コンピュータによる自動判別も可能となる。
　上記ステップＳ３０２では、閾値を、ステップＳ３０１で入力した二次元画像の全画素の輝度の平均値とした。しかし、これに限定されない。種々の考え方により閾値を設定可能である。たとえば、閾値を、二次元画像の全画素の輝度の平均値の６０％に設定できる。このように閾値を平均値よりも下げると、たとえば、図１１の画像Ｂ２が得られる。画像Ｂ２を画像Ｂ１と比較すると、閾値が下がった分、白い領域が広がっていることが分かる。本開示では、図３に示す処理において代謝物由来のスペクトルを見ており、微小な代謝物の変化を測定できる。閾値を下げることにより、病変部Ａよりも微小な代謝物の変化も表現できる。このような変化が生じる領域は、たとえば、陽性であることが疑わしい疑陽性領域Ｔである。疑陽性領域Ｔでは、病変部Ａよりも小さくかつ同質の変化が起こっていると考えられる。したがって、疑陽性領域Ｔは、病変部に変質する可能性がある領域として表現されることが好ましい。
　画像Ｂ２では、病変部Ａと疑陽性領域Ｔの区別がつかない。そこで、閾値を、二次元画像の全画素の輝度の平均値と、さらに、平均値の６０％で二つ用意することもできる。この場合、制御部２０５は、輝度が平均値以上の画素を白にし、輝度が平均値未満でかつ平均値の６０％以上の画素をグレーにし、輝度が６０％未満の画素を黒にして表現する。このように、閾値を二段階にすると、たとえば、画像Ｂ３が得られる。画像Ｂ３では、病変部Ａと疑陽性領域Ｔが区別して表現される。
　閾値の設定は、他にもいかなる方法により設定されてもよい。輝度の平均値ではなく、最大輝度に対する割合（たとえば、最大輝度の５０％）として設定されてもよい。あるいは、Ｔｒｉａｎｇｌｅ法(Zack GW. Rogers We, Latt SA (1977), "Automatic measurement of sister chromatid exchange frequency")、または、大津の二値化(Otsu, N (1979), " A threshold selection method from gra-level histograms")などの閾値設定方法を使用してもよい。もしくは、https://imagej.net/Auto_Thresholdに掲載されている、いかなる閾値設定方法を用いることもできる。
　（第３実施形態）
　第１実施形態および第２実施形態においては、ノイズについて特に考慮していない。第３実施形態においては、ノイズを除去して、ユーザによる確認をより容易にする形態について説明する。
　図１２は、ノイズ除去処理の流れを示すフローチャートである。図１３は、図１２のフローチャートに従って生成される画像の例を示す図である。ノイズ除去処理は、ＣＰＵである制御部２０５が、プログラムを読み込むことによって実行する。
　画像作成装置２００の制御部２０５は、図６のステップＳ２１２において作成した二次元画像を入力部２０１に入力する（ステップＳ４０１）。なお、ステップＳ４０１は、図６から続けて行う場合は省略できる。
　制御部２０５は、第１フィルタにより円滑化を施して第１円滑化画像を作成する（ステップＳ４０２）。第１フィルタは、たとえば、半径が１画素のメディアンフィルタである。半径が１画素の第１フィルタは、フィルタの中心画素の全周に１画素を含むので、９画素を含む。制御部２０５は、二次元画像に対して第１フィルタにより９画素ずつ走査して、フィルタ内の９画素の輝度の平均値を中心画素の輝度に置き換える。これにより、図１３に示すように、元の二次元画像Ｄから画像Ｆ１が得られる。
　制御部２０５は、さらに画像Ｆ１を、閾値により二値化して、二値化画像を作成する（ステップＳ４０３）。閾値は、第２実施形態で説明した方法により設定できる。閾値は、たとえば、Ｔｒｉａｎｇｌｅ法により設定される。二値化により、図１３のＦＢ１の画像が得られる。
　制御部２０５は、第２フィルタにより円滑化を施して第２円滑化画像を作成する（ステップＳ４０４）。第２フィルタは、たとえば、半径が２画素のメディアンフィルタである。半径が２画素の第２フィルタは、フィルタの中心画素の全周に２画素を含むので、２５画素を含む。制御部２０５は、二次元画像に対して第２フィルタにより２５画素ずつ走査して、フィルタ内の２５画素の輝度の平均値を中心画素の輝度に置き換える。これにより、図１３に示すように、元の二次元画像Ｄから画像Ｆ２が得られる。
　制御部２０５は、さらに画像Ｆ２を、閾値により二値化して、二値化画像を作成する（ステップＳ４０５）。閾値は、第２実施形態で説明した方法により設定できる。閾値は、たとえば、Ｔｒｉａｎｇｌｅ法により設定される。二値化により、図１３のＦＢ２の画像が得られる。なお、ステップＳ４０４およびステップＳ４０５は、ステップＳ４０２およびステップＳ４０３と並行して行われてもよいし、ステップＳ４０２およびステップＳ４０３よりも先に行われてもよい。
　制御部２０５は、二値化した画像ＦＢ１および画像ＦＢ２をＡＮＤ条件により重ね合わせ処理する（ステップＳ４０６）。ＡＮＤ条件の重ね合わせ処理では、画像ＦＢ１および画像ＦＢ２において、黒の画素を１、白の画素を０として、同じ位置の画素の少なくとも一方が１であれば１、同じ位置の画素の両方が０であれば０として、新たな合成画像Ｃを作成する。
　合成画像Ｃを、画像ＦＢ１と比較する。画像ＦＢ１では、ごましお状のノイズＳＰ（ｓａｌｔ　ａｎｄ　ｐｅｐｐｅｒ ｎｏｉｓｅ）が表れている。しかし、画像ＦＢ１を画像ＦＢ２と合成することで、ノイズＳＰが除去されていることが分かる。また、合成画像Ｃを、画像ＦＢ２と比較する。画像ＦＢ２では、病変部Ａの領域が、画像Ｃに比べて、にじんで広がっていることが分かる。つまり画像Ｃでは、画像のにじみが少ない。
　このように、異なるフィルタを適用してできた画像を合成することにより、それぞれのフィルタで発生していたノイズやにじみを低減し、より、検出対象が見やすい画像が得られる。
　なお、図１３には、参考として、医師が図９に示す電子顕微鏡写真の画像Ｏを目で見て、病変部を描画した画像Ｈを示している。画像Ｈと画像Ｃとについて、一致する画素数／全画素数×１００％により計算した結果、正答率は８５％と良好な結果を得た。
　第３実施形態においては、異なる半径のメディアンフィルタを用いる例について説明した。画像ＦＢ１に示すような、ごましお状のノイズＳＰ（ｓａｌｔ　ａｎｄ　ｐｅｐｐｅｒ ｎｏｉｓｅ）に対しては、メディアンフィルタが有効である。しかし、除去したいノイズの種類によって、適用するフィルタの種類を変更してもよい。
　また、フィルタの半径を１ピクセルおよび２ピクセルとする例について説明したが、測定分解能を考慮して、適宜変更してもよい。
　（第４実施形態）
　また、第１実施形態から第３実施形態においては、測定装置１００として、代謝物由来の表面増強ラマン散乱光のスペクトルを取得する装置を採用している。しかし、少なくとも検出対象に含まれる代謝物を測定できる装置であれば、他の装置を採用してもよい。
　たとえば、測定装置として、飛行時間型質量分析装置を採用できる。
　図１４は、飛行時間型質量分析装置を測定装置として採用する画像作成システムを示す概略図である。
　図１４に示すように、飛行時間型質量分析装置４００は、レーザ光源４０１、レンズ４０２、導電性プレート４０３、電圧印可部４０４、引き出し電極４０５、エンドプレート４０６、イオン検出部４０７および増幅アンプ４０８を有する。
　レーザ光源４０１はイオン化用のレーザ光を照射する。レンズ４０２は、レーザ光源４０１により照射されたレーザ光を、被測定物３００に集光する。被測定物３００にレーザ光が集光されることにより、被測定物３００に含まれる代謝物に由来するイオンが発生する。導電性プレート４０３は、被測定物３００を載置する導電性のプレートである。電圧印可部４０４は、導電性プレートに電圧を印可する。引き出し電極４０５は、接地された電極である。
　レーザ光の照射により発生した代謝物由来のイオンは、電圧印可部４０４と引き出し電極４０５との電位差により、加速され、エンドプレート４０６内に誘導される。エンドプレート４０６は、イオンをイオン検出部４０７に案内する。イオン検出部４０７は、エンドプレート４０６内を質量に応じた一定の速度で飛行してきたイオンを検出する。増幅アンプ４０８は、イオン検出部４０７によるイオンの検出結果を増幅し、画像作成装置２００に入力する。イオンの検出結果から、マススペクトルが得られる。マススペクトルは、測定成分（横軸）であるｍ／ｚ値ごとの、測定強度を示す。
　第１実施形態～第３実施形態の測定成分が、ラマンシフト値であったのに対し、第４実施形態の測定成分は、質量に関するｍ／ｚ値である。測定成分は異なるが、測定成分がｍ／ｚだとしても、図３に示すフローチャートを適用して、ｍ／ｚの単位を有する検出対象成分および非検出対象成分を特定できる。したがって、飛行時間型質量分析装置４００を採用する場合でも、第１実施形態～第３実施形態のように、検出対象成分および非検出対象成分を用いて、図６、図１０、図１２に示す処理を適用できる。
　なお、上記各実施形態でＣＰＵがソフトウェア（プログラム）を読み込んで実行した判断処理、領域分け処理、画像作成処理およびノイズ除去処理を、ＣＰＵ以外の各種のプロセッサが実行してもよい。この場合のプロセッサとしては、ＦＰＧＡ（Field-Programmable Gate Array）等の製造後に回路構成を変更可能なＰＬＤ（Programmable Logic Device）、及びＡＳＩＣ（Application Specific Integrated Circuit）等の特定の処理を実行させるために専用に設計された回路構成を有するプロセッサである専用電気回路等が例示される。また、分布導出処理及び確率導出処理を、これらの各種のプロセッサのうちの１つで実行してもよいし、同種又は異種の２つ以上のプロセッサの組み合わせ（例えば、複数のＦＰＧＡ、及びＣＰＵとＦＰＧＡとの組み合わせ等）で実行してもよい。また、これらの各種のプロセッサのハードウェア的な構造は、より具体的には、半導体素子等の回路素子を組み合わせた電気回路である。
　また、上記各実施形態では、判断処理、領域分け処理、画像作成処理およびノイズ除去処理のプログラムが記憶部２０２に予め記憶（インストール）されている態様を説明したが、これに限定されない。プログラムは、ＣＤ－ＲＯＭ（Compact Disk Read Only Memory）、ＤＶＤ－ＲＯＭ（Digital Versatile Disk Read Only Memory）、及びＵＳＢ（Universal Serial Bus）メモリ等の持続性（non-transitory）の記録媒体に記録された形態で提供されてもよい。また、プログラムは、ネットワークを介して外部装置からダウンロードされる形態としてもよい。
 

Claims (11)

  1. 　検出対象に含まれる代謝物と前記検出対象以外の非検出対象に含まれる代謝物とを各々個別に測定して得られた各スペクトルに基づいて、スペクトルの測定強度に有意差があり、かつ前記検出対象の方が前記非検出対象よりも前記測定強度が高くなる測定成分を検出対象成分として記憶し、有意差があり、かつ前記非検出対象の方が前記検出対象よりも前記測定強度が高くなる測定成分を非検出対象成分として記憶する記憶部と、
    　前記検出対象および前記非検出対象の両方を含む被測定物に含まれる代謝物を二次元の領域で測定することにより二次元に分布して得られる各スペクトルから、前記記憶部に記憶された前記検出対象成分および前記非検出対象成分に対応する前記測定強度を各々抽出し、前記検出対象成分および前記非検出対象成分間における前記測定強度の相違度に対応する画素値を有する画素が二次元に分布された二次元画像を作成する制御部と、
    　を含む画像作成装置。
  2. 　前記相違度は、前記検出対象成分に対応する前記測定強度と前記非検出対象成分に対応する前記測定強度との比であり、
    　前記画素値は、前記測定強度の比に比例する請求項１に記載の画像作成装置。
  3. 　前記スペクトルは、表面増強ラマン散乱光のスペクトルである請求項１または請求項２に記載の画像作成装置。
  4. 　前記二次元画像を表示する表示部を更に含む請求項１～３のいずれか一項に記載の画像作成装置。
  5. 　前記検出対象は組織の病変部であり、前記非検出対象は組織の健常部であり、
    　前記制御部は、前記二次元画像において、前記画素値が第１の閾値以上の箇所を前記病変部として前記表示部に表示させる請求項４に記載の画像作成装置。
  6. 　前記制御部は、前記二次元画像において、前記画素値が前記第１の閾値よりも小さい第２の閾値以上であって前記第１の閾値未満の箇所を疑陽性領域とし、前記画素値が前記第２の閾値未満の箇所を前記健常部として前記表示部に表示させる請求項５に記載の画像作成装置。
  7. 　前記有意差を判断するための統計的有意差検定は、スペクトルの全測定成分に対して行われる請求項１～６のいずれか一項に記載の画像作成装置。
  8. 　前記制御部は、前記検出対象および前記非検出対象の両方を含む被測定物に含まれる代謝物を二次元の範囲で測定して得られるスペクトルから、前記検出対象成分および前記非検出対象成分の前記測定強度を各々抽出し、前記検出対象成分の測定強度の二次元分布を示す第１の測定強度分布と、前記非検出対象成分の測定強度の二次元分布を示す第２の測定強度分布とを各々生成し、前記第１の測定強度分布と前記第２の測定強度分布を用いて前記二次元画像を作成する請求項１～７のいずれか一項に記載の画像作成装置。
  9. 　前記制御部は、
    　前記二次元画像に対し、異なる複数の大きさの半径内の周辺画素の画素値を用いて円滑化を施して複数の円滑化画像を生成し、
    　複数の前記円滑化画像を、同じ測定強度の閾値により二値化して複数の二値化画像を生成し、
    　複数の前記二値化画像を組み合わせて新たな二次元分布の画像を生成する請求項１～７のいずれか一項に記載の画像作成装置。
  10. 　検出対象に含まれる代謝物と前記検出対象以外の非検出対象に含まれる代謝物とを各々個別に測定して得られた各スペクトルに基づいて、スペクトルの測定強度に有意差があり、かつ前記検出対象の方が前記非検出対象よりも前記測定強度が高くなる測定成分を検出対象成分として記憶し、有意差があり、かつ前記非検出対象の方が前記検出対象よりも前記測定強度が高くなる測定成分を非検出対象成分として記憶部に記憶する記憶ステップと、
    　前記検出対象および前記非検出対象の両方を含む被測定物に含まれる代謝物を二次元の領域で測定することにより二次元に分布して得られる各スペクトルから、前記記憶ステップにおいて前記記憶部に記憶された前記検出対象成分および前記非検出対象成分に対応する前記測定強度を各々抽出し、前記検出対象成分および前記非検出対象成分間における前記測定強度の相違度に対応する画素値を有する画素が二次元に分布された二次元画像を作成する作成ステップと、
    　を含む画像作成方法。
  11. 　検出対象に含まれる代謝物と前記検出対象以外の非検出対象に含まれる代謝物とを各々個別に測定して得られた各スペクトルに基づいて、スペクトルの測定強度に有意差があり、かつ前記検出対象の方が前記非検出対象よりも前記測定強度が高くなる測定成分を検出対象成分として記憶し、有意差があり、かつ前記非検出対象の方が前記検出対象よりも前記測定強度が高くなる測定成分を非検出対象成分として記憶部に記憶する記憶ステップと、
    　前記検出対象および前記非検出対象の両方を含む被測定物に含まれる代謝物を二次元の領域で測定することにより二次元に分布して得られる各スペクトルから、前記記憶ステップにおいて前記記憶部に記憶された前記検出対象成分および前記非検出対象成分に対応する前記測定強度を各々抽出し、前記検出対象成分および前記非検出対象成分間における前記測定強度の相違度に対応する画素値を有する画素が二次元に分布された二次元画像を作成する作成ステップと、
    　をコンピュータに実行させる画像作成プログラム。
     
PCT/JP2018/033479 2017-10-12 2018-09-10 画像作成装置、画像作成方法、画像作成プログラム WO2019073733A1 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2019547947A JP6811874B2 (ja) 2017-10-12 2018-09-10 画像作成装置、画像作成方法、画像作成プログラム

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2017-198849 2017-10-12
JP2017198849 2017-10-12

Publications (1)

Publication Number Publication Date
WO2019073733A1 true WO2019073733A1 (ja) 2019-04-18

Family

ID=66101362

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2018/033479 WO2019073733A1 (ja) 2017-10-12 2018-09-10 画像作成装置、画像作成方法、画像作成プログラム

Country Status (2)

Country Link
JP (1) JP6811874B2 (ja)
WO (1) WO2019073733A1 (ja)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5782770A (en) * 1994-05-12 1998-07-21 Science Applications International Corporation Hyperspectral imaging methods and apparatus for non-invasive diagnosis of tissue for cancer
US20080273199A1 (en) * 2007-02-14 2008-11-06 John Maier Spectroscopic system and method for predicting outcome of disease
JP2017524924A (ja) * 2014-07-02 2017-08-31 ナショナル ユニヴァーシティー オブ シンガポール 異常増殖などのサンプル若しくは組織のタイプ若しくは性質を分析し、特徴付け、及び／又は診断するためのラマン分光法システム、装置及び方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8013991B2 (en) * 2007-08-08 2011-09-06 Chemimage Corporation Raman difference spectra based disease classification

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5782770A (en) * 1994-05-12 1998-07-21 Science Applications International Corporation Hyperspectral imaging methods and apparatus for non-invasive diagnosis of tissue for cancer
US20080273199A1 (en) * 2007-02-14 2008-11-06 John Maier Spectroscopic system and method for predicting outcome of disease
JP2017524924A (ja) * 2014-07-02 2017-08-31 ナショナル ユニヴァーシティー オブ シンガポール 異常増殖などのサンプル若しくは組織のタイプ若しくは性質を分析し、特徴付け、及び／又は診断するためのラマン分光法システム、装置及び方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
NEGRI P. ET AL.: "Direct Optical Detection of Viral Nucleoprotein Binding to an Anti-Influenza Aptamer", ANALYTICAL CHEMISTRY, vol. 84, no. 13, 29 May 2012 (2012-05-29), pages 5501 - 5508, XP055593474 *
SHIOTA, MEGUMI ET AL.: "Metabolite Imaging Using Surface-Enhancing Raman Scattering. Proceedings of the 40th Optical Symposium", THE OPTICAL SOCIETY OF JAPAN, June 2015 (2015-06-01), pages 55 - 56 *
XIAO L. ET AL.: "Imaging of epidermal growth factor receptor on single breast cancer cells using surface-enhanced Raman spectroscopy", ANALYTICA CHIMICA ACTA, vol. 843, 16 June 2014 (2014-06-16), pages 73 - 82, XP055593461, Retrieved from the Internet <URL:http://dx.doi.org/10.1016/j.aca.2014.06.036> *

Also Published As

Publication number Publication date
JP6811874B2 (ja) 2021-01-13
JPWO2019073733A1 (ja) 2020-10-22

Similar Documents

Publication Publication Date Title
US10552956B2 (en) Reconstruction method of biological tissue image, apparatus therefor, and image display apparatus using the biological tissue image
US9230319B2 (en) Method of reconstructing a biological tissue image, and method and apparatus for acquiring a biological tissue image
US20150003713A1 (en) Method for analyzing tissue cells using hyperspectral imaging
Woolman et al. Optimized mass spectrometry analysis workflow with polarimetric guidance for ex vivo and in situ sampling of biological tissues
JP6676743B2 (ja) 分光画像データ処理装置および２次元分光装置
US9895112B2 (en) Cancerous lesion identifying method via hyper-spectral imaging technique
EP1931969A1 (en) Method and system for measuring sub-surface composition of a sample
US20130195327A1 (en) Noise reduction processing method and apparatus for a biological tissue image
US10921252B2 (en) Image processing apparatus and method of operating image processing apparatus
JP2006119138A (ja) 共焦点ラマン分光法を利用した組織からの自己−蛍光信号減少方法及びこれを利用した皮膚癌診断方法
Cals et al. Method development: Raman spectroscopy‐based histopathology of oral mucosa
JP2013134666A (ja) 二値画像生成装置、分類装置、二値画像生成方法および分類方法
US20180024064A1 (en) Method of detecting fibrous tissue in a biological specimen using co-localized images generated by second harmonic generation and two photon emission
JP2019012019A (ja) 電子線マイクロアナライザー及びデータ処理プログラム
EP2892005A2 (en) Data processing apparatus, data display system, sample data obtaining system, method for processing data, program, and computer-readable storage medium
Harris et al. A pulse coupled neural network segmentation algorithm for reflectance confocal images of epithelial tissue
JP6832921B2 (ja) 粒子分析装置、及び、粒子分析システム
JP6811874B2 (ja) 画像作成装置、画像作成方法、画像作成プログラム
Kendall et al. Spectroscopic optical coherence tomography for classification of colorectal cancer in a mouse model
JP6918584B2 (ja) 毛穴詰まり評価方法及び毛穴詰まり評価装置
Lin et al. A novel low-signal image enhancement method for multiphoton microscopy
JPWO2013161155A1 (ja) 画像計測装置、画像計測方法、および、画像計測用プログラム
Cosci et al. Automated algorithm for actinic cheilitis diagnosis by wide-field fluorescence imaging
Knapp et al. Validation of label-free optical imaging markers of pancreatic cancer using spatial transcriptomics
Pu et al. Stokes shift spectroscopy and imaging for highlighting the difference of breast cancerous and normal tissues

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: 18866674

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2019547947

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 18866674

Country of ref document: EP

Kind code of ref document: A1