WO2021075785A1 - 골수 이미지 분석기를 이용한 골수세포 이미지 촬상 방법 - Google Patents

골수 이미지 분석기를 이용한 골수세포 이미지 촬상 방법 Download PDF

Info

Publication number
WO2021075785A1
WO2021075785A1 PCT/KR2020/013644 KR2020013644W WO2021075785A1 WO 2021075785 A1 WO2021075785 A1 WO 2021075785A1 KR 2020013644 W KR2020013644 W KR 2020013644W WO 2021075785 A1 WO2021075785 A1 WO 2021075785A1
Authority
WO
WIPO (PCT)
Prior art keywords
image
bone marrow
imaging
cell
photographing
Prior art date
Application number
PCT/KR2020/013644
Other languages
English (en)
French (fr)
Inventor
이영득
Original Assignee
(주)유아이엠디
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 (주)유아이엠디 filed Critical (주)유아이엠디
Publication of WO2021075785A1 publication Critical patent/WO2021075785A1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/10—Investigating individual particles
    • G01N15/14—Optical investigation techniques, e.g. flow cytometry
    • G01N15/1429—Signal processing
    • G01N15/1433—Signal processing using image recognition
    • G—PHYSICS
    • 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
    • G01N33/4833—Physical analysis of biological material of solid biological material, e.g. tissue samples, cell cultures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
    • G06V20/698—Matching; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30024—Cell structures in vitro; Tissue sections in vitro

Definitions

  • the present invention relates to an analysis method and an imaging method of a bone marrow image provided for reading bone marrow examination results.
  • Bone marrow is an organ where various abnormalities occur in various blood diseases as the place where the ancestral cells that mature into blood cells are located. Bone marrow tests are performed to diagnose these diseases.
  • the bone marrow slides produced at this time have similarities to blood slides, but they are liquid samples through which blood flows, whereas bone marrow is a tissue, so there are many tissue lumps and thick smears are made. Since the number of nucleated cells in the bone marrow is enormous compared to white blood cells in the blood, it is very common for cells to come into contact with each other. In order to classify cells by image analysis technology, it is essential that the cells are well separated. However, if only cells that are well separated from each other are included in the differentiation, there is a high risk that inaccurate differentiation results will be reported as many cell populations with characteristics that do not separate well are excluded.
  • the present invention was derived based on the necessity as described above, and a first object of the present invention is to provide a method for analyzing bone marrow images and an imaging method capable of automatically classifying (or discriminating) accurate bone marrow cells for reading bone marrow examination results. I have to.
  • a second object of the present invention is to achieve accuracy and convenience according to the automatic counting of a bone marrow image analyzer for automatically classifying (or discriminating) bone marrow cells, and an analysis method and imaging of a bone marrow image capable of preventing an error in the discrimination result. There is a way to provide.
  • a third object of the present invention is to use a bone marrow image analyzer that can calculate and report the percentage of 19 cell types by finding only the cells that have been smeared with one or two attached to the slide, and photographing a high magnification image with optical magnification. It is to provide an analysis method and an imaging method for bone marrow cell images.
  • the preparation step (S10) of the bone marrow smear sample to smear and stain the bone marrow on a slide A low magnification imaging step (S20) of imaging the bone marrow smear as a low magnification sample image;
  • Cell selection step of selecting a predetermined number of single cells based on the image processing algorithm in the low magnification sample image (S30);
  • An imaging path calculation step (S40) of calculating imaging paths of the selected single cells based on the priority of the selected single cells and the shortest path;
  • a single cell refers to an ideal cell that has not significantly affected the diagnosis or damaged the state of the cell, even if it is normal or abnormal.
  • the bone marrow cell image imaging method using a bone marrow image analyzer is, after the high-magnification image imaging step (S50)), image separation in which the captured high-magnification cell images and the imaged one or more path images are separated and stored in two different image stores. It may further include a storage step (S60).
  • the cell selection step (S30) may be a step of selecting the low magnification sample image based on the independence of single cells.
  • the independence of a single cell means that each cell is independent in spatial arrangement, or even when two cells are attached, the state is not damaged.
  • the imaging path calculation step (S40) may include determining the imaging priority of single cells (S42); And calculating the shortest path for capturing single cells according to the priority for capturing (S44).
  • the captured one or more path image may be indexed corresponding to the high magnification cell images captured based on the imaging priority. This indexing is to take a series of images of all images on the middle slide moving to the next cell after capturing an image of one cell and index the path to the image file, and image files of high magnification cell images are stored in a separate folder and provided to users. And check.
  • the bone marrow cell image imaging method using a bone marrow image analyzer further includes the step of calculating the percentage of cells based on the high magnification cell image of the selected single cells and one or more path images (S70) after the image separation and storage step (S60).
  • accurate bone marrow cells can be automatically classified (or discriminated) for reading bone marrow examination results.
  • FIG. 1 is a flowchart sequentially showing an embodiment according to a method for imaging bone marrow cells using a bone marrow image analyzer according to the present invention
  • FIG. 2 is a flow chart specifically showing a step of imaging a high magnification image in an embodiment according to a method for imaging bone marrow cells using a bone marrow image analyzer according to the present invention
  • FIG. 3 is a view showing a high magnification image imaging step of a bone marrow cell image imaging method using a bone marrow image analyzer according to the present invention on a bone marrow image sample.
  • Bone marrow is a soft tissue located in the inner space of the bone and is a hematopoietic organ that produces blood cells such as red blood cells, white blood cells, and platelets.
  • blood cells such as red blood cells, white blood cells, and platelets.
  • bone marrow is aspirated from large bones, biopsied and made into slides, if necessary, stained, and then bone marrow cells are observed through a microscope and differential calculations are performed. It is a test to check for abnormal lesions. These bone marrow tests are used to diagnose normal or abnormal white blood cells, whether or not there are cells that should not be present among abnormal white blood cells, or to diagnose other leukemias.
  • Such a bone marrow examination or bone marrow reading process requires a long time to observe several parts of the slide at high magnification, and is a task that involves fatigue of a diagnostic tester (or an analyst). Moreover, the manual operation of finding all the white blood cells present in the bone marrow sample image, judging the type of each white blood cell, and counting the number of each type of white blood cell, not only takes a lot of time, but also has a high possibility of low accuracy depending on the degree of experience of the diagnostic test.
  • the diagnostic examiner selects a certain number of single cells for observation of a bone marrow sample.
  • Single cells refer to ideal cells suitable for observing and reading slide samples at high magnification. That is, the selected single cells can be defined as highly reliable cells that can determine the accuracy of bone marrow readings.
  • Bone marrow reading uses images obtained from a bone marrow specimen slide that has undergone a smear and staining process, and all regions of the slide specimen are reliable regions for reasons such as different unfolding thickness and uniformity of the specimen according to the smear and not being stained singly. It can't be. Therefore, if all areas are randomly observed at high magnification, the probability of failure of reading is high, and repeated reading failures inevitably result in a decrease in work efficiency and long labor. Therefore, diagnostic examination physicians with high experience and skill are performing observations and readings on a limited number of single cells that are reliable.
  • the bone marrow image analyzer used in an embodiment of the present invention includes imaging of a low magnification image of a bone marrow smear, analysis and processing of the imaged low magnification image, and automatic detection of a limited number of single cells accordingly, and automatic detection of single cells. It refers to a device capable of performing a series of functions of high-magnification image capture.
  • the bone marrow image analyzer used in the present embodiment basically includes an image sensor (not shown) capable of imaging with low and high magnification, and an imaging driver (not shown) that moves the image sensor to an accurate imaging position on the bone marrow smear.
  • an image sensor capable of imaging with low and high magnification
  • an imaging driver (not shown) that moves the image sensor to an accurate imaging position on the bone marrow smear.
  • a software having an algorithm for selecting single cells by processing and analyzing a low magnification image of a bone marrow smear may be included, and other components may be added or modified in various forms.
  • FIG. 1 is a flowchart sequentially showing an embodiment according to a method for imaging bone marrow cells using a bone marrow image analyzer according to the present invention.
  • a bone marrow cell image imaging method according to an exemplary embodiment will be described in detail with reference to FIG. 1.
  • a bone marrow smear sample to be stained and smeared on a slide is prepared (S10).
  • a low-magnification imaging step (S20) of imaging the bone marrow smear as a low-magnification sample image is performed.
  • a cell selection step (S30) of selecting a preset number of single cells based on an image processing algorithm from the low magnification sample image is performed.
  • a single cell refers to an ideal cell that has not significantly affected the diagnosis or damaged the state of the cell, even if it is normal or abnormal. That is, even if each cell is independent in spatial arrangement or two cells are attached, it is selected based on the independence of single cells whose state is not damaged.
  • an imaging path calculation step S40 of calculating imaging paths for the selected single cells based on the imaging priority and the shortest path is performed.
  • the imaging path calculation step S40 may include determining the imaging priority of single cells (S42), and calculating the shortest path for imaging single cells according to the imaging priority (S44).
  • the shortest path for imaging is preferably configured so that the paths do not cross or overlap with each other.
  • a high magnification image capturing step (S50) in which steps are alternately performed is performed.
  • FIGS. 2 and 3 This high magnification image capturing step (S50) will be described with reference to FIGS. 2 and 3.
  • Figure 2 is a flow chart specifically showing the step of imaging a high magnification image in one embodiment according to the bone marrow image imaging method using the bone marrow image analyzer of the present invention
  • Figure 3 is a high magnification of the bone marrow cell image imaging method using the bone marrow image analyzer of the present invention It is a diagram showing the image capturing step on a bone marrow image specimen.
  • a single cell imaging step and a path image capturing step of capturing at least one path image located in each of the imaging paths of the single cell are alternately performed.
  • Single cells having an imaging priority such as Pn are imaged based on the priority information and the imaging movement path information.
  • T0 and T3 become a high-magnification image of a single cell, and T1 and T2 on the path are moved. It becomes an image on the path of the path. Therefore, the single cell high magnification image and the path image are not separately captured, but the single cell image pickup step and the path image image pickup step are alternately performed according to the imaging priority.
  • the image separation storage step (S60) of separately storing the captured high-magnification cell images and the imaged at least one path image in two different image storage units may be further included. This is because the number of cell images can reach hundreds and the diagnostic specialist needs to separate and observe a number of images.
  • the captured one or more path image may be indexed corresponding to the high magnification cell images captured based on the imaging priority. This indexing is to take a series of images of all images on the middle slide moving to the next cell after capturing an image of one cell and index the path to the image file, and image files of high magnification cell images are stored in a separate folder and provided to users. And check.
  • the bone marrow cell image imaging method using the bone marrow image analyzer further includes the step of calculating the percentage of cells based on the high-magnification cell image of the selected single cells and the image on one or more paths (S70) after the image separation and storage step (S60).
  • acquiring an image on more than one path and providing it with a high magnification image of single cells may have the following advantages.
  • the bone marrow image analyzer captures a sample that has undergone smearing and staining, selects a predetermined number of bone marrow cells by image processing the imaged sample image, and picks up the selected bone marrow cells as a high magnification image, and a specialist discriminates it to derive a diagnosis result.
  • the focus is on what serves to provide so that it can be done.
  • the algorithm for selecting single cells of the bone marrow image analyzer unlike peripheral blood, since the selected bone marrow cells contain a lot of tissue mass and there are many touching cells (cells attached to each other), such various cells are excluded and separated from each other. It is configured to select cells that are spaced apart.
  • the percentage of cells constituting the bone marrow may affect the diagnosis result, deriving the diagnosis result only with the selected bone marrow cells has a problem that may lead to a diagnosis error.
  • erythrocyte blasts are a problem, i.e., granulocytes tend to exist independently without sticking between cells, and erythrocytes tend to stick between cells (because they become sticky due to plasma proteins).
  • the bone marrow image analyzer excluding clumped cells, it is judged that the me ratio is low in the selected bone marrow cells, so it may be read as anemia that makes red blood cells incorrectly.
  • the percentage of bad cells such as blasts of leukemia cells, can be read as leukemia and myelodysplastic syndrome at certain levels.
  • the imaging path is determined by algorithmizing the shortest path between the selected bone marrow cells, but even in this case, one or more path images on the imaging path are captured so as to exclude duplicate images. desirable.
  • images on one or more paths are displayed as multi-images adjacent to each other, it is possible to faithfully play an auxiliary role in the reading result of a specialist.
  • T0 image taken from the center of the location of the P1 cell
  • T3 Image taken from the center of the location of the P2 cell

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • Chemical & Material Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Molecular Biology (AREA)
  • Pathology (AREA)
  • Immunology (AREA)
  • Theoretical Computer Science (AREA)
  • Biochemistry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Hematology (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Urology & Nephrology (AREA)
  • Biophysics (AREA)
  • Optics & Photonics (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Dispersion Chemistry (AREA)
  • Investigating Or Analysing Biological Materials (AREA)

Abstract

본 발명의 일 실시예에 의하면, 골수세포를 자동 분류(또는 감별)하는 골수 이미지 분석기의 자동 계수에 따른 정확성 및 편리성을 도모하고, 감별결과의 에러를 방지할 수 있는 골수 이미지의 분석 방법 및 촬상 방법을 제공할 수 있다. 이를 위해 특히 본 발명의 일 실시예는, 골수를 슬라이드에 도말하고 염색하는 골수 도말 표본의 준비단계(S10); 골수 도말 표본을 저배율 표본 이미지로 촬상하는 저배율 촬상단계(S20); 저배율 표본 이미지에서 이미지 처리 알고리즘에 기반하여 기 설정된 개수의 단일 세포들을 선정하는 세포 선정단계(S30); 선정된 단일 세포들의 우선 순위 및 최단 경로에 기반하여 선정된 단일 세포들의 촬상 경로들을 산출하는 촬상 경로 산출단계(S40); 및 산출된 촬상 경로들에 기반하여 골수 도말 표본에 대하여 선정된 단일 세포들 각각의 고배율 세포 이미지를 촬상하는 세포 촬상단계와 촬상 경로들에 위치하는 1 이상의 경로상 이미지를 촬상하는 경로상 이미지 촬상단계가 교호적으로 수행되는 고배율 이미지 촬상단계(S50)를 포함하는 골수 이미지 분석기를 이용한 골수세포 이미지 촬상 방법을 포함한다.

Description

골수 이미지 분석기를 이용한 골수세포 이미지 촬상 방법
본 발명은 골수검사 결과 판독을 위해 제공되는 골수 이미지의 분석 방법 및 촬상 방법에 관한 것이다.
골수검사 결과 판독을 위해서는 정확한 골수세포의 분류(또는 감별)이 매우 중요하다. 이것은 각각의 골수세포가 어떤 세포인지를 분류하여 그 분포를 백분율로 표시하는 것이다. 현재는 의사가 현미경으로 염색된 골수 도말 슬라이드(또는 골수 도말 표본)를 관찰하여 계수한다.
최근 이미지 분석기술이 발전하여 확대된 이미지를 기기가 촬상하여 그 이미지를 알고리즘으로 분석하여 어느 종류의 세포인지를 분류해내는 기술이 도입되고 있다. 이 기술은 현재 혈액 내 혈액 세포 분류에는 이미 상용화되어 있다.
골수에는 혈액 세포들로 성숙되어 가는 그 조상 세포들이 있는 곳으로서 각종 혈액 질환에서 다양한 이상이 생기는 기관이다. 이들 질환의 진단을 위해 골수 검사를 시행하는데 이때 제작된 골수 슬라이드는 혈액 슬라이드와 유사한 점이 있으나 혈액이 흐르는 액상 검체인데 반해, 골수는 조직이기 때문에 많은 조직 덩어리들이 있고 도말도 두껍게 만들어진다. 골수 내의 유핵 세포 수는 혈액 내 백혈구에 비해 엄청나게 많기 때문에 세포들끼리 맞닿아 있는 경우가 매우 흔하다. 이미지 분석 기술로 세포를 분류하기 위해서는 세포들이 잘 떨어져 있어야 하는 것이 필수 요건이다. 그러나 서로 잘 떨어진 세포들만 감별에 포함하면 잘 떨어지지 않는 특성을 가진 세포 집단들이 다수 제외되어 부정확한 감별결과가 보고될 위험이 크다.
따라서 골수 표본의 이미지 촬상 및 처리 등을 통해 골수 이미지를 분석하는 골수 이미지 분석기를 도입함에 있어서 자동 계수에 따른 정확성 및 편리성 도모와 함께 감별결과의 에러를 방지할 수 있는 이미지 촬상 방법의 필요성이 대두 된다.
본 발명은 상기와 같은 필요성에 기하여 도출된 것으로서, 본 발명의 제1 목적은, 골수검사 결과 판독을 위해서 정확한 골수세포를 자동 분류(또는 감별)할 수 있는 골수 이미지의 분석 방법 및 촬상 방법을 제공하는 데 있다.
본 발명의 제2 목적은, 골수세포를 자동 분류(또는 감별)하는 골수 이미지 분석기의 자동 계수에 따른 정확성 및 편리성을 도모하고, 감별결과의 에러를 방지할 수 있는 골수 이미지의 분석 방법 및 촬상 방법을 제공하는 데 있다.
본 발명의 제3 목적은, 슬라이드에 각각 한 개씩 혹은 두 개가 붙어있는 채로 도말된 세포들만을 찾아서 광확대로 고배율 이미지를 촬상하여 19가지 세포 종류의 백분율을 계산 보고할 수 있는 골수 이미지 분석기를 이용한 골수세포 이미지의 분석 방법 및 촬상 방법을 제공하는 데 있다.
상기와 같은 본 발명의 목적은, 골수를 슬라이드에 도말하고 염색하는 골수 도말 표본의 준비단계(S10); 골수 도말 표본을 저배율 표본 이미지로 촬상하는 저배율 촬상단계(S20); 저배율 표본 이미지에서 이미지 처리 알고리즘에 기반하여 기 설정된 개수의 단일 세포들을 선정하는 세포 선정단계(S30); 선정된 단일 세포들의 우선 순위 및 최단 경로에 기반하여 선정된 단일 세포들의 촬상 경로들을 산출하는 촬상 경로 산출단계(S40); 및 산출된 촬상 경로들에 기반하여 골수 도말 표본에 대하여 선정된 단일 세포들 각각의 고배율 세포 이미지를 촬상하는 세포 촬상단계와 촬상 경로들에 위치하는 1 이상의 경로상 이미지를 촬상하는 경로상 이미지 촬상단계가 교호적으로 수행되는 고배율 이미지 촬상단계(S50)를 포함하는 골수 이미지 분석기를 이용한 골수세포 이미지 촬상 방법을 제공함으로써 달성될 수 있다.
여기서 단일 세포라 함은 정상적이거나 비정상적이더라도 진단에 크게 영향을 미치거나 세포의 상태가 훼손되지 않은 이상적인 세포를 의미한다.
골수 이미지 분석기를 이용한 골수세포 이미지 촬상 방법은, 고배율 이미지 촬상단계(S50)) 이후에, 촬상된 고배율 세포 이미지들과 촬상된 1 이상의 경로상 이미지를 각기 다른 2 개의 이미지 저장소에 분리 저장하는 이미지 분리 저장단계(S60)를 더 포함할 수 있다.
그리고 세포 선정단계(S30)는, 저배율 표본 이미지에 대하여 단일 세포들의 독립성에 기반하여 선정하는 단계일 수 있다. 여기서 단일 세포의 독립성은 세포 하나 하나가 공간 배열상 독립적이거나 2 개의 세포가 붙어있는 경우라도 그 상태가 훼손되지 않은 것인 경우를 의미한다.
또한 촬상 경로 산출단계(S40)는, 단일 세포들의 촬상 우선순위를 결정하는 단계(S42); 및 촬상 우선순위에 따라 단일 세포들의 촬상 최단 경로를 산출하는 단계(S44)를 포함할 수 있다.
촬상된 1 이상의 경로상 이미지는 촬상 우선순위에 기반하여 촬상된 고배율 세포 이미지들에 대응하여 인덱싱되는 것일 수 있다. 이러한 인덱싱은 한 세포 이미지 촬상 후 다음 세포로 이동하는 중간의 슬라이드 위 모든 이미지를 시리즈로 촬상하고 해당 이미지 파일에 경로를 인덱싱하는 것이며, 고배율 세포 이미지들의 이미지 파일은 별도의 폴더에 저장하여 이용자에게 제공 및 확인토록 한다.
골수 이미지 분석기를 이용한 골수세포 이미지 촬상 방법은 이미지 분리 저장단계(S60) 이후에, 선정된 단일 세포들의 고배율 세포 이미지와 1 이상의 경로상 이미지에 기반하여 세포들의 백분율을 산출하는 단계(S70)를 더 포함할 수 있다.
상기와 같은 본 발명의 일 실시예에 의하면, 골수검사 결과 판독을 위해서 정확한 골수세포를 자동 분류(또는 감별)할 수 있다.
그리고 골수세포를 자동 분류(또는 감별)하는 골수 이미지 분석기의 자동 계수에 따른 정확성 및 편리성을 도모하고, 감별결과의 에러를 방지할 수 있는 골수 이미지의 분석 방법 및 촬상 방법을 제공할 수 있다.
또한 슬라이드에 각각 한 개씩 혹은 두 개가 붙어있는 채로 도말된 세포들만을 찾아서 광확대로 고배율 이미지를 촬상하여 19가지 세포 종류의 백분율을 계산 보고할 수 있다.
특히 지정된 수의 골수세포를 고배율 촬상하는 과정에서 다수의 세포가 서로 붙어있어서 제외되었던 세포들의 이미지를 별도로 제공함으로써 관찰자가 감별 결과에 포함 여부를 결정하여 쉽게 수정할 수 있도록 함으로써 결과적으로 정확한 골수세포 감별 결과를 얻을 수 있는 효과가 있다.
도 1은 본 발명인 골수 이미지 분석기를 이용한 골수세포 이미지 촬상 방법에 따른 일 실시예를 순차적으로 나타낸 순서도이고,
도 2는 본 발명인 골수 이미지 분석기를 이용한 골수세포 이미지 촬상 방법에 따른 일 실시예 중 고배율 이미지 촬상 단계를 구체적으로 나타낸 순서도이고,
도 3은 본 발명인 골수 이미지 분석기를 이용한 골수세포 이미지 촬상 방법중 고배율 이미지 촬상 단계를 골수 이미지 표본에 나타낸 도면이다.
이하 첨부 도면들 및 첨부 도면들에 기재된 내용들을 참조하여 본 발명의 실시예를 상세하게 설명하지만, 본 발명이 실시예에 의해 제한되거나 한정되는 것은 아니다.
아래 설명하는 실시예들에는 다양한 변경이 가해질 수 있다. 아래 설명하는 실시예들은 실시 형태에 대해 한정하려는 것이 아니며, 이들에 대한 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
한편, 본 발명을 설명함에 있어서, 관련된 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는, 그 상세한 설명을 생략할 것이다. 그리고, 본 명세서에서 사용되는 용어(terminology)들은 본 발명의 실시예를 적절히 표현하기 위해 사용된 용어들로서, 이는 사용자, 운용자의 의도 또는 본 발명이 속하는 분야의 관례 등에 따라 달라질 수 있다. 따라서, 본 용어들에 대한 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
골수 이미지 분석기를 이용한 골수세포 이미지 촬상 방법
골수는 뼈의 안쪽 공간에 위치한 부드러운 조직으로 적혈구, 백혈구, 혈소판과 같은 혈액세포를 생성하는 조혈기관이다. 또한 골수 검사는 인체에서 혈구 생성에 문제가 생긴 경우 큰 뼈에서 골수를 흡인하고 생검하여 슬라이드로 제작하고 필요한 경우에는 염색한 후, 현미경을 통해 골수 세포를 관찰하고 감별 계산을 수행함으로써 골수의 기능 및 비정상적인 병변을 확인하는 검사이다. 이러한 골수 검사는 정상백혈구 수치나 비정상 백혈구 수치를 통한 진단, 비정상 백혈구 중 있어서는 안되는 세포가 있는지 여부 또는 기타 백혈병 진단의 자료로 이용된다.
이러한 골수 검사 또는 골수 판독 과정은 슬라이드의 여러 부위를 고배율로 관찰해야 하므로 장시간이 소요되고 진단검사의(또는 분석가)의 피로가 수반되는 작업이다. 더군다나 골수 표본 이미지에 존재하는 모든 백혈구를 찾아서 각각의 백혈구의 종류를 판단하고 각 종류의 백혈구의 수를 세는 수작업은 많은 시간이 소요될 뿐만 아니라 진단검사의의 경험 정도에 따라 정확도가 낮을 가능성도 크다.
한편 진단검사의는 골수 판독의 효율성 및 정확도를 높이기 위해 골수 표본 관찰을 위해 일정 개수의 단일 세포들을 선정한다. 단일 세포들은 슬라이드 표본을 고배율로 관찰하고 판독하기에 적합한 이상적인 세포를 의미한다. 즉 선정되는 단일 세포들은 골수 판독의 정확성을 기할 수 있는 신뢰도 높은 세포로 정의될 수 있다.
골수 판독은 도말 및 염색 과정을 거친 골수 표본 슬라이드로부터 획득된 이미지를 활용하는데, 도말에 따른 표본의 펼쳐지는 두께 및 균일도가 다르고 단일하게 염색되지 못하는 등의 이유로 슬라이드 표본의 모든 영역이 신뢰할 수 있는 영역이 될 수는 없다. 따라서 모든 영역을 임의대로 고배율 관찰하는 경우 판독에 실패할 확률이 높고 반복되는 판독 실패는 작업 효율 저하와 장시간의 노동으로 귀결될 수밖에 없다. 따라서 경험 및 숙련도가 높은 진단 검사의들은 신뢰할 수 있는 한정된 개수의 단일 세포들에 대하여 관찰 및 판독을 수행하고 있는 실정이다.
그러나 종래 수작업에 의한 단일 세포 선정 및 이에 따른 골수 판독은 경험 및 숙련도가 낮은 진단검사의들에게는 작업 효율 저하와 장시간 노동이 수반된다는 문제점은 여전히 존재한다. 도제 교육에 따라 숙련도 낮은 진단검사의들의 수준을 높이는 방법을 이용하고 있지만 많은 시간의 소요와 시행 착오가 수반된다.
더욱이 경험 및 숙련도가 높은 진단검사의라 하더라도 단일 세포들의 선정 방법은 사람의 주관적인 판단이 개입되므로 일관성을 갖기가 힘든 단점이 있으며, 진단검사의에 따라 다른 판독 결과로 이어질 수 있었다. 따라서 골수 표본 슬라이드(또는 골수 도말 표본)의 이미지 처리 및 분석을 통해 단일 세포들의 자동 검출에 대한 연구들이 진행되고 있다.
본 발명의 일 실시예에서 이용되는 골수 이미지 분석기는, 골수 도말 표본의 저배율 이미지 촬상과 촬상된 저배율 이미지의 분석 및 처리, 그리고 그에 따른 한정된 개수의 단일 세포들의 자동 검출과, 자동 검출된 단일 세포들에 대한 고배율 이미지 촬상이라는 일련의 기능이 수행될 수 있는 장치를 의미한다.
따라서 본 실시예에서 이용되는 골수 이미지 분석기는, 기본적으로 저배율과 고배율 촬상이 가능한 이미지 센서(도시되지 않음)와, 그러한 이미지 센서를 골수 도말 표본 상의 정확한 촬상 위치에 이동시키는 촬상 구동부(도시되지 않음)와, 골수 도말 표본의 저배율 이미지를 처리하고 분석하여 단일 세포들을 선정하는 알고리즘을 가지는 소프트웨어를 포함할 수 있으며, 여기에 다른 구성들이 추가되거나 다양한 형태로 변형될 수 있다.
도 1은 본 발명인 골수 이미지 분석기를 이용한 골수세포 이미지 촬상 방법에 따른 일 실시예를 순차적으로 나타낸 순서도이다. 이하 도 1을 참조하여 본 실실시예인 골수세포 이미지 촬상 방법에 대하여 상술한다.
우선, 골수를 슬라이드에 도말하고 염색하는 골수 도말 표본의 준비한다(S10).
다음, 골수 도말 표본을 저배율 표본 이미지로 촬상하는 저배율 촬상단계(S20)가 수행된다.
다음, 저배율 표본 이미지에서 이미지 처리 알고리즘에 기반하여 기 설정된 개수의 단일 세포들을 선정하는 세포 선정단계(S30)가 수행된다. 여기서 단일 세포라 함은 정상적이거나 비정상적이더라도 진단에 크게 영향을 미치거나 세포의 상태가 훼손되지 않은 이상적인 세포를 의미한다. 즉 세포 하나 하나가 공간 배열상 독립적이거나 2 개의 세포가 붙어있는 경우라도 그 상태가 훼손되지 않은 것인 단일 세포들의 독립성에 기반하여 선정된다.
다음, 선정된 단일 세포들을 촬상 우선 순위 및 최단 경로에 기반하여 촬상 경로들을 산출하는 촬상 경로 산출단계(S40)가 수행된다.
여기서 촬상 경로 산출단계(S40)는, 단일 세포들의 촬상 우선순위를 결정하는 단계(S42)와, 촬상 우선순위에 따라 단일 세포들의 촬상 최단 경로를 산출하는 단계(S44)를 포함할 수 있다.
촬상 우선순위를 결정하는 단계(S42)에서, 촬상 최단 경로는 경로들이 상호 교차하거나 중복되지 않도록 구성되는 것이 바람직하다.
다음, 산출된 촬상 경로들에 기반하여 골수 도말 표본에 대하여 선정된 단일 세포들 각각의 고배율 세포 이미지를 촬상하는 세포 촬상단계와 촬상 경로들에 위치하는 1 이상의 경로상 이미지를 촬상하는 경로상 이미지 촬상단계가 교호적으로 수행되는 고배율 이미지 촬상단계(S50)를 수행한다.
이러한 고배율 이미지 촬상단계(S50)는 도 2 및 도 3를 참조하여 설명한다. 여기서 도 2는 본 발명인 골수 이미지 분석기를 이용한 골수세포 이미지 촬상 방법에 따른 일 실시예 중 고배율 이미지 촬상 단계를 구체적으로 나타낸 순서도이고, 도 3은 본 발명인 골수 이미지 분석기를 이용한 골수세포 이미지 촬상 방법중 고배율 이미지 촬상 단계를 골수 이미지 표본에 나타낸 도면이다.
고배율 이미지 촬상단계(S50)는 도 2에 도시된 바와 같이 단일 세포 촬상단계와 단일 세포의 촬상 경로들 각각에 위치하는 1 이상의 경로상 이미지를 촬상하는 경로상 이미지 촬상단계가 교호적으로 수행된다. 이를 구체적으로 설명하면, 도 3에 도시된 바와 같이, P1, P2 … Pn과 같은 촬상 우선순위를 가지는 단일 세포들이 그 우선순위 정보와 촬상 이동 경로 정보에 기반하여 촬상되는데, 촬상된 고배율 이미지는 T0, T3가 단일 세포의 고배율 이미지가 되고 그 경로 상의 T1, T2가 이동 경로의 경로상 이미지가 된다. 따라서 단일 세포 고배율 이미지와 경로상 이미지는 별도로 촬상되는 것이 아니라 촬상 우선순위에 따른 단일 세포 이미지 촬상단계와 경로상 이미지 촬상단계가 교호적으로 수행되는 것이다.
한편 고배율 이미지 촬상단계(S50) 이후에, 촬상된 고배율 세포 이미지들과 촬상된 1 이상의 경로상 이미지를 각기 다른 2 개의 이미지 저장소에 분리 저장하는 이미지 분리 저장단계(S60)를 더 포함할 수 있다. 이는 세포 이미지가 수백 개에 이를 수 있고 진단전문의가 다수의 이미지를 분리하여 관찰해야 할 필요성을 위한 것이다.
촬상된 1 이상의 경로상 이미지는 촬상 우선순위에 기반하여 촬상된 고배율 세포 이미지들에 대응하여 인덱싱되는 것일 수 있다. 이러한 인덱싱은 한 세포 이미지 촬상 후 다음 세포로 이동하는 중간의 슬라이드 위 모든 이미지를 시리즈로 촬상하고 해당 이미지 파일에 경로를 인덱싱하는 것이며, 고배율 세포 이미지들의 이미지 파일은 별도의 폴더에 저장하여 이용자에게 제공 및 확인토록 한다.
골수 이미지 분석기를 이용한 골수세포 이미지 촬상 방법은 이미지 분리 저장단계(S60) 이후에는, 선정된 단일 세포들의 고배율 세포 이미지와 1 이상의 경로상 이미지에 기반하여 세포들의 백분율을 산출하는 단계(S70)를 더 포함할 수 있다.
특히 1 이상의 경로상 이미지를 획득하여 단일 세포들의 고배율 이미지와 함께 제공하는 것은 다음과 같은 장점이 있을 수 있다.
골수 이미지 분석기는 도말과 염색을 거친 표본을 촬상하고, 촬상된 표본 이미지를 이미지 처리하여 소정 개수의 골수세포를 선정하고, 이렇게 선정된 골수세포를 고배율 이미지로 촬상하여 전문의가 감별하여 진단결과를 도출할 수 있도록 제공하는 역할을 하는 것에 초점이 맞춰져 있다.
따라서 골수 이미지 분석기의 단일 세포들 선정 알고리즘에 의하면, 말초혈액과는 달리 선정된 골수세포 특성상 조직덩어리를 많이 포함하고 있고 터칭셀(서로 붙어있는 세포들)이 많으므로 이렇게 다양한 셀들이 배제되고 상호 떨어져 이격되어 있는 세포를 선정하도록 구성된다.
그러나 골수를 구성하는 세포들의 백분율이 진단결과에 영향을 미칠 수 있어서 선정된 골수세포만으로 진단결과를 도출하는 것은 진단오류로 이어질 수도 있는 문제점이 있다. 예를 들어 적혈구 모세포가 문제되는 경우에, 즉 과립구가 되는 모세포는 세포들간에 들어붙지 않고 독립적으로 존재하는 경향이 있고 적혈구가 되는 모세포는 세포들간에 들어붙는 경향이 있으므로(혈장단백질로 인해 끈끈해질 수 있음) 골수 이미지 분석기는 덩어리진 세포들을 배제하는 결과, 선정된 골수세포에서 me ratio가 낮은 것으로 판단되어 적혈구를 잘못 만드는 빈혈로 판독될 수도 있다. 이외에도 백혈병 세포의 모세포와 같은 안 좋은 세포의 백분율은 특정 수치에서 백혈병과 골수이형성증후군으로 판독될 수도 있다.
따라서 단일 세포 촬상 경로에서 1 이상의 경로상 이미지를 촬상하여 제공하면 골수 이미지 분석기의 이러한 진단오류를 최소화할 수 있는 장점이 있다.
본 실시예에서는 촬상 시간을 최소화하기 위해 촬상 경로는 선정된 골수세포들 상호간에 최단 경로를 알고리즘화하여 결정하는 형태이지만 이 경우에도 촬상 경로 상의 1 이상의 경로상 이미지는 중복 이미지를 배제하도록 촬상되는 것이 바람직하다. 또한 1 이상의 경로상 이미지는 상호 인접한 멀티 이미지로 디스플레이됨으로써 전문의의 판독 결과에 보조적인 역할을 충실히 할 수 있다.
이상 첨부된 도면을 참조하여 본 발명의 실시 예를 설명하였지만, 상술한 본 발명의 기술적 구성은 본 발명이 속하는 기술 분야의 당 업자가 본 발명의 그 기술적 사상이나 필수적 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시 예들은 모든 면에서 예시적인 것이며 한정적인 것이 아닌 것으로서 이해되어야 한다. 아울러, 본 발명의 범위는 상기의 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어진다. 또한, 특허청구범위의 의미 및 범위 그리고 그 등가 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
[부호의 설명]
P1: 첫 번째 촬상 우선순위 세포
P2: 두 번째 촬상 우선순위 세포
Pn: n 번째 촬상 우선순위 세포
T0: P1 세포의 위치 중심으로 촬상되는 영상
T1: P1에서 P2로 이동하는 궤적 상에, 첫 번째 보조 영상
T2: P2에서 P3로 이동하는 궤적 상에, 첫 번째 보조 영상
T3: P2 세포의 위치 중심으로 촬상되는 영상

Claims (6)

  1. 골수를 슬라이드에 도말하고 염색하는 골수 도말 표본의 준비단계(S10);
    상기 골수 도말 표본을 저배율 표본 이미지로 촬상하는 저배율 촬상단계(S20);
    상기 저배율 표본 이미지에서 이미지 처리 알고리즘에 기반하여 기 설정된 개수의 단일 세포들을 선정하는 세포 선정단계(S30);
    상기 선정된 단일 세포들의 우선 순위 및 최단 경로에 기반하여 상기 선정된 단일 세포들의 촬상 경로들을 산출하는 촬상 경로 산출단계(S40); 및
    상기 산출된 촬상 경로들에 기반하여 상기 골수 도말 표본에 대하여 상기 선정된 단일 세포들 각각의 고배율 세포 이미지를 촬상하는 세포 촬상단계와 상기 촬상 경로들에 위치하는 1 이상의 경로상 이미지를 촬상하는 경로상 이미지 촬상단계가 교호적으로 수행되는 고배율 이미지 촬상단계(S50)를 포함하는 골수 이미지 분석기를 이용한 골수세포 이미지 촬상 방법.
  2. 제1 항에 있어서,
    상기 고배율 이미지 촬상단계(S50)) 이후에,
    상기 촬상된 고배율 세포 이미지들과 상기 촬상된 1 이상의 경로상 이미지를 각기 다른 2 개의 이미지 저장소에 분리 저장하는 이미지 분리 저장단계(S60)를 더 포함하는 골수 이미지 분석기를 이용한 골수세포 이미지 촬상 방법.
  3. 제1 항 또는 제2 항에 있어서,
    상기 세포 선정단계(S30)는, 상기 저배율 표본 이미지에 대하여 상기 단일 세포들의 독립성에 기반하여 선정하는 단계인 것을 특징으로 하는 골수 이미지 분석기를 이용한 골수세포 이미지 촬상 방법.
  4. 제3 항에 있어서,
    상기 촬상 경로 산출단계(S40)는,
    상기 단일 세포들의 촬상 우선순위를 결정하는 단계(S42); 및
    상기 촬상 우선순위에 따라 상기 단일 세포들의 촬상 최단 경로를 산출하는 단계(S44)를 포함하는 것을 특징으로 하는 골수 이미지 분석기를 이용한 골수세포 이미지 촬상 방법.
  5. 제4 항에 있어서,
    상기 촬상된 1 이상의 경로상 이미지는 상기 고배율 세포 이미지들에 대응하여 인덱싱되는 것을 특징으로 하는 골수 이미지 분석기를 이용한 골수세포 이미지 촬상 방법.
  6. 제2 항에 있어서,
    상기 이미지 분리 저장단계(S60) 이후에,
    상기 선정된 단일 세포들의 고배율 세포 이미지와 상기 1 이상의 경로상 이미지에 기반하여 세포들의 백분율을 산출하는 단계(S70)를 더 포함하는 것을 특징으로 하는 골수 이미지 분석기를 이용한 골수세포 이미지 촬상 방법.
PCT/KR2020/013644 2019-10-16 2020-10-07 골수 이미지 분석기를 이용한 골수세포 이미지 촬상 방법 WO2021075785A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2019-0128410 2019-10-16
KR1020190128410A KR102288332B1 (ko) 2019-10-16 2019-10-16 골수 이미지 분석기를 이용한 골수세포 이미지 촬상 방법

Publications (1)

Publication Number Publication Date
WO2021075785A1 true WO2021075785A1 (ko) 2021-04-22

Family

ID=75537895

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2020/013644 WO2021075785A1 (ko) 2019-10-16 2020-10-07 골수 이미지 분석기를 이용한 골수세포 이미지 촬상 방법

Country Status (2)

Country Link
KR (1) KR102288332B1 (ko)
WO (1) WO2021075785A1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113139485B (zh) * 2021-04-29 2023-11-17 新乡医学院 一种基于深度学习的骨髓细胞分类识别方法、装置及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008546990A (ja) * 2005-06-15 2008-12-25 ティシュー グノースティクス ゲーエムベーハー 白血球を分割する方法
JP2010250634A (ja) * 2009-04-17 2010-11-04 Seiko Epson Corp 画像サーバー、画像検索システム、画像検索方法およびインデックス作成方法
JP2010262646A (ja) * 2009-04-30 2010-11-18 Internatl Business Mach Corp <Ibm> 動的グラフ用アニメーション・プランニング方法及び装置
KR101741765B1 (ko) * 2015-09-14 2017-05-31 (주)뉴옵틱스 혈구 감별 시스템

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102105489B1 (ko) * 2018-12-31 2020-04-28 (주)유아이엠디 골수 판독을 위한 현미경용 슬라이드 스캐닝 시스템

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008546990A (ja) * 2005-06-15 2008-12-25 ティシュー グノースティクス ゲーエムベーハー 白血球を分割する方法
JP2010250634A (ja) * 2009-04-17 2010-11-04 Seiko Epson Corp 画像サーバー、画像検索システム、画像検索方法およびインデックス作成方法
JP2010262646A (ja) * 2009-04-30 2010-11-18 Internatl Business Mach Corp <Ibm> 動的グラフ用アニメーション・プランニング方法及び装置
KR101741765B1 (ko) * 2015-09-14 2017-05-31 (주)뉴옵틱스 혈구 감별 시스템

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
ANONYMOUS: "Bone Marrow Examination (Bone Marrow Aspiration and Biopsy) Method and Indication", NAVER BLOG, 31 March 2010 (2010-03-31), XP055801426, Retrieved from the Internet <URL:https://blog.naver.com/hyouncho2/60104608331> *

Also Published As

Publication number Publication date
KR102288332B1 (ko) 2021-08-10
KR20210045091A (ko) 2021-04-26

Similar Documents

Publication Publication Date Title
US6246785B1 (en) Automated, microscope-assisted examination process of tissue or bodily fluid samples
CN101809589B (zh) 利用多个波长处理生物试样的方法和系统
EP1787156A1 (en) Automated diagnosis of malaria and other infections
CN101339185A (zh) 用于脱落细胞检测的自动显微成像仪及检测方法
WO2020141812A1 (ko) 골수 판독을 위한 관심영역 레이블링 장치 및 이를 포함하는 관심영역 검출 시스템
PT1334461E (pt) Processo e dispositivo de análise de células
WO2021075785A1 (ko) 골수 이미지 분석기를 이용한 골수세포 이미지 촬상 방법
CN112432902A (zh) 一种外周血细胞形态学判别细胞数目的自动检测系统及方法
EP0088610B1 (en) Method for determination of percentage t cell content of lymphocyte
Khongjaroensakun et al. Retracted: White blood cell differentials performance of a new automated digital cell morphology analyzer: Mindray MC‐80
RU2548399C2 (ru) Способ получения обработанного виртуального изображения анализа
KR101106386B1 (ko) 산점도 분포를 사용한 슬라이드를 분류하기 위한 시스템
CN112924452A (zh) 一种血液检查辅助系统
JP3897701B2 (ja) 生物標本の解析方法
CN116735582A (zh) 精度管理信息的生成方法、精度管理信息的生成装置以及程序
CN112481346B (zh) 外周血细胞形态学检出异常细胞的自动预警系统及其方法
JP7543048B2 (ja) 細胞分析方法及びシステム
WO2022250460A1 (ko) 이미지 기반의 혈소판 카운팅 방법 및 카운팅 정보 출력방법
WO2022173176A1 (ko) 슬라이드 표본의 고배율 이미지 획득방법
WO2022124832A1 (ko) 골수가 도말된 슬라이드 샘플 이미지의 셀 존 결정 방법 및 셀 존의 고배율 촬상 방법
WO2023234602A1 (ko) 혈액 샘플의 이미지 분석 정보 제공 방법
CN113945558B (zh) 一种用于判断骨髓增生程度的方法
Al-Momin et al. A MATLAB model for diagnosing sickle cells and other blood abnormalities using image processing
Bentley et al. The morphological classification of red cells using an image analysing computer
Kasdan et al. The white IRIS leukocyte differential analyzer for rapid high-precision differentials based on images of cytoprobe-reacted cells

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: 20877050

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 20877050

Country of ref document: EP

Kind code of ref document: A1