WO2019229900A1 - イメージングデータ処理装置 - Google Patents

イメージングデータ処理装置 Download PDF

Info

Publication number
WO2019229900A1
WO2019229900A1 PCT/JP2018/020836 JP2018020836W WO2019229900A1 WO 2019229900 A1 WO2019229900 A1 WO 2019229900A1 JP 2018020836 W JP2018020836 W JP 2018020836W WO 2019229900 A1 WO2019229900 A1 WO 2019229900A1
Authority
WO
WIPO (PCT)
Prior art keywords
image
imaging data
imaging
unit
data processing
Prior art date
Application number
PCT/JP2018/020836
Other languages
English (en)
French (fr)
Inventor
真一 山口
Original Assignee
株式会社島津製作所
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 株式会社島津製作所 filed Critical 株式会社島津製作所
Priority to JP2020522475A priority Critical patent/JP7004073B2/ja
Priority to US17/055,808 priority patent/US11276566B2/en
Priority to CN201880093329.3A priority patent/CN112136041B/zh
Priority to PCT/JP2018/020836 priority patent/WO2019229900A1/ja
Publication of WO2019229900A1 publication Critical patent/WO2019229900A1/ja

Links

Images

Classifications

    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
    • H01J49/00—Particle spectrometers or separator tubes
    • H01J49/0027—Methods for using particle spectrometers
    • H01J49/0036—Step by step routines describing the handling of the data generated during a measurement
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/483—Physical analysis of biological material
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
    • H01J49/00—Particle spectrometers or separator tubes
    • H01J49/0004—Imaging particle spectrometry
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
    • H01J49/00—Particle spectrometers or separator tubes
    • H01J49/26—Mass spectrometers or separator tubes

Definitions

  • the present invention shows a two-dimensional distribution of a specific substance in a sample by processing data obtained in a large number of minute regions in a two-dimensional measurement region on the sample by an imaging mass spectrometer or the like.
  • the present invention relates to an imaging data processing apparatus capable of creating an image and extracting useful information about the sample.
  • An imaging mass spectrometer measures the two-dimensional intensity distribution of ions having a specific mass-to-charge ratio m / z on the same sample surface while observing the morphology of the sample surface such as a biological tissue section with an optical microscope.
  • a two-dimensional intensity distribution image mass spectrometry imaging image
  • pharmacokinetic analysis targeting biological tissue sections and the like differences in compound distribution in each organ, or between pathological and normal sites such as cancer
  • Many studies have been conducted to analyze differences in compound distribution.
  • the two-dimensional intensity distribution of ions having a certain mass-to-charge ratio indicates the distribution of a specific substance
  • a compound related to a specific disease that is, a biomarker is a living body.
  • Useful information such as how it is distributed in the organization can be obtained.
  • the amount of data obtained with an imaging mass spectrometer is enormous, and when the type of compound to be observed is unknown, the operator can determine which mass spectrometry imaging image is useful information at which mass-to-charge ratio. It takes a lot of labor to investigate.
  • Patent Document 1 discloses image alignment and spatial resolution adjustment for a reference image such as an optical image and a fluorescence image obtained with an optical microscope and a mass spectrometry imaging image at an arbitrary mass-to-charge ratio.
  • a statistical analysis process is performed on data between pixels at the same position in both images, and an index value indicating the similarity between the distributions of both images is calculated.
  • PLS partial least square regression
  • PCT / JP2018 / 003735 filed earlier by the present applicant includes a two-dimensional matrix created based on mass spectrometry imaging data collected over a predetermined mass-to-charge ratio range collected for a sample as explanatory variables and reference images.
  • the PLS regression analysis is performed by using the one-dimensional matrix created based on the pixel value data as the explained variable (object variable) to obtain the one-dimensional matrix of the regression coefficient, and the relationship between the mass-to-charge ratio and the regression coefficient is obtained from the result. It describes that a spectrum-like graph shown is created and displayed. From this graph, since the mass-to-charge ratio having a large absolute value of the regression coefficient can be seen at a glance, the operator can easily find the mass-to-charge ratio showing a two-dimensional intensity distribution close to the reference image.
  • a calculated value called a coefficient of determination (also called a contribution rate) is often used as an index value indicating the similarity of a PLS model (regression equation).
  • a coefficient of determination also called a contribution rate
  • the coefficient of determination from the actual data value and the estimated regression equation, for each data value, the total variation, regression variation, and residual variation are obtained, and those for all data values are obtained. It is necessary to calculate the coefficient of determination from the value.
  • the mass spectrometry imaging method since the amount of data to be processed is very large, it is practically impossible to calculate the determination coefficient.
  • the same problem is not limited to mass spectrometry imaging, but is common to imaging by various measurement techniques such as Raman spectroscopy imaging, fluorescence imaging, infrared spectroscopy imaging, and the like.
  • the present invention has been made to solve these problems, and the object of the present invention is, for example, in examining the similarity between a mass spectrometry imaging image and an optical image for the same measurement region by a statistical analysis process. It is an object of the present invention to provide an imaging data processing apparatus that allows a user to intuitively and easily grasp the degree of similarity.
  • the present invention which has been made to solve the above-mentioned problems, processes image data that is a set of data obtained by a predetermined measurement technique for each minute area in a two-dimensional measurement area on a sample, or processes the data.
  • An imaging data processing apparatus that obtains information about the sample by analysis processing based on measurement imaging data that is obtained image data and reference imaging data constituting a reference image, a) The first imaging data that is the whole or a part of the measurement imaging data and the second imaging data that is the whole or a part of the reference imaging data spatially associated with the first imaging data
  • a regression analysis execution unit that creates a regression model by executing a regression analysis using the imaging data as explanatory variables and the second imaging data as an explained variable (object variable); b) applying the first imaging data to the regression model to create a predicted image based on a regression analysis result; It is characterized by having.
  • the predetermined measurement technique is a mass spectroscopic imaging method, a Raman spectroscopic imaging method, a fluorescence imaging method, an infrared spectroscopic imaging method, an X-ray analytical imaging method, or a surface using particle beams such as an electron beam or an ion beam.
  • the analytical imaging method, the surface analysis imaging method using a probe such as a scanning probe microscope (SPM), or the microscopic observation method using a general microscope such as an optical microscope can be used.
  • the reference image may be an image obtained by performing measurement on one of the measurement methods different from the one selected as the predetermined measurement method among the measurement methods exemplified above. it can.
  • the reference image is a standard image for evaluating the image based on the measurement imaging data, it is not necessary to be an image obtained for the same sample as the sample from which the measurement imaging data was acquired. It may be an artificially created image.
  • the predetermined measurement technique is mass spectrometry
  • the measurement imaging data is mass spectrum data over a predetermined mass-to-charge ratio range in each pixel.
  • the measurement imaging data is mass spectrometry imaging data obtained for a measurement region on one sample as described above, and the reference imaging data is image data constituting an optical image for the measurement region on the same sample.
  • the regression analysis execution unit executes a regression analysis in which mass analysis imaging data of the entire measurement region is an explanatory variable, and image data constituting an optical image for the entire measurement region is an explanatory variable (object variable), and mass A regression model is created by obtaining a regression coefficient for each charge ratio.
  • the predicted image creation unit creates a predicted image based on the regression analysis result by applying mass spectrometry imaging data, which is an explanatory variable, to the regression model.
  • the regression analysis it is desirable to use partial least square regression analysis instead of general multiple regression.
  • a residual image creating unit that calculates a prediction residual for each of the micro regions based on the predicted image, creates a residual image, and displays the residual image on the screen of the display unit, It is good to have a configuration provided.
  • the regression model is an element that can perform a complete regression
  • the prediction residual is zero for all pixels, but in reality there is always a regression error, so a prediction residual occurs. Since this prediction residual represents the accuracy of the regression model, the user can evaluate the accuracy of the regression model by checking the residual image.
  • the configuration further includes an analysis result image creation unit that displays both the predicted image and the reference image on the screen of the display unit.
  • the accuracy of the regression model obtained by the regression analysis is high, the two-dimensional distribution of the prediction image and the reference image as the regression analysis result is close. Therefore, the user can evaluate the accuracy of the regression model by comparing the predicted image and the reference image displayed side by side on the screen of the display unit.
  • a correlation coefficient calculating unit that calculates a correlation coefficient indicating a correlation in units of pixels spatially associated between the predicted image and the reference image;
  • a display processing unit for displaying the correlation coefficient calculated by the correlation coefficient calculation unit on a screen of a display unit; It is good to set it as the structure further provided.
  • the user can evaluate the accuracy of the regression model by checking the correlation coefficient.
  • a regression analysis result evaluating unit that calculates a calculated value by performing subtraction or division of a pixel value for each pixel that is spatially correlated between the predicted image and the reference image;
  • a difference image creation unit that creates an image based on a calculated value for each pixel calculated by the regression analysis result evaluation unit and displays the image on the screen of the display unit; It is good to set it as the structure further provided.
  • the accuracy of the regression model is high, the two-dimensional distribution between the predicted image and the reference image is close, so the calculated value obtained by subtracting or dividing the pixel values of both images is a constant value (eg, zero or 1 above). Get closer. Therefore, the user can evaluate the accuracy of the regression model by confirming the image based on the calculated value.
  • the measured imaging data is mass spectrometry imaging data as described above
  • the data was used for measurement for each peak in the profile spectrum obtained by mass spectrometry. It is preferable to integrate the signal intensities within the range of the accuracy of the mass spectrometer to obtain the peak signal intensity.
  • the peak width of the peak observed in the profile spectrum is larger than the mass-to-charge ratio width determined by the accuracy and resolution of the mass spectrometer. This is due to various errors during repeated measurement of the same part on the same sample. If the signal intensity is integrated for the entire peak (range from the start point to the end point) detected on the profile spectrum due to such peak broadening, it will be affected by the bottom of other peaks. As a result, the accuracy of signal strength decreases. On the other hand, according to the preferable configuration, it is possible to reduce the influence of such an error and create a mass analysis imaging image with high accuracy.
  • a prediction image close to the optical image can be created by using a regression model in which optical image data and mass spectrometry imaging data are created as explained variables and explanatory variables, respectively. Accuracy can be evaluated. Thereby, the efficiency of the search operation of the biomarker can be improved.
  • FIG. 1 is a schematic configuration diagram of an embodiment of an imaging mass spectrometer including an imaging data processing apparatus according to the present invention.
  • the figure which shows the relationship between the peak on a profile spectrum, and an intensity
  • FIG. 1 is a schematic configuration diagram of the imaging mass spectrometer of the present embodiment.
  • the apparatus includes an imaging mass analyzing unit 1 that performs measurement by mass spectrometry imaging method on a sample, an optical microscopic imaging unit 2 that captures an optical image on the sample, a data processing unit 3, and an input that is a user interface. Part 4 and display part 5.
  • the imaging mass spectrometer 1 includes, for example, a MALDI ion trap time-of-flight mass spectrometer, and performs mass analysis on a large number of measurement points (micro areas) in a two-dimensional measurement area on a sample such as a biological tissue section. This is executed to acquire mass spectrometry data for each minute region.
  • the mass analysis data is mass spectrum data over a predetermined mass-to-charge ratio range, but may be MS n spectrum data for a specific precursor ion.
  • the optical microscopic imaging unit 2 is obtained by adding an imaging unit to an optical microscope, and acquires an optical image of a two-dimensional region on the surface of a sample.
  • the data processing unit 3 receives the mass spectrum data in each micro area collected by the imaging mass analysis unit 1 and the optical microscopic image data input from the optical microscopic imaging unit 2 and performs predetermined processing.
  • the unit 39 is provided as a functional block.
  • the data storage unit 32 is a spectral data storage region 321 for storing data collected by the measurement by the imaging mass spectrometry unit 1 and an optical image data storage for storing image data collected by the measurement (imaging) by the optical microscope imaging unit 2. Region 322.
  • the data processing unit 3 is a personal computer (or a higher-performance workstation). By operating dedicated software installed in the computer on the computer, the functions of the blocks described above are performed. It is the structure achieved.
  • the input unit 4 is a pointing device such as a keyboard or a mouse
  • the display unit 5 is a display monitor.
  • the optical microscopic imaging unit 2 captures the surface of the sample and captures optical image data.
  • the data is stored in the optical image data storage area 322.
  • the image creation unit 33 creates an optical image
  • the display processing unit 39 displays the image on the screen of the display unit 5. The operator instructs the measurement area which is the whole sample or a part of the sample on the image with the input unit 4.
  • the worker takes out the sample once and attaches a MALDI matrix to the surface. Then, the sample to which the matrix is attached is set at a predetermined measurement position of the imaging mass spectrometer 1 and a predetermined operation is performed by the input unit 4. Thereby, the imaging mass spectrometer 1 performs mass analysis on each of a number of micro areas in the measurement area designated as described above on the sample, and acquires mass analysis data over a predetermined mass-to-charge ratio range. To do. At this time, the data collection unit 31 performs so-called profile acquisition, collects profile spectrum data having a continuous waveform in the mass-to-charge ratio direction within the mass-to-charge ratio range, and stores it in the spectrum data storage region 321 of the data storage unit 32. save.
  • sample surface pattern between different tissues, etc.
  • optical microscopic imaging is performed after the matrix is first attached to the sample surface. Shooting may be performed by the unit 2.
  • the image creation unit 33 reads profile data for one sample to be processed from the spectrum data storage region 321 of the data storage unit 32, and a plurality of predetermined target masses for each minute region. The signal intensity at the charge ratio is calculated, and a mass spectrometry imaging image showing a two-dimensional distribution of signal intensity for each mass to charge ratio is created.
  • an accurate peak position is created by creating a profile spectrum based on profile data, detecting a peak on the profile spectrum, and performing a centroid conversion process on each detected peak.
  • Mc Mass-to-charge ratio value
  • Mc is determined. If the mass-to-charge ratio value Mc of the centroid peak is within a predetermined mass-to-charge ratio range centered on the specified mass-to-charge ratio, the centroid peak is regarded as a peak corresponding to the target mass-to-charge ratio. .
  • the image creation unit 33 reads out the optical image data for the same sample from the optical image data storage area 322 of the data storage unit 32 and creates one optical image.
  • the spatial resolution in the optical microscopic imaging unit 2 is usually determined by the resolution of the imaging camera, whereas the resolution of the mass spectrometry imaging image is determined by the spot diameter of the laser light irradiated on the sample for ionization. . Therefore, the resolution of mass spectrometry imaging images is often lower than the resolution of optical images. Therefore, when the spatial resolutions of the optical image and the mass spectrometry imaging image are different, the image alignment processing unit 34 performs a resolution adjustment process for aligning the spatial resolution.
  • a simple method of aligning the resolution is to reduce the resolution of the higher resolution image to match the image with lower resolution.
  • a binning process is useful as such a method.
  • the resolution of the lower resolution image may be increased to match the high resolution image.
  • upsampling processing is performed on a low-resolution image and the number of pixels is apparently added, and then interpolation processing using a plurality of pixel values adjacent to or close to a certain pixel is performed by upsampling. What is necessary is just to calculate and fill the pixel value of the newly inserted pixel.
  • the image alignment processing unit 34 After aligning the spatial resolution, the image alignment processing unit 34 appropriately deforms the optical image so that the positions of the mass spectrometry imaging image and the optical image are approximately aligned in units of pixels. Specifically, for example, the optical image is used as a reference, and the mass spectrometry imaging image is enlarged / reduced, rotated, moved, and further deformed according to a predetermined algorithm, so that the positional relationship on the sample in both images is substantially the same. Let By such processing, it is possible to associate pixels that are two-dimensionally the same position between the optical image and the mass spectrometry imaging image.
  • the optical image thus processed is set as a reference image. Instead of using the optical image as it is, the luminance value of the color component created by extracting the specific color component instructed by the operator from the optical image, as disclosed in Patent Document 1 and the like.
  • the two-dimensional distribution image may be used as a reference image.
  • the regression analysis execution unit 35 explains a matrix having the signal intensity value for each mass-to-charge ratio value in each pixel as an element, which is created based on the mass spectrometry imaging data constituting the processed mass spectrometry imaging image.
  • PLS is executed using a variable (X), which is also a matrix created based on the reference image, and having a luminance value for each pixel as an element to be explained (Y).
  • X a matrix created based on the reference image
  • Y luminance value for each pixel as an element to be explained
  • an image similar to the two-dimensional distribution of the reference image that is, a regression model (regression equation) is created from the signal intensity value for each mass-to-charge ratio of the mass spectrometry imaging data (see FIG. 3).
  • Bpis is a matrix of regression coefficients.
  • the PLS can be calculated using various commonly available software.
  • the following various information obtained based on the regression model can be selectively provided to the worker according to the designation of the worker.
  • the image creation unit 33 displays the signal intensity for each explanatory variable, that is, the mass-to-charge ratio value in each pixel of the mass spectrometry imaging data. Apply the value to the regression model to create a predicted image based on the regression analysis results. If the accuracy of the regression model is high, that is, if the regression model can explain the explained variable well based on the explanatory variable, the two-dimensional distribution of the predicted image is similar to the two-dimensional distribution of the reference image. Therefore, the display processing unit 39 arranges one predicted image and a reference image side by side on the screen and displays them on the display unit 5 as indicated by [a] in FIG. Of course, in addition to arranging the images, one of them may be displayed with the images made semi-transparent.
  • the operator can compare the reference image with the predicted image and visually confirm whether or not the distribution is similar, and can evaluate the accuracy of the created regression model. .
  • a mass-to-charge ratio having a distribution similar to that of the reference image can be selected as a biomarker candidate.
  • the image creation unit 33 displays an explanatory variable, that is, a signal intensity value for each mass-to-charge ratio value in each pixel of mass spectrometry imaging data. Is applied to the regression model to create a prediction image based on the regression analysis result.
  • the correlation coefficient calculation unit 37 calculates a correlation coefficient for each pixel for the predicted image and the reference image. Thereby, the correlation coefficient reflecting the similarity of the two-dimensional distribution with the reference image is obtained for each predicted image.
  • the display processing unit 39 displays, for example, a predicted image and a correlation coefficient on the display unit 5 as indicated by [b] in FIG. At this time, a reference image may also be displayed.
  • the operator can confirm whether the two-dimensional distribution of the predicted image and the reference image is similar based on a numerical value called a correlation coefficient, and evaluate the accuracy of the created regression model. can do. Thereby, a mass-to-charge ratio similar in distribution to the reference image can be selected as a biomarker candidate.
  • the image creation unit 33 calculates the explanatory variable, that is, the mass-to-charge ratio value for each pixel of the mass spectrometry imaging data. Apply a signal strength value to the regression model to create a prediction image based on the regression analysis result.
  • the pixel value subtraction / division unit 38 roughly aligns the pixel values by performing normalization for each pixel value in the predicted image and each pixel value in the reference image.
  • the average value of all pixel values is calculated for each image, and each pixel value is normalized so that the average value is the same, or the maximum pixel value is the same among all the pixel values in each image
  • the difference between the pixel value of one image and the pixel value of the other image is calculated in pixel units.
  • the quotient of the pixel value may be obtained by performing division in units of pixels. In this way, when the pixel value is subtracted or divided for each pixel and the calculated value is obtained as a result, the image creating unit 33 creates an image based on the calculated value.
  • the display processing unit 39 causes the display unit 5 to display the above-described calculated value image (difference image in FIG. 3), as indicated by [c] in FIG.
  • the display as described above allows the operator to check whether or not the two-dimensional distribution between the predicted image and the reference image is similar, and can evaluate the accuracy of the created regression model. . Thereby, a mass-to-charge ratio having a distribution similar to that of the reference image can be selected as a biomarker candidate.
  • the image creation unit 33 regresses the explanatory variable, that is, the signal intensity value for each mass-to-charge ratio value in each pixel of the mass spectrometry imaging data. Apply to the model to create a prediction image based on the regression analysis results.
  • the prediction residual calculation unit 36 calculates a prediction residual for each pixel based on the prediction image. This prediction residual can be calculated by a well-known method in regression analysis such as PLS. This prediction residual has a small value for pixels for which regression has been performed with high accuracy.
  • the image creation unit 33 creates an image based on the prediction residual.
  • the display processing unit 39 displays the created prediction residual image on the display unit 5 as indicated by [d] in FIG.
  • the display as described above allows the operator to determine whether or not the two-dimensional distribution of the predicted image and the reference image is similar by visually confirming the residual image.
  • the accuracy of the regression model can be evaluated. Thereby, a mass-to-charge ratio having a distribution similar to that of the reference image can be selected as a biomarker candidate.
  • an operator can create a mass imaging image whose two-dimensional distribution is truly similar to a reference image. Once found, the mass-to-charge ratio corresponding to the image can be extracted as a biomarker candidate.
  • an optical image is used as a reference image.
  • an imaging image obtained by a measurement other than the mass spectrometry imaging method for the same sample for example, a Raman spectroscopic imaging method is used.
  • SPM scanning probe microscope
  • An imaging image obtained by the above can be used.
  • the images need not necessarily be obtained for the same sample. For example, as long as adjacent slice samples are formed by slicing a living tissue very thinly, different samples can be treated as substantially the same sample. Sometimes. In such a case, a mass spectrometry imaging image and a reference image may be obtained for different samples that can be regarded as the same sample.
  • the present invention can also be applied to the case where the similarity between the image data obtained by various imaging methods as described above and the optical image data is examined instead of the data obtained by the mass spectrometry imaging method. .

Landscapes

  • Chemical & Material Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • General Physics & Mathematics (AREA)
  • Biochemistry (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Urology & Nephrology (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Hematology (AREA)
  • Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Electrochemistry (AREA)

Abstract

画像作成部（３３）は、同じ試料上の測定領域についてのm/z毎のＭＳイメージング画像と光学画像とを作成し、画像位置合わせ処理部（３４）は解像度を揃えるとともに画像位置合わせを行う。回帰分析実行部（３５）はＭＳイメージングデータに基づく行列を説明変数、光学画像に基づいて作成された、画素毎の輝度値を要素とする行列を被説明変数としてＰＬＳを実行して回帰モデルを作成する。画像作成部（３３）は、説明変数、即ち、ＭＳイメージングデータの各画素における質量電荷比値毎の信号強度値を回帰モデルに適用して予測画像を作成する。表示処理部（３９）は参照画像と予測画像とを表示部（５）の画面上に表示する。これにより、作業者はＭＳイメージング画像と光学画像との分布の類似性の程度を確認することができる。その結果、作成した回帰モデルの正確性を評価することができる。

Description

イメージングデータ処理装置
　本発明は、イメージング質量分析装置などにより試料上の２次元的な測定領域内の多数の微小領域においてそれぞれ得られたデータを処理することで、該試料中の特定の物質の２次元分布を示す画像を作成したり該試料についての有用な情報を引き出したりすることが可能なイメージングデータ処理装置に関する。
　イメージング質量分析装置は、生体組織切片などの試料の表面の形態を光学顕微鏡によって観察しながら、同じ試料表面における特定の質量電荷比m/zを有するイオンの２次元的な強度分布を測定することが可能な装置である（非特許文献１参照）。イメージング質量分析装置を用いて例えば癌などの特定の疾病に特徴的に現れる化合物由来のイオンについての２次元強度分布画像（質量分析イメージング画像）を観察することにより、その疾病の拡がり具合などを把握することが可能である。こうしたことから、近年、イメージング質量分析装置を利用し、生体組織切片等を対象とした薬物動態解析や各器官での化合物分布の相違、或いは、癌等の病理部位と正常部位との間での化合物分布の差異などを解析する研究が盛んに行われている。
　一般に、或る質量電荷比を有するイオンの２次元強度分布は特定の物質の分布を示しているから、質量分析イメージング画像に基づいて、例えば特定の疾病に関連する化合物、つまりはバイオマーカが生体組織内でどのように分布しているか、などといった有用な情報を得ることができる。ただし、イメージング質量分析装置において得られるデータの量は膨大であり、観察対象の化合物の種類が不明である場合、いずれの質量電荷比における質量分析イメージング画像が有用な情報であるのかを作業者が調べるには大変な労力を要する。
　こうした課題に対し、特許文献１には、光学顕微鏡で得られた光学画像、蛍光画像等の参照画像と任意の質量電荷比における質量分析イメージング画像とについて画像の位置合わせと空間分解能の調整とを行ったうえで、両画像の同じ位置の画素同士のデータに対する統計的解析処理を実行し、両画像の分布の類似性を示す指標値を算出することが記載されている。また、該文献には、統計的解析手法として部分最小二乗回帰（Partial Least Squares regression＝ＰＬＳ）等の回帰分析を利用することが記載されている。この方法では、質量分析イメージング画像と参照画像との２次元分布の相関性が高いほどＰＬＳのスコアが高くなるから、該スコアが高い質量分析イメージング画像を与える質量電荷比を有するイオンは参照画像に近い２次元強度分布であると推定することができる。こうした情報はバイオマーカを探索するうえで非常に重要な情報である。
　また本出願人が先に出願したＰＣＴ／ＪＰ２０１８／００３７３５号には、試料について収集された所定質量電荷比範囲に亘る質量分析イメージングデータに基づいて作成された２次元行列を説明変数、参照画像の画素値データに基づいて作成された１次元行列を被説明変数（目的変数）としてＰＬＳ回帰分析を実行して回帰係数の１次元行列を求め、その結果から質量電荷比と回帰係数との関係を示すスペクトル様のグラフを作成して表示することが記載されている。このグラフを見れば、回帰係数の絶対値が大きな質量電荷比が一目で分かるため、作業者は、参照画像に近い２次元強度分布を示す質量電荷比を容易に見つけることができる。
国際公開第２０１７／００２２２６号パンフレット
「iMScope　TRIO　イメージング質量顕微鏡」、[online]、［平成３０年３月２８日検索］、株式会社島津製作所、インターネット＜URL : https://www.an.shimadzu.co.jp/bio/imscope/＞
　上述したように、異なる質量電荷比における質量分析イメージング画像に対して得られるＰＬＳスコア（回帰係数）を比較することで、いずれの質量電荷比における質量分析イメージング画像が参照画像により近いのかという相対的な判断を行うことが可能である。しかしながら、そうしたスコアを以てしても、或る質量電荷比における質量分析イメージング画像が参照画像にどの程度似ているのかという絶対的な判断を行うことはできない。したがって、互いに異なる複数の質量電荷比における質量分析イメージング画像と一つの参照画像とについてそれぞれを実行して求めたスコアを比較して、最もスコアが高い一つの質量電荷比を抽出したとしても、その質量電荷比における質量分析イメージング画像と参照画像との２次元分布の類似性が十分に高いという保証はない。
　一般的にＰＬＳでは、決定係数（寄与率とも呼ばれる）と呼ばれる計算値がＰＬＳモデル（回帰式）の類似性を示す指標値として用いられることが多い。決定係数を計算するためには、実際のデータ値と推定された回帰式とから、データ値毎に、全変動、回帰変動、及び残差変動の三つを求め、全てのデータ値についてのそれら値から決定係数を算出する必要がある。しかしながら、質量分析イメージング法の場合、処理対象のデータ量が非常に膨大であるため、決定係数を算出することは実際上不可能である。
　なお、同様の問題は、質量分析イメージング法に限らず、ラマン分光イメージング法、蛍光イメージング法、赤外分光イメージング法、などの、様々な測定手法によるイメージングに共通している。
　本発明はこうした課題を解決するために成されたものであり、その目的とするところは、例えば同じ測定領域についての質量分析イメージング画像と光学画像との類似性を統計的解析処理により調べる際に、その類似の程度をユーザが直感的に且つ容易に把握することができるイメージングデータ処理装置を提供することである。
　上記課題を解決するために成された本発明は、試料上の２次元的な測定領域内の微小領域毎に所定の測定手法により得られたデータの集合である画像データ又は該データを加工して得られた画像データである測定イメージングデータと、参照画像を構成する参照イメージングデータと、に基づく解析処理によって、前記試料についての情報を求めるイメージングデータ処理装置であって、
　a)前記測定イメージングデータの全体又は一部である第１のイメージングデータと、それに空間的に対応付けられる前記参照イメージングデータの全体又は一部である第２のイメージングデータとについて、該第１のイメージングデータを説明変数、該第２のイメージングデータを被説明変数（目的変数）とする回帰分析を実行して回帰モデルを作成する回帰分析実行部と、
　b)前記回帰モデルに前記第１のイメージングデータを適用することで、回帰分析結果に基づく予測画像を作成する予測画像作成部と、
　を備えることを特徴としている。
　本発明において、所定の測定手法とは、質量分析イメージング法、ラマン分光イメージング法、蛍光イメージング法、赤外分光イメージング法、Ｘ線分析イメージング法、電子線やイオン線などの粒子線を用いた表面分析イメージング法、走査型プローブ顕微鏡（ＳＰＭ）などの探針を用いた表面分析イメージング法、光学顕微鏡などの一般的な顕微鏡による顕微観察法などのいずれかとすることができる。また、参照画像は、上記例示した測定手法の中で所定の測定手法として選択されたものとは異なるうちの一つの測定手法における測定を試料に対して行うことで得られた画像とすることができる。ただし、参照画像はあくまでも測定イメージングデータに基づく画像を評価する際の基準となる画像であるから、測定イメージングデータが取得された試料と同じ試料について得られた画像である必要はなく、また測定に依らず人為的に作成された画像でもよい。
　本発明における典型的な実施形態としては、上記所定の測定手法は質量分析法であり、上記測定イメージングデータは各画素における所定の質量電荷比範囲に亘るマススペクトルデータである。
　いま一例として、測定イメージングデータが上述したように一つの試料上の測定領域について得られた質量分析イメージングデータ、参照イメージングデータが同じ試料上の測定領域についての光学画像を構成する画像データであるとする。本発明において回帰分析実行部は、測定領域全体の質量分析イメージングデータを説明変数、該測定領域全体に対する光学画像を構成する画像データを被説明変数（目的変数）とする回帰分析を実行し、質量電荷比毎に回帰係数を求めて回帰モデルを作成する。そして、予測画像作成部は、説明変数である質量分析イメージングデータを回帰モデルに適用することで、回帰分析結果に基づく予測画像を作成する。ここで、回帰分析としては一般的な多重回帰ではなく、部分最小二乗回帰分析を用いることが望ましい。
　本発明に係る第１の態様では、前記予測画像に基づいて前記微小領域毎の予測残差を算出し残差画像を作成して表示部の画面上に表示する残差画像作成部、をさらに備える構成とするとよい。
　回帰モデルにおいて完全な回帰が行える要素であれば、全ての画素において予測残差はゼロになるが、実際にはほぼ必ず回帰の誤差があるため予測残差が発生する。この予測残差は回帰モデルの正確性を表すから、ユーザは残差画像を確認することで、回帰モデルの正確性を評価することができる。
　また本発明に係る第２の態様では、前記予測画像と前記参照画像とを共に表示部の画面上に表示する分析結果画像作成部をさらに備える構成とする構成とするとよい。
　回帰分析によって得られた回帰モデルの正確性が高ければ、回帰分析結果である予測画像と参照画像との２次元分布は近くなる。したがって、ユーザは表示部の画面上に並べて表示された予測画像と参照画像とを見比べることで、回帰モデルの正確性を評価することができる。
　また本発明に係る第３の態様では、
　前記予測画像と前記参照画像との間で空間的に対応付けられる画素単位での相関性を示す相関係数を算出する相関係数算出部と、
　前記相関係数算出部により算出された相関係数を表示部の画面上に表示する表示処理部と、
　をさらに備える構成とするとよい。
　上述したように、回帰モデルの正確性が高ければ予測画像と参照画像との２次元分布は近くなるため、両画像の相関係数は大きくなる。したがって、ユーザは相関係数を確認することで、回帰モデルの正確性を評価することができる。
　また本発明に係る第４の態様では、
　前記予測画像と前記参照画像との間で空間的に対応付けられる画素毎に画素値の減算又は除算を実施して計算値を算出する回帰分析結果評価部と、
　前記回帰分析結果評価部により算出された画素毎の計算値に基づく画像を作成して表示部の画面上に表示する差分画像作成部と、
　をさらに備える構成とするとよい。
　回帰モデルの正確性が高ければ予測画像と参照画像との２次元分布は近くなるため、両画像の画素値を減算又は除算して得られる計算値は一定値（例えば上記のゼロ又は１）に近くなる。したがって、ユーザは上記計算値に基づく画像を確認することで、回帰モデルの正確性を評価することができる。
　なお、本発明に係るイメージングデータ処理装置であって、測定イメージングデータが上述したように質量分析イメージングデータである場合、該データは質量分析により得られたプロファイルスペクトルにおける各ピークについて、測定に使用した質量分析装置の装置精度程度以内の範囲における信号強度を積算してそのピークの信号強度としたものとするのが好ましい。
　一般にプロファイルスペクトルにおいて観測されるピークのピーク幅は質量分析装置の装置精度や分解能で決まる質量電荷比幅に比べて大きくなる。これは、同じ試料上の同じ部位に対する繰り返し測定時の様々な誤差などに起因するものである。こうしたピークの拡がりのためにプロファイルスペクトル上で検出される一つのピークの全体（開始点から終了点までの範囲）について信号強度を積算してしまうと、他のピークの裾部の影響を受ける等により、信号強度の精度が低下する。これに対し、上記好ましい構成によれば、こうした誤差の影響を軽減して正確性の高い質量分析イメージング画像を作成することができる。
　本発明によれば、例えば光学画像データと質量分析イメージングデータをそれぞれ被説明変数、説明変数として作成した回帰モデルにより、該光学画像に近い予測画像を作成することができ、それに基づき回帰分析結果の正確性を評価することができる。それにより、バイオマーカの探索の作業の効率化を図ることができる。
本発明に係るイメージングデータ処理装置を含むイメージング質量分析装置の一実施例の概略構成図。 プロファイルスペクトル上のピークと強度積算範囲との関係を示す図。 本実施例のイメージング質量分析装置におけるデータ処理の説明図。
　本発明に係るイメージングデータ処理装置を用いたイメージング質量分析装置の一実施例について、添付図面を参照して説明する。
　図１は本実施例のイメージング質量分析装置の概略構成図である。本装置は、試料に対して質量分析イメージング法による測定を実施するイメージング質量分析部１と、試料上の光学画像を撮影する光学顕微撮像部２と、データ処理部３と、ユーザインターフェイスである入力部４及び表示部５と、を含む。
　イメージング質量分析部１は例えばＭＡＬＤＩイオントラップ飛行時間型質量分析装置を含み、生体組織切片などの試料上の２次元的な測定領域内の多数の測定点（微小領域）に対してそれぞれ質量分析を実行して微小領域毎に質量分析データを取得するものである。ここでは、質量分析データは所定の質量電荷比範囲に亘るマススペクトルデータであるが、特定のプリカーサイオンに対するＭＳnスペクトルデータでもよい。光学顕微撮像部２は光学顕微鏡に撮像部を付加したものであり、試料上の表面の２次元領域の光学画像を取得するものである。
　データ処理部３は、イメージング質量分析部１で収集された各微小領域におけるマススペクトルデータ及び光学顕微撮像部２から入力される光学顕微画像データを受けて所定の処理を行うものであり、データ収集部３１、データ格納部３２、画像作成部３３、画像位置合わせ処理部３４、回帰分析実行部３５、予測残差算出部３６、相関係数算出部３７、画素値減算・除算部３８、表示処理部３９などを機能ブロックとして備える。データ格納部３２は、イメージング質量分析部１による測定で収集されたデータを格納するスペクトルデータ格納領域３２１と光学顕微撮像部２による測定（撮影）で収集された画像データを格納する光学画像データ格納領域３２２とを含む。
　なお、通常、データ処理部３の実体はパーソナルコンピュータ（又はより高性能なワークステーション）であり、該コンピュータにインストールされた専用のソフトウェアを該コンピュータ上で動作させることにより、上記各ブロックの機能が達成される構成となっている。その場合、入力部４はキーボードやマウス等のポインティングデバイスであり、表示部５はディスプレイモニタである。
　次に、本実施例の装置における試料の測定作業について説明する。
　まず作業者が目的試料を光学顕微撮像部２の所定の測定位置にセットし、入力部４で所定の操作を行うと、光学顕微撮像部２は該試料の表面を撮影し、光学画像データを光学画像データ格納領域３２２に保存する。また、画像作成部３３は光学画像を作成し、表示処理部３９はその画像を表示部５の画面上に表示する。作業者はその画像上でその試料全体又は試料の一部である測定領域を入力部４で指示する。
　作業者は試料を一旦取り出し、その表面にＭＡＬＤＩ用のマトリクスを付着させる。そして、マトリクスが付着された試料をイメージング質量分析部１の所定の測定位置にセットし、入力部４で所定の操作を行う。これにより、イメージング質量分析部１は、試料上の、上述したように指示された測定領域内の多数の微小領域についてそれぞれ質量分析を実行し、所定の質量電荷比範囲に亘る質量分析データを取得する。このときデータ収集部３１は、いわゆるプロファイルアクイジションを実行し、質量電荷比範囲内で質量電荷比方向に連続的な波形であるプロファイルスペクトルデータを収集してデータ格納部３２のスペクトルデータ格納領域３２１に保存する。
　なお、マトリクスを試料表面に付着させても該試料表面の模様（異なる組織の境界等）が比較的鮮明に観察できる場合には、先に試料の表面にマトリクスを付着させたあとに光学顕微撮像部２で撮影を実施してもよい。
　上述したように試料についての質量分析イメージングデータ及び光学画像データがデータ格納部３２に格納されている状態で、以下のようにしてデータ処理が実施される。
　データ処理部３において画像作成部３３は、データ格納部３２のスペクトルデータ格納領域３２１から処理対象である一つの試料についてのプロファイルデータを読み出し、微小領域毎に、予め定められている複数の目的質量電荷比における信号強度を算出し、その質量電荷比毎に信号強度の２次元分布を示す質量分析イメージング画像を作成する。
　具体的には、図２に示すように、プロファイルデータに基づいてプロファイルスペクトルを作成し、プロファイルスペクトル上でピークを検出し、検出された各ピークについてセントロイド変換処理を行うことで正確なピーク位置（質量電荷比値）Ｍcを求める。そして、指定された質量電荷比を中心とする所定の質量電荷比範囲内にセントロイドピークの質量電荷比値Ｍcがあれば、そのセントロイドピークが目的質量電荷比に対応するピークであるとみなす。そして、プロファイルスペクトルにおいてそのセントロイドピークを中心とする所定の質量電荷比範囲（質量分析装置の質量精度程度の範囲）Ｍc±ΔＭ内の信号強度値を積算して、その目的質量電荷比に対する信号強度値とする。各微小領域におけるプロファイルデータについて同様の処理を行うことで、目的質量電荷比における信号強度値の２次元分布を得ることができるから、これを画像化すると一つの目的質量電荷比における質量分析イメージング画像が得られる。
　また画像作成部３３は、データ格納部３２の光学画像データ格納領域３２２から同じ試料についての光学画像データを読み出し一つの光学画像を作成する。一般的には、光学顕微撮像部２における空間分解能は通常、撮像用カメラの解像度で決まるのに対し、質量分析イメージング画像の解像度はイオン化のために試料に照射されるレーザ光のスポット径によって決まる。そのため、質量分析イメージング画像の解像度は光学画像の解像度に比べて低いことが多い。そこで、光学画像と質量分析イメージング画像との空間分解能が異なる場合、画像位置合わせ処理部３４は空間分解能を揃える解像度調整処理を実施する。
　解像度を揃える簡単な方法は、解像度が高いほうの画像の解像度を落として低解像である画像に合わせる方法である。こうした方法としては例えばビニング処理が有用である。また、解像度が低いほうの画像の解像度を上げることで高解像である画像に合わせるようにしてもよい。そのためには、低解像の画像に対しアップサンプリング処理を行って画素数をみかけ上合わせたあとに、或る画素に隣接する又は近接する複数の画素値を利用した補間処理によって、アップサンプリングによって新たに挿入された画素の画素値を算出して埋めればよい。
　空間分解能を揃えたあと、画像位置合わせ処理部３４は、質量分析イメージング画像と光学画像とが画素単位でその位置が概ね揃うように光学画像を適宜変形させる。具体的には、例えば光学画像を基準として質量分析イメージング画像について拡大・縮小、回転、移動、さらには、所定のアルゴリズムに従った変形を行うことで両画像における試料上での位置関係を概ね一致させる。こうした処理によって、光学画像と質量分析イメージング画像との間で、２次元的に同じ位置にある画素同士を対応付けることができる。こうして処理した光学画像を参照画像とする。なお、光学画像をそのまま用いるのではなく、特許文献１等に開示されているように、作業者により指示された特定の色成分を光学画像から抽出することで作成した、その色成分の輝度値の２次元分布画像を参照画像としてもよい。
　そのあと回帰分析実行部３５は、上記処理後の質量分析イメージング画像を構成する質量分析イメージングデータに基づいて作成された、各画素における質量電荷比値毎の信号強度値を要素とする行列を説明変数（Ｘ）、同じく上記参照画像に基づいて作成された、画素毎の輝度値を要素とする行列を被説明変数（Ｙ）としてＰＬＳを実行する。そして、参照画像の２次元分布と類似する画像、即ち、回帰モデル（回帰式）を質量分析イメージングデータの質量電荷比毎の信号強度値から作成する（図３参照）。よく知られているように、ＰＬＳにおける回帰モデルは、Ｙ＝Ｂpis・Ｘ＋Ｂ0 で表される。Ｂpisは回帰係数の行列である。ＰＬＳは一般に入手可能な様々なソフトウェアを利用して計算が可能である。
　本実施例の装置では、作業者の指定に応じて、回帰モデルに基づいて得られる以下のような様々な情報を選択的に作業者に提供することができる。
（１）回帰モデルに基づく回帰分析結果である予測画像の表示
　回帰モデルが得られると、画像作成部３３は、説明変数、即ち、質量分析イメージングデータの各画素における質量電荷比値毎の信号強度値を回帰モデルに適用して、回帰分析結果に基づく予測画像を作成する。回帰モデルの精度が高ければ、即ち、回帰モデルが説明変数に基づき被説明変数をよく説明可能なものであれば、予測画像の２次元分布は参照画像の２次元分布に類似したものとなる。そこで、表示処理部３９は、図３中の［ａ］に示すように、一つの予測画像と参照画像とを画面内に並べて配置して表示部５に表示させる。もちろん、並べる以外に、一方を画像を半透明化して重ねて表示してもよい。
　こうした表示により、作業者は、参照画像と予測画像とを比較し、確かに分布が類似しているか否かを目視で確認することができ、作成した回帰モデルの正確性を評価することができる。それにより、参照画像と分布が類似している質量電荷比をバイオマーカ候補として選択することができる。
（２）予測画像と参照画像との相関係数の表示
　回帰モデルが得られると、画像作成部３３は、説明変数、即ち、質量分析イメージングデータの各画素における質量電荷比値毎の信号強度値を回帰モデルに適用して、回帰分析結果に基づく予測画像を作成する。相関係数算出部３７は、予測画像と参照画像とについて画素単位で相関係数を計算する。それにより、予測画像毎に参照画像との２次元分布の類似性を反映した相関係数が求まる。表示処理部３９は、図３中の［ｂ］に示すように、例えば予測画像と相関係数とを表示部５に表示させる。なお、このときに参照画像も併せて表示してもよい。
　こうした表示により、作業者は、相関係数という数値に基づいて、予測画像と参照画像との２次元分布が類似しているか否かを確認することができ、作成した回帰モデルの正確性を評価することができる。それにより、参照画像と分布が類似している質量電荷比をバイオマーカ候補として選択することができる。
（３）予測画像と参照画像とについての減算・除算による画像の表示
　回帰モデルが得られると、画像作成部３３は、説明変数、即ち、質量分析イメージングデータの各画素における質量電荷比値毎の信号強度値を回帰モデルに適用して、回帰分析結果に基づく予測画像を作成する。画素値減算・除算部３８は、予測画像における各画素値と参照画像における各画素値とについて規格化を行うことにより、画素値を大まかに揃える。例えば画像毎に全ての画素値の平均値を計算してその平均値が同じになるように各画素値を規格化したり、或いは、各画像における全ての画素値の中で最大の画素値が同じになるように各画素値を規格化したりするといった方法が考えられる。なお、この画素値の規格化は必須ではない。
　そうして画素値を規格化したあとに、一方の画像の画素値と他方の画像の画素値との差を画素単位で計算する。或いは、画素単位で除算を行って画素値の商を求めてもよい。こうして画素毎に画素値の減算又は除算を行ってその結果である計算値が求まったならば、画像作成部３３はその計算値に基づく画像を作成する。表示処理部３９は、図３中の［ｃ］に示すように、上述した計算値の画像（図３では差分画像）を表示部５に表示させる。
　参照画像と予測画像との２次元分布の類似性が高ければ、減算又は除算に基づく画像の画素値は一定に近い状態となる。そこで、上記のような表示により、作業者は、予測画像と参照画像との２次元分布が類似しているか否かを確認することができ、作成した回帰モデルの正確性を評価することができる。それにより、参照画像と分布が類似している質量電荷比をバイオマーカ候補として選択することができる。
（４）回帰モデルに基づく予測残差画像の表示
　回帰モデルが得られると、画像作成部３３は、説明変数、即ち、質量分析イメージングデータの各画素における質量電荷比値毎の信号強度値を回帰モデルに適用して、回帰分析結果に基づく予測画像を作成する。予測残差算出部３６は予測画像に基づいて画素毎に予測残差を算出する。この予測残差の算出はＰＬＳ等の回帰分析において周知の方法で求めることができる。この予測残差は回帰が精度良く行われている画素では小さな値になる。画像作成部３３はその予測残差に基づく画像を作成する。表示処理部３９は、図３中の［ｄ］に示すように、作成された予測残差画像を表示部５に表示させる。
　参照画像と予測画像との２次元分布の類似性が高ければ、残差画像は一定に近い状態となる。そこで、上記のような表示により、作業者は、残差画像を目視で確認することで、予測画像と参照画像との２次元分布が類似しているか否かを判断することができ、作成した回帰モデルの正確性を評価することができる。それにより、参照画像と分布が類似している質量電荷比をバイオマーカ候補として選択することができる。
　以上のように本実施例のイメージング質量分析装置では、特徴的なデータ処理によってなされる様々な表示を利用して、作業者は参照画像に真に２次元分布が類似している質量イメージング画像を見つけ、その画像に対応する質量電荷比をバイオマーカの候補として抽出することができる。
　なお、上記実施例のイメージング質量分析装置では、光学画像を参照画像としていたが、この参照画像としては同じ試料についての質量分析イメージング法以外の他の測定によって得られるイメージング画像、例えばラマン分光イメージング法、赤外分光イメージング法、Ｘ線分析イメージング法、電子線やイオン線などの粒子線を用いた表面分析イメージング法、或いは、走査型プローブ顕微鏡（ＳＰＭ）などの探針を用いた表面分析イメージング法などにより得られたイメージング画像を用いることができる。また、必ずしも同じ試料について得られた画像である必要はなく、例えば生体組織をごく薄くスライスすることで形成した連続切片試料において隣接する切片試料であれば、異なる試料でも実質的に同じ試料として扱えることがある。こうした場合には、同じ試料であるとみなせる互いに異なる試料についてそれぞれ質量分析イメージング画像と参照画像とが得られていてもよい。
　また、質量分析イメージング法で得られたデータでなく、上述したような各種のイメージング法で得られた画像データと光学画像データなどとの類似性を調べる場合にも本発明を適用することができる。
　また、上記実施例はあくまでも本発明の一例であり、上記記載の各種の変形例のほか、本発明の趣旨の範囲で適宜に変更、修正、追加を行っても本願特許請求の範囲に包含されることは当然である。
１…イメージング質量分析部
２…光学顕微撮像部
２２…データ格納部
３…データ処理部
３１…データ収集部
３２…データ格納部
３２１…スペクトルデータ格納領域
３２２…光学画像データ格納領域
３３…画像作成部
３４…画像位置合わせ処理部
３５…回帰分析実行部
３６…予測残差算出部
３７…相関係数算出部
３８…画素値減算・除算部
３９…表示処理部
４…入力部
５…表示部

Claims (7)

  1. 　試料上の２次元的な測定領域内の微小領域毎に所定の測定手法により得られたデータの集合である画像データ又は該データを加工して得られた画像データである測定イメージングデータと、参照画像を構成する参照イメージングデータと、に基づく解析処理によって、前記試料についての情報を求めるイメージングデータ処理装置であって、
    　a)前記測定イメージングデータの全体又は一部である第１のイメージングデータと、それに空間的に対応付けられる前記参照イメージングデータの全体又は一部である第２のイメージングデータとについて、該第１のイメージングデータを説明変数、該第２のイメージングデータを被説明変数とする回帰分析を実行して回帰モデルを作成する回帰分析実行部と、
    　b)前記回帰モデルに前記第１のイメージングデータを適用することで、回帰分析結果に基づく予測画像を作成する予測画像作成部と、
    　を備えることを特徴とするイメージングデータ処理装置。
  2. 　請求項１に記載のイメージングデータ処理装置であって、
    　前記予測画像に基づいて前記微小領域毎の予測残差を算出し残差画像を作成して表示部の画面上に表示する残差画像作成部、をさらに備えることを特徴とするイメージングデータ処理装置。
  3. 　請求項１に記載のイメージングデータ処理装置であって、
    　前記予測画像と前記参照画像とを共に表示部の画面上に表示する分析結果画像作成部をさらに備えることを特徴とするイメージングデータ処理装置。
  4. 　請求項１に記載のイメージングデータ処理装置であって、
    　前記予測画像と前記参照画像との間で空間的に対応付けられる画素単位での相関性を示す相関係数を算出する相関係数算出部と、
    　前記相関係数算出部により算出された相関係数を表示部の画面上に表示する表示処理部と、
    　をさらに備えることを特徴とするイメージングデータ処理装置。
  5. 　請求項１に記載のイメージングデータ処理装置であって、
    　前記予測画像と前記参照画像との間で空間的に対応付けられる画素毎に画素値の減算又は除算を実施して計算値を算出する回帰分析結果評価部と、
    　前記回帰分析結果評価部により算出された画素毎の計算値に基づく画像を作成して表示部の画面上に表示する差分画像作成部と、
    　をさらに備えることを特徴とするイメージングデータ処理装置。
  6. 　請求項１～５のいずれか１項に記載のイメージングデータ処理装置であって、
    　前記所定の測定手法は質量分析法であり、前記測定イメージングデータは、質量分析により得られたプロファイルスペクトルにおける各ピークについて、使用した質量分析装置の装置精度程度以内の範囲における信号強度を積算してそのピークの信号強度としたものであることを特徴とするイメージングデータ処理装置。
  7. 　請求項６に記載のイメージングデータ処理装置であって、
    　前記回帰分析は部分最小二乗回帰分析であることを特徴とするイメージングデータ処理装置。
PCT/JP2018/020836 2018-05-30 2018-05-30 イメージングデータ処理装置 WO2019229900A1 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
JP2020522475A JP7004073B2 (ja) 2018-05-30 2018-05-30 イメージングデータ処理装置
US17/055,808 US11276566B2 (en) 2018-05-30 2018-05-30 Imaging data processing device
CN201880093329.3A CN112136041B (zh) 2018-05-30 2018-05-30 成像数据处理装置
PCT/JP2018/020836 WO2019229900A1 (ja) 2018-05-30 2018-05-30 イメージングデータ処理装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2018/020836 WO2019229900A1 (ja) 2018-05-30 2018-05-30 イメージングデータ処理装置

Publications (1)

Publication Number Publication Date
WO2019229900A1 true WO2019229900A1 (ja) 2019-12-05

Family

ID=68697054

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2018/020836 WO2019229900A1 (ja) 2018-05-30 2018-05-30 イメージングデータ処理装置

Country Status (4)

Country Link
US (1) US11276566B2 (ja)
JP (1) JP7004073B2 (ja)
CN (1) CN112136041B (ja)
WO (1) WO2019229900A1 (ja)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023032181A1 (ja) * 2021-09-06 2023-03-09 株式会社島津製作所 質量分析データ解析方法及びイメージング質量分析装置
WO2023189894A1 (ja) * 2022-03-29 2023-10-05 東京エレクトロン株式会社 基板処理装置、その検査方法、および基板処理システム

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115452929B (zh) * 2022-09-30 2023-04-21 上海立迪生物技术股份有限公司 一种成像质谱流式的信号校准方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150131888A1 (en) * 2012-05-21 2015-05-14 Vanderbilt University Predictive modeling relating molecular imaging modalities

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5348029B2 (ja) * 2010-03-16 2013-11-20 株式会社島津製作所 質量分析データ処理方法及び装置
CN102495005B (zh) * 2011-11-17 2013-05-08 江苏大学 高光谱图像技术诊断作物水分亏缺的方法
CN104270640B (zh) * 2014-09-09 2018-07-31 西安电子科技大学 基于支持向量回归的光谱图像无损压缩方法
US11222773B2 (en) * 2015-07-01 2022-01-11 Shimadzu Corporation Data processing device
JP6477833B2 (ja) * 2017-11-06 2019-03-06 株式会社島津製作所 データ処理装置
WO2019150573A1 (ja) 2018-02-05 2019-08-08 株式会社島津製作所 データ解析装置

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150131888A1 (en) * 2012-05-21 2015-05-14 Vanderbilt University Predictive modeling relating molecular imaging modalities

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
DE PLAS, R. V.: "Image fusion of mass spectrometry and microscopy: a multimodality paradigm for molecular tissue mapping", NATURE METHODS, vol. 12, no. 4, April 2015 (2015-04-01), pages 366 - 372, XP055465868, DOI: 10.1038/nmeth.3296 *
ROMPP, A.: "Mass spectrometry imaging with high resolution in mass and space", HISTOCHEM CELL BIOL, vol. 139, no. 6, 2013, pages 759 - 783, XP035342872, DOI: 10.1007/s00418-013-1097-6 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023032181A1 (ja) * 2021-09-06 2023-03-09 株式会社島津製作所 質量分析データ解析方法及びイメージング質量分析装置
WO2023189894A1 (ja) * 2022-03-29 2023-10-05 東京エレクトロン株式会社 基板処理装置、その検査方法、および基板処理システム

Also Published As

Publication number Publication date
US20210210318A1 (en) 2021-07-08
JP7004073B2 (ja) 2022-01-21
JPWO2019229900A1 (ja) 2021-03-11
CN112136041B (zh) 2023-06-16
CN112136041A (zh) 2020-12-25
US11276566B2 (en) 2022-03-15

Similar Documents

Publication Publication Date Title
WO2016103312A1 (ja) 分析データ処理方法及び装置
JP6927416B2 (ja) イメージングデータ処理装置及びイメージングデータ処理プログラム
WO2019229900A1 (ja) イメージングデータ処理装置
JP6908136B2 (ja) データ解析装置
JP6179600B2 (ja) 質量分析データ解析装置
WO2019150575A1 (ja) イメージング質量分析データ解析装置
JP6973640B2 (ja) イメージング質量分析データ処理装置
US11428653B2 (en) X-ray analysis system and X-ray analysis method
JPWO2019150554A1 (ja) イメージング質量分析用データ処理装置
US11651603B2 (en) Imaging data analyzer
WO2020166007A1 (ja) イメージング質量分析装置
US11211235B2 (en) Imaging mass spectrometry data processing device
JP7001157B2 (ja) イメージング質量分析データ処理装置
WO2021095210A1 (ja) イメージング分析装置及びイメージングデータ解析方法
WO2019229897A1 (ja) イメージングデータ処理装置
CN112204388A (zh) 谱数据处理装置以及分析装置
WO2019150574A1 (ja) イメージング質量分析装置
CN115349078A (zh) 获取和形成光谱测定图像的方法和光谱测定装置

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: 18920413

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2020522475

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: 18920413

Country of ref document: EP

Kind code of ref document: A1