CN112986104A - 测定装置和测定方法 - Google Patents
测定装置和测定方法 Download PDFInfo
- Publication number
- CN112986104A CN112986104A CN202011489563.3A CN202011489563A CN112986104A CN 112986104 A CN112986104 A CN 112986104A CN 202011489563 A CN202011489563 A CN 202011489563A CN 112986104 A CN112986104 A CN 112986104A
- Authority
- CN
- China
- Prior art keywords
- image
- components
- classification
- tangible
- imaging
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims description 18
- 238000003384 imaging method Methods 0.000 claims abstract description 81
- 238000004364 calculation method Methods 0.000 claims abstract description 54
- 239000007788 liquid Substances 0.000 claims abstract description 29
- 238000005520 cutting process Methods 0.000 claims abstract description 6
- 239000000463 material Substances 0.000 claims description 51
- 230000003287 optical effect Effects 0.000 claims description 27
- 238000003556 assay Methods 0.000 claims 6
- 238000005259 measurement Methods 0.000 abstract description 31
- 238000000691 measurement method Methods 0.000 abstract description 3
- 238000012986 modification Methods 0.000 description 38
- 230000004048 modification Effects 0.000 description 38
- 238000012937 correction Methods 0.000 description 34
- 238000012545 processing Methods 0.000 description 30
- 238000010586 diagram Methods 0.000 description 25
- 210000003743 erythrocyte Anatomy 0.000 description 21
- 210000002700 urine Anatomy 0.000 description 18
- 210000004027 cell Anatomy 0.000 description 17
- 239000012530 fluid Substances 0.000 description 14
- 210000000981 epithelium Anatomy 0.000 description 11
- 241000894006 Bacteria Species 0.000 description 8
- 239000013078 crystal Substances 0.000 description 8
- 239000002245 particle Substances 0.000 description 8
- 239000013049 sediment Substances 0.000 description 8
- 239000010813 municipal solid waste Substances 0.000 description 6
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 5
- 238000009826 distribution Methods 0.000 description 4
- 210000004369 blood Anatomy 0.000 description 3
- 239000008280 blood Substances 0.000 description 3
- 210000001124 body fluid Anatomy 0.000 description 3
- 239000010839 body fluid Substances 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 210000000265 leukocyte Anatomy 0.000 description 3
- 239000000243 solution Substances 0.000 description 3
- 229920000089 Cyclic olefin copolymer Polymers 0.000 description 2
- 239000004743 Polypropylene Substances 0.000 description 2
- 239000002473 artificial blood Substances 0.000 description 2
- 210000000601 blood cell Anatomy 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 239000004205 dimethyl polysiloxane Substances 0.000 description 2
- 210000002919 epithelial cell Anatomy 0.000 description 2
- 230000000877 morphologic effect Effects 0.000 description 2
- 239000002504 physiological saline solution Substances 0.000 description 2
- 229920000435 poly(dimethylsiloxane) Polymers 0.000 description 2
- -1 polydimethylsiloxane Polymers 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 239000004925 Acrylic resin Substances 0.000 description 1
- 229920000178 Acrylic resin Polymers 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000004397 blinking Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 210000003855 cell nucleus Anatomy 0.000 description 1
- 238000009535 clinical urine test Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 210000004276 hyalin Anatomy 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 238000005304 joining Methods 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 239000008188 pellet Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 229920003229 poly(methyl methacrylate) Polymers 0.000 description 1
- 239000004926 polymethyl methacrylate Substances 0.000 description 1
- 229920001155 polypropylene Polymers 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000002834 transmittance Methods 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 229910052724 xenon Inorganic materials 0.000 description 1
- FHNFHKCVQCLJFQ-UHFFFAOYSA-N xenon atom Chemical compound [Xe] FHNFHKCVQCLJFQ-UHFFFAOYSA-N 0.000 description 1
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
-
- 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
- G01N33/487—Physical analysis of biological material of liquid biological material
- G01N33/493—Physical analysis of biological material of liquid biological material urine
-
- 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
- G01N15/06—Investigating concentration of particle suspensions
-
- 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
- G01N15/1434—Optical arrangements
-
- 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
- G01N15/1468—Optical investigation techniques, e.g. flow cytometry with spatial resolution of the texture or inner structure of the particle
- G01N15/147—Optical investigation techniques, e.g. flow cytometry with spatial resolution of the texture or inner structure of the particle the analysis being performed on a sample stream
-
- 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
- G01N21/84—Systems specially adapted for particular applications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
-
- 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
-
- 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
- G06V20/693—Acquisition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
- G06V20/695—Preprocessing, e.g. image segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
- G06V20/698—Matching; Classification
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/01—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials specially adapted for biological cells, e.g. blood cells
-
- 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
- G01N15/06—Investigating concentration of particle suspensions
- G01N15/075—Investigating concentration of particle suspensions by optical means
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/10—Investigating individual particles
- G01N2015/1006—Investigating individual particles for cytology
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/10—Investigating individual particles
- G01N2015/1022—Measurement of deformation of individual particles by non-optical means
-
- 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
- G01N33/487—Physical analysis of biological material of liquid biological material
- G01N33/49—Blood
- G01N33/4915—Blood using flow cells
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Urology & Nephrology (AREA)
- Dispersion Chemistry (AREA)
- Medicinal Chemistry (AREA)
- Food Science & Technology (AREA)
- Hematology (AREA)
- Biophysics (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明涉及测定装置和测定方法。对液体中包含的有形成分进行分类,提高计算分类后的有形成分的个数的计算精度。本测定装置具有:获取部,其获取对在流路中流动的包含有形成分的液体进行拍摄而得到的第1图像、和与第1图像同时被拍摄且拍摄倍率比第1图像的拍摄倍率高的第2图像;以及计算部,其使用对第1图像和2图像中所包含的有形成分进行切取而得到的切取图像对有形成分按照种类进行分类,并使用从所述第1图像切取且包含在指定的分类中的有形成分的总数、和从所述第2图像切取且包含在指定的分类中的有形成分的每个种类占从所述第2图像切取且包含在指定的分类中的有形成分的总数的比例,来计算包含在所述指定的分类中的有形成分的个数。
Description
技术领域
本发明涉及测定装置和测定方法。
背景技术
作为尿检查之一,已知有如下方法:对在设置于流动槽内的流路中流动的尿检体进行拍摄,通过对拍摄到的图像进行分析,将尿中的沉渣成分(血细胞、上皮细胞、管型、细菌、结晶等尿中的有形(固体)成分)按成分进行分类(例如,参照专利文献1、2)。
专利文献1:日本特开平06-288895号公报
专利文献2:日本特开平11-94727号公报
尿中的沉渣成分的分析包含判别尿中的沉渣成分的类别的判别处理和计算沉渣成分的个数的计算处理。通过以高倍率拍摄尿检体,能够详细地确认沉渣成分的形状,因此能够提高判别处理的精度。另一方面,若以高倍率对尿检体进行拍摄,则拍摄范围会变窄,因此在拍摄范围外通过的沉渣成分的个数变多,拍摄图像中的捕捉率降低。
当为了提高计算处理的精度而减少在拍摄范围外通过的沉渣成分的个数从而扩大拍摄范围时,以低倍率对尿检体进行拍摄。若以低倍率拍摄尿检体,则无法确认沉渣成分的详细形状和构造,因此判别处理的精度降低。这样的课题不限于尿检体,在判别血液和体液、人工血液等尿以外的液体中包含的有形成分并对个数进行计数的情况下也可能产生。在专利文献1中,用检测器检测被流动槽中流动的粒子漫反射的漫射光,根据检测信号来拍摄图像。在专利文献2中,在样品测定前使用已知的标准样品获取图像有效系数,根据在流动槽的拍摄区域通过的总粒子数计算图像处理粒子数,通过将图像处理粒子数乘以粒子图像有效系数来计算粒子数。但是,在基于漫射光的粒子检测中没能够按成分对粒子进行分类。因此,要求进一步提高测定精度。
发明内容
本发明的课题在于,对液体中包含的有形成分进行分类,在对分类后的有形成分的个数进行计算的测定中提高测定精度。
所公开的技术的一个方面通过如下的测定装置例示出。本测定装置具有:获取部,其获取拍摄在流路中流动的包含有形成分的液体而得的第1图像和与所述第1图像同时被拍摄且拍摄倍率比所述第1图像的拍摄倍率高的第2图像;以及计算部,其使用切取了所述第1图像和所述2图像中包含的有形成分的切取图像并按种类对所述有形成分进行分类,使用从所述第1图像切取且包含在指定的分类中的有形成分的总数和有形成分的每个种类相对于从所述第2图像切取且包含在指定的分类中的有形成分的总数的比例,来计算包含在所述指定的分类中的有形成分的个数。
在公开的技术中,能够对液体中包含的有形成分进行分类,提高计算分类后的有形成分的个数的计算精度。
附图说明
图1是示出实施方式的测定装置的概略结构的图。
图2是示出流动槽的概略结构的图。
图3是示出汇合部和锥形部附近的概略结构的图。
图4是示出在第4通路中流通的鞘液和检体的分布的图。
图5是示出第1摄像部和第2摄像部各自拍摄的图像的一例的图。
图6是示出实施方式中的对有形成分进行分类的流程的流程图。
图7是示出实施方式中的有形成分的分类和个数计算的流程的流程图。
图8是示出基于第1图像的有形成分的分类和个数计算的结果的一例的图。
图9是示出基于第2图像的有形成分的分类和比例计算的结果的一例的图。
图10是例示了实施方式中的进行了校正处理的校正结果的图。
图11是示出第1变形例中的有形成分的分类和个数计算的流程的流程图。
图12是示出基于第2图像的有形成分的分类和比例计算的结果的一例的图。
图13是例示了第1变形例中的进行了校正处理的校正结果的图。
图14是示出第2变形例中的有形成分的分类和个数计算的流程的流程图。
图15是示出基于第2图像的有形成分的分类和比例计算的结果的一例的图。
图16是例示了第2变形例中的进行了校正处理的校正结果的图。
图17是示出第3变形例中的有形成分的分类和个数计算的流程的流程图。
图18是示出第3变形例中的基于第1图像的有形成分的分类和个数计算的结果的一例的图。
图19是示出第3变形例中的基于第2图像的有形成分的分类和比例计算的结果的一例的图。
图20是例示了第3变形例中的进行了校正处理的校正结果的图。
标号说明
1:摄像装置;12:光源;13A:流动槽;14:控制器;20:测定装置;100A:第1摄像部;100B:第2摄像部;101:物镜;102:分支部;104:光圈。
具体实施方式
<实施方式>
以下,对实施方式进一步进行说明。以下所示的实施方式的结构是例子,公开的技术并不限于实施方式的结构。实施方式的测定装置例如具有以下结构。实施方式的测定装置具有:
获取部,其获取对在流路中流动的包含有形成分的液体进行拍摄而得到的第1图像、和与所述第1图像同时被拍摄且拍摄倍率比所述第1图像的拍摄倍率高的第2图像;以及
计算部,其使用对所述第1图像和所述2图像中所包含的有形成分进行切取而得到的切取图像对所述有形成分按照种类进行分类,并使用从所述第1图像切取且包含在指定的分类中的有形成分的总数、和从所述第2图像切取且包含在指定的分类中的有形成分的每个种类占从所述第2图像切取且包含在指定的分类中的有形成分的总数的比例,来计算包含在所述指定的分类中的有形成分的个数。
本测定装置判别液体中包含的有形成分的种类,按种类计算有形成分的个数。在本测定装置中,液体例如可以是尿、血液、体液等源自生物体的液体,也可以是人工血液或药品等不源自生物体的液体。作为有形成分,在检体为尿的情况下,可以举出血细胞、上皮细胞、管型、细菌、结晶等。
流路优选形成为使得液体中包含的有形成分均匀地分布在液体中并流动,而不停留在一处。通过使有形成分在液体中薄薄地扩散,能够抑制由于在第1图像或第2图像中多个有形成分被重叠着拍摄而导致个数的计算精度降低。流路例如形成在流动槽内。
获取部获取第1图像和第2图像。这里,获取部也可以从拍摄了第1图像和第2图像的摄像部获取第1图像和第2图像。另外,获取部可以从存储部获取预先存储在该存储部中的第1图像和第2图像。另外,获取部也可以经由通信线路等从其他装置接收第1图像和第2图像。
摄像部例如是具有电荷耦合器件(Charge Coupled Device(CCD))图像传感器或互补金属氧化物半导体(Complementary Metal Oxide Semiconductor(CMOS))图像传感器等摄像元件的数码相机。
由于第1图像的放大倍率低于第2图像的放大倍率,因此会拍摄到较广的范围。因此,在第1图像的拍摄图像中捕捉到的有形成分数量较多,适合于对有形成分的个数进行计数。另外,以比第1图像高的倍率拍摄的第2图像能够反映有形成分的详细的形状和构造。因此,第2图像适合于对有形成分进行分类。本测定装置通过使用第1图像中包含的有形成分的个数和第2图像中包含的有形成分的每个种类的个数计算有形成分的至少1种的个数,由此能够提高有形成分的个数的计算精度。
本测定装置也可以具有以下特征。所述计算部通过将从所述第1图像切取且包含在指定的分类中的有形成分的总数乘以从所述第2图像切取且包含在指定的分类中的有形成分的每个种类相对于有形成分的总数的比例,来计算包含在所述指定的分类中的有形成分的个数。这里,指定的分类(种类)例如可以指定全部的分类,也可以是测定负责人指定的分类(种类),还可以是容易产生误分类的分类(种类)。通过具有这样的特征,能够在抑制本测定装置的运算负载的同时提高指定的分类(种类)的有形成分的个数的计算精度。
本测定装置也可以具有以下特征。所述计算部根据按种类对所述有形成分进行计算而得的结果,输出配置有表示所述有形成分的各个种类的切取图像的全成分图像。通过具有这样的特征,本测定装置能够使有形成分的种类、个数的目视确认变得容易。
本测定装置也可以具有以下特征。该测定装置还具有拍摄所述第1图像的第1摄像部和拍摄所述第2图像的第2摄像部,所述第1摄像部和所述第2摄像部的光轴上的焦点位置等同。通过具有这样的特征,由于在有焦点的状态下在第1图像的拍摄范围中包含第2图像的拍摄范围,因此能够提高有形成分的个数的计算精度。以上说明的实施方式所涉及的技术也能够从测定方法的方面进行掌握。
以下,参照附图,对实施方式的测定装置进一步进行说明。图1是示出实施方式的测定装置的概略结构的图。测定装置20具有拍摄装置1。测定装置20通过拍摄装置1拍摄例如作为检体的尿,并通过对拍摄到的图像进行分析来进行例如尿中的有形成分的测定。但是,测定装置20也可以应用于例如血液或体液等尿以外的液体检体中的有形成分的测定。尿是“包含有形成分的液体”的一例。
拍摄装置1具有对检体进行拍摄的摄像部10、拍摄用的光源12以及流动槽单元13。流动槽单元13具有固定配置供检体流通的流动槽13A的载台(省略图示)。流动槽13A能够相对于载台装卸。
摄像部10具有物镜101、分支部102、第1透镜组103A、第2透镜组103B、光圈104、第1照相机105A、第2照相机105B。第1照相机105A和第2照相机105B使用例如CCD图像传感器或CMOS图像传感器等摄像元件来进行拍摄。以下,将物镜101、分支部102、第1透镜组103A、光圈104、第1照相机105A合称为第1摄像部100A。另外,将物镜101、分支部102、第2透镜组103B、第2照相机105B合称为第2摄像部100B。第1透镜组103A和第2透镜组103B分别包含目镜,存在还具有成像透镜的情况。流动槽13A配置在光源12与物镜101之间,光源12和物镜101被第1摄像部100A和第2摄像部100B共用。虽然物镜101可以是有限远校正光学***,也可以是无限远校正光学***,但通过使物镜101为有限远校正光学***,能够使拍摄装置1紧凑。第1摄像部100A是“第1摄像部”的一例。第2摄像部100B是“第2摄像部”的一例。
分支部102例如是半反镜镜等分束器。分支部102使通过了流动槽13A和物镜101的光的一部分透过,并对剩余部分进行反射,由此将光分支为两个方向。被分支的光中的透过分支部102的光经由第1透镜组103A入射到第1照相机105A所具有的摄像元件的拍摄面。即,透射过分支部102的光用于第1摄像部100A中的拍摄。另一方面,由分支部102反射的光经由第2透镜组103B入射到第2照相机105B所具有的摄像元件的摄像面。即,由分支部102反射的光用于第2摄像部100B中的拍摄。将分支部102与第1照相机105A之间的光的光路称为第1光路,将分支部102与第2照相机105B之间的光的光路称为第2光路。另外,如图1所例示的那样,分支部102配置在物镜101的光轴11B上。另外,在图1中,用111A表示第1光路的光轴,用111B表示第2光路的光轴。
光圈104配置在分支部102与第1透镜组103A之间。即,光圈104被***到第1光路中。光圈104是在板上开设圆形的孔而形成的。光圈104配置在使第1透镜组103A的光轴111A穿过光圈104的孔的中心轴,且与第1光路的光轴111A垂直的位置。光圈104是通过在第1光路中遮挡周边部的光来减小向第1照相机105A照射的光的开口的光圈。通过光圈104,第1照相机105A的景深变深。
在测定装置20中设置有作为控制部的控制器14。控制器14具有中央处理单元(Central Processing Unit(CPU))14A、只读存储器(Read Only Memory(ROM))14B、随机存取存储器(Random Access Memory(RAM))14C、电可擦除可编程只读存储器(ElectricallyErasable Programmable Read Only Memory(EEPROM))14D以及接口电路14E。CPU 14A、ROM14B、RAM 14C、EEPROM 14D以及接口电路14E通过总线14F相互连接。
CPU 14A按照保存在ROM 14B中并被RAM 14C读取的程序控制整个测定装置20。在ROM 14B中保存有用于使CPU 14A进行动作的程序和数据。RAM 14C向CPU 14A提供工作区域,并且临时存储各种数据和程序。EEPROM 14D存储各种设定数据等。接口电路14E控制CPU14A与各种电路之间的通信。
在接口电路14E中连接有第1摄像部100A、第2摄像部100B、光源12、第1泵15A以及第2泵15B的控制线。第1摄像部100A、第2摄像部100B、光源12、第1泵15A以及第2泵15B由来自CPU 14A的控制信号控制。第1泵15A是经由第1供给管132A向流动槽13A提供鞘液的泵。第2泵15B是经由第2供给管133A向流动槽13A提供检体的泵。鞘液是控制流动槽13A中的检体的流动的液体。作为鞘液,例如在检体为尿的情况下,可以列举出生理盐水。但是,也可以使用生理盐水以外的溶液作为鞘液。
图2是示出流动槽13A的概略结构的图。流动槽13A是通过将第1板130和第2板131接合(例如热压接)而形成的。图2是从第1板130侧观察流动槽13A的图。另外,将图2所示的流动槽13A的宽度方向设为正交坐标系中的X轴方向,将长度方向设为Y轴方向,将厚度方向设为Z轴方向。拍摄到的检体在流动槽13A内沿Y轴方向流动。物镜101的光轴11B配置在Z轴方向上。
流动槽13A的材料可以采用PMMA(丙烯酸树脂)、COP(环烯烃聚合物)、PDMS(聚二甲基硅氧烷)、PP(聚丙烯)、石英玻璃这样的具有例如90%以上的可见光透射性的材料。
在第1板130上设置有用于提供鞘液的第1供给口132、用于提供检体的第2供给口133、用于排出鞘液和检体的排出口134。第1供给口132、第2供给口133、排出口134分别沿厚度方向贯穿第1板130。第1供给口132设置在第1板130的长度方向的一端侧。第2供给口133设置在第1板130的长度方向的另一端侧。排出口134设置在第1板130的长度方向上的第1供给口132与第2供给口133之间。
第1供给口132、第2供给口133、排出口134通过通路135A、135B、136、138相互连通。这些通路135A、135B、136、138通过从第1板130的接合面侧的表面起以截面成为矩形的方式凹陷形成。另外,这些通路135A、135B、136、138的截面形成为宽度方向(图2的X轴方向)比深度方向(图2的Z轴方向)大。当将第1板130和第2板131接合时,第2板131成为形成通路135A、135B、136、138的壁材。
在第1供给口132上连接有第1通路135A和第2通路135B。第1通路135A和第2通路135B分别向相反的方向绕行,沿着第1板130的外缘向第2供给口133侧前行,在汇合部137处汇合。另外,在第2供给口133上连接有第3通路136。第3通路136在汇合部137处与第1通路135A和第2通路135B汇合。汇合部137经由第4通路138与排出口134连接。在第4通路138上形成有锥形部138A,该锥形部138A形成为第4通路138的深度(第1板130的板厚方向(Z轴方向)的长度)随着从汇合部137趋向于排出口134而逐渐变小的锥形形状。锥形部138A被设置为例如以2°~8°倾斜。
在第1供给口132上连接有图1所例示的第1供给管132A。在第2供给口133上连接有图1所例示的第2供给管133A。在排出口134上连接有排出管(省略图示)。从第1供给管132A向第1供给口132提供的鞘液在第1通路135A和第2通路135B中流通。从第2供给管133A向第2供给口133提供的检体在第3通路136中流通。然后,鞘液和检体在汇合部137处汇合并在第4通路138中流通,从排出口134排出到排出管。
图3是示出汇合部137和锥形部138A附近的概略结构的图。在汇合部137中,第3通路136配置成靠第2板131侧。检体在汇合部137中沿着第2板131流动。
图4是示出在第4通路138中流通的鞘液和检体的分布的图。在从图4中的上侧分别提供了鞘液和检体后,鞘液和检体在汇合部137处汇合。在鞘液和检体在汇合部137处刚刚汇合后,鞘液内的检体集中在第2板131的壁面侧的比较狭窄的范围内(A-A线的位置)。然后,当检体在锥形部138A中流通时,检体被鞘液按压着而在第2板131的壁面附近沿着壁面呈扁平状扩展(B-B线的位置)。当检体进一步流动时,通过管状收缩(Tubular-Pinch)效应,检体从第2板131的壁面离开,被向第4通路138的中央方向抬起(C-C线的位置)。
有形成分的分布受到鞘液中的检体的分布的影响。测定装置20通过在能够拍摄更多有形成分的位置进行第1摄像部100A和第2摄像部100B的拍摄,能够提高有形成分的测定精度。在流动槽13A中,检体的流动根据Y轴方向上的位置而变化。在图4的C-C线的位置,与B-B线的位置相比,检体在Z轴方向上的宽度变大。在图4的C-C线的位置,检体中的有形成分在Z轴方向上扩展分布,因此不适于有形成分的拍摄。
另一方面,在图4的B-B线的位置,鞘液以从上方将检体按压在第2板131上的方式流动,检体被鞘液在光轴方向上挤压而薄薄地扩展。因此,在图4的B-B线的位置,检体中的有形成分以不向Z轴方向扩散的方式存在。另外,鞘液、检体均形成层流,几乎不会混合。由于这样的B-B线的位置是适于拍摄有形成分的Y轴方向上的位置,因此测定装置20在该Y轴方向上的位置拍摄检体。将该位置称为拍摄位置,使物镜101的光轴11B对准该拍摄位置。即,流动槽13A在拍摄位置以有形成分在检体中薄薄地扩展的方式形成。在拍摄位置处,有形成分均匀地分布在检体中。
另外,以通过流动槽13A的锥形部138A后的检体与流动槽13A的壁面接触的方式为例进行了说明,但关于流动槽的构造和检体的流动不仅限于该方式。在测定装置20中,例如也可以使用如下构造的流动槽:在通过流动槽13A的锥形部138A后,鞘液包围检体的周围,在鞘液的中心部薄薄地拉伸检体。
返回到图1,在第1摄像部100A中,在第1光路中***光圈104以限制向第1照相机105A照射的光量(数值孔径减小)。另一方面,在第2光路中未设置与光圈104相当的光圈。第1照相机105A通过调整光圈104的数值孔径、第1透镜组103A所包含的各透镜的倍率以及物镜101与第1透镜组103A的距离等,将拍摄位置的拍摄倍率设为第1倍率。另外,第2照相机105B通过调整第2透镜组103B中包含的各透镜的倍率以及物镜101与第2透镜组103B之间的距离等,将拍摄位置处的拍摄倍率设为比第1倍率高的第2倍率。这里,例如,第1倍率可以为10倍,第2倍率为40倍。另外,第1照相机105A和第2照相机105B的光轴上的焦点位置被调整为在拍摄位置的拍摄中对准检体中的相同位置。即,第1照相机105A和第2照相机105B的焦点位置相同。
CPU 14A使第1照相机105A和第2照相机105B同时拍摄在流动槽13A中流通的检体中的有形成分的静态图像。静态图像是检体的放大图像。光源12的点亮时间与第1照相机105A和第2照相机105B的拍摄时间(曝光时间)通过CPU 14A而被同步。平行光从光源12入射到流动槽13A中。CPU 14A在拍摄时使光源12点亮1次~多次。光源12的点亮时间取决于检体的流速,为了使被摄体抖动处于容许范围内,例如设定为0.1~10μsec。在一次曝光中,可以通过使光源12多次发光来增加一个图像中包含的有形成分的数量。测定装置20通过拍摄更多的有形成分,能够进一步提高有形成分的测定精度。该情况下的光源12的闪烁定时只要考虑检体的流速与光源12的点亮时间之间的关系来决定即可。在1个检体的测定中,例如拍摄100~1000张图像。光源12例如可以采用氙灯或白色LED,但不限于此,也可以采用其他光源。
当由第1摄像部100A和第2摄像部100B拍摄透过流动槽13A的来自光源12的光的像时,会获取拍摄倍率不同的两个图像。图5是示出第1摄像部100A和第2摄像部100B各自拍摄到的图像的一例的图。在图5中,第1图像P1是第1摄像部100A以第1倍率拍摄拍摄位置的图像的一例。另外,第2图像P2是第2摄像部100B以第2倍率拍摄拍摄位置的图像的一例。如图5所例示的那样,第2图像P2是放大了第1图像P1的一部分的区域的图像。另外,第1照相机105A和第2照相机105B的光轴上的焦点位置相等。虽然第1图像P1和第2图像P2在XY平面中的中心位置是一致的,但只要在第1图像P1的拍摄范围中包含第2图像P2的拍摄范围即可。即,第2摄像部100B拍摄的拍摄区域包含在第1摄像部100A拍摄的拍摄区域中。两个摄像部的拍摄区域的位置关系相对应。CPU 14A例如分别从第1摄像部100A和第2摄像部100B获取同时拍摄到的第1图像P1和第2图像P2,并将获取的第1图像P1和第2图像P2相关联地存储在RAM 14C中。第1图像P1是“第1图像”的一例。第2图像P2是“第2图像”的一例。
由于第1图像P1是拍摄范围比第2图像P2宽的图像,因此适于求出有形成分的个数。另一方面,由于第2图像P2是拍摄倍率比第1图像P1高的图像,因此适于细胞核等的形态观察和有形成分的分类。例如,CPU 14A能够根据第1图像P1计算出检体中的有形成分的个数,根据第2图像P2将检体中的有形成分分类为各种种类,并计算出分类后的种类的各自的个数。
CPU 14A根据由第1摄像部100A和第2摄像部100B拍摄到的图像,掌握有形成分的位置、大小、个数,根据所掌握的有形成分的大小决定图像的切取尺寸,生成切取图像。切取图像是对背景图像和拍摄到的图像进行比较,围绕存在差异的部位的周边并切取其内部的图像而得到的图像。
CPU 14A在生成切取图像之前,使用所存储的图像的数据,按每个图像,生成将各像素的像素值平均化后的图像作为背景图像。像素值可以是各像素的亮度,也可以是RGB值。切取图像是通过由CPU 14A执行保存在ROM 14B中的程序(切取处理)而生成的。切取图像与切取位置、切取尺寸一起存储在RAM 14C中。例如,CPU 14A针对第1图像P1和第2图像P2的各图像,判断为与背景图像存在差异的部位包含有形成分,并针对图像中包含的全部有形成分生成切取图像。CPU 14A按每个有形成分对从第1图像P1切取的切取图像进行分类,对被分类为各分类项目的切取图像的数量进行计数。也可以不按每个有形成分对第1图像P1的切取图像进行分类,而仅计算出检体中的有形成分的总数。另外,CPU 14A对从第2图像P2切取的切取图像分别进行有形成分的形态观察,将有形成分按种类进行分类,计算分类后的种类各自的个数。
图6是示出实施方式中的对有形成分进行分类的流程的流程图。图6所例示的流程图由CPU 14A执行。
在S101中,CPU 14A获取由第1摄像部100A拍摄的第1图像P1。另外,CPU 14A获取由第2摄像部100B拍摄的第2图像P2。CPU 14A将第1图像P1和第2图像P2存储在RAM 14C中。执行S101的处理的CPU 14A是“获取部”的一例。S101的处理是“获取步骤”的一例。
在S102中,CPU 14A生成从第1图像P1切取有形成分而得到的第1切取图像。CPU14A将生成的第1切取图像存储在RAM 14C中。
在S103中,CPU 14A获取在S102中存储在RAM 14C中的第1切取图像的位置信息和特征量。CPU 14A将第1切取图像的位置信息和特征量与第1切取图像相关联地存储在RAM14C中。作为特征量,可以例示为颜色、形状、大小。关于特征量的获取,使用预先存储在ROM14B中的程序。
在S104中,CPU 14A从第2图像P2切取出有形成分而生成第2切取图像。CPU 14A将生成的第2切取图像存储在RAM 14C中。
在S105中,CPU 14A获取在S104中存储在RAM 14C中的第2切取切图像的特征量。CPU 14A将第2切取图像的特征量与第2切取图像相关联地存储在RAM 14C中。
在S106中,CPU 14A根据在S103和S105中获取的特征量,进行有形成分的分类和个数计算。关于分类,使用预先存储在ROM 14B中的程序。图7是示出实施方式中的有形成分的分类和个数计算的流程的流程图。即,图7示出了图6的S106中的处理的详细流程。
在S1061中,CPU 14A根据从第1图像P1切取的切取图像,将有形成分按种类进行分类,计算出分类后的每个种类的个数。即,CPU 14A根据在图6的S103中获取的特征量,进行有形成分的分类和个数的计算。图8是示出基于第1图像P1的有形成分的分类和个数计算的结果的一例的图。在图8中,将有形成分分类为大分类和在大分类中进一步细分的分类项目。大分类例如从“1”至“8”分类为8个项目。例如,在图8中,大分类“3”的上皮类进一步细分为“扁平上皮”和“其他上皮”的分类项目。大分类“4”的管型类进一步细分而被分类为“透明管型”和“其他管型”的分类项目。所有的大分类也可以不具有进一步被细分的分类项目。如图8所示,CPU 14A计算有形成分的各个种类的个数和有形成分的总数。另外,在S1061中,CPU 14A也可以不计算有形成分的各个种类的个数,而仅计算有形成分的总数。
在S1062中,CPU 14A根据第2图像P2、将有形成分按种类进行分类,并计算出分类后的有形成分的每个种类占有形成分的总数的比例。即,CPU 14A根据在图6的S105中获取的特征量,进行有形成分的分类和比例的计算。图9是示出基于第2图像P2的有形成分的分类和比例计算的结果的一例的图。在图9中,与图8同样地,将有形成分分类为红细胞或白细胞等种类,按照分类后的每个分类计算有形成分的个数。另外,在图9中,与图8同样地,分类为大分类“1”至“8”。如图9所例示的那样,CPU 14A计算有形成分的各个种类的个数。另外,如图9所例示的那样,CPU 14A还计算有形成分的各个种类相对于有形成分的总数的比例。CPU 14A根据以比第1图像P1高的倍率拍摄的第2图像P2,按种类对有形成分进行分类,由此能够以更高精度进行有形成分的分类。另外,在图8和图9中,将有形成分分类为“红细胞”、“白细胞”、“扁平上皮”、“其他上皮”、“透明管型”、“其他管型”、“细菌”、“结晶”、“其他”、“垃圾/细胞片”的各种,但有形成分的分类不限于此。
在S1063中,CPU 14A进行校正处理。CPU 14A根据在S1061中计算出的从第1图像P1的切取图像获取的有形成分的总数、和在S1062中计算出的从第2图像P2的切取图像获取的有形成分的各个种类的比例,校正有形成分的各个种类的个数。图10是例示出在实施方式中进行校正处理的校正结果的图。例如由于在S1062中计算出的“红细胞”的比例为“15.2”%,在S1061中计算出的“总数”为“82”个,因此CPU 14A使用基于第1图像P1的各有形成分的总数和从第2图像P2获取的各有形成分的存在比例来计算有形成分的个数。作为一例,将通过第1图像P1得到的有形成分的总数“82”乘以通过第2图像P2分类后的红细胞的比例“15.2%”,计算出校正后的红细胞的个数为“12”个。校正后的有形成分总数与通过第1图像P1得到的有形成分总数相同,校正后的各分类的比例与从第2图像P2获取的比例相同。CPU 14A通过对各有形成分执行这样的校正处理,能够得到图10所例示的校正结果。
返回到图6,在S107中,CPU 14A输出在S106中进行校正处理的校正结果。CPU 14A例如可以将图10所例示的校正结果的一览表作为计算结果输出到监视器、或者输出到打印机进行打印。另外,为了整体观察,CPU 14A也可以将全成分图像作为计算结果而输出,该全成分图像是将根据在S106中计算出的有形成分的各个种类的个数、用于测定的检体量以及作为全成分图像显示的倍率和图像尺寸计算出的各成分的个数的切取图像随机地配置在一个画面上而生成的。执行S102至S107的处理的CPU 14A是“计算部”的一例。S102至S107的处理是“计算步骤”的一例。
CPU 14A例如生成全成分图像,在该全成分图像中,按照在S106中计算出的个数将第1切取图像或第2切取图像以不重叠的方式随机配置。另外,CPU 14A也可以放大全成分图像的一部分而输出能够容易地观察到有形成分各自的形状的放大图像。全成分图像例如是根据在S106中对图5所例示的第1图像P1、第2图像P2的有形成分的各个种类的个数进行计算的计算结果进行变更而得到的图像。
在实施方式中,CPU 14A根据在S1061中基于第1图像P1计算出的有形成分的总数和在S1062中基于第2图像P2计算出的有形成分的各个种类的比例,进行有形成分的各个种类的个数的校正。通过将适于有效成分的计数的高倍率图像的结果和适于有形成分的种类的分类的低倍率图像的结果组合使用,测定装置20能够提高有形成分的各个种类的个数的计算精度。另外,在获取第1图像和第2图像这样的拍摄倍率不同的图像时,光源12和物镜101分别为1个即可。由此,能够以更低的成本实现检体中的有形成分的分类和个数的计算。
在实施方式中,CPU 14A输出如下全成分图像,在该全成分图像中,按照在S106中计算出的个数将第1切取图像或第2切取图像以不重叠的方式随机配置。另外,在实施方式中,CPU 14A也可以将全成分图像的一部分放大而输出能够容易地观察到有形成分的各自的形状的放大图像。因此,根据本实施方式,容易观察到尿中的有形成分的种类和个数。
在实施方式中,第1照相机105A和第2照相机105B的光轴上的焦点位置等同。因此,第1图像P1和第2图像P2的放大倍率不同。在第1图像P1中能够进行大范围的拍摄,但有形成分的分类精度比第2图像P2差。在本实施方式中,通过利用使用第1图像P1计算出的有形成分的个数和使用第2图像P2计算出的各分类的存在比例来计算各有形成分的个数,能够提高有形成分的各个种类的个数的计数精度。
(第1变形例)
在实施方式中,根据基于第1图像P1计算出的有形成分的总数和基于第2图像P2计算出的有形成分的各个种类的比例,针对所有的大分类来校正有形成分的每个种类的个数。在第1变形例中,对针对指定的大分类校正有形成分的个数的处理进行说明。在第1变形例中,对实施方式的图7所例示的处理进行变形。表示所指定的大分类的信息例如可以预先存储在ROM 14B中,也可以选择通过用户的操作指定的大分类。对于与实施方式相同的构成要素标注相同的标号,并省略其说明。以下,参照附图对第1变形例进行说明。
图11是示出第1变形例中的有形成分的分类和个数计算的流程的流程图。这里,指定大分类“3”的上皮类。在S1061a中,CPU 14A根据第1图像P1,计算被分类为指定的大分类“3”的上皮类的有形成分的合计个数。这里,设基于第1图像P1的有形成分的分类和个数计算的结果为图8所例示的状态,设指定的大分类为“3”上皮类。CPU 14A将被分类为大分类“3”上皮类的“扁平上皮”的个数“12”个和“其他上皮”的个数“1”个相加,计算出合计个数即“13”个。执行S1061a的处理的CPU 14A是“第1计算部”的一例。
在S1062a中,CPU 14A根据第2图像P2,计算被分类为指定的大分类“3”上皮类的有形成分各自的比例。图12是示出基于第2图像P2的有形成分的分类和比例计算的结果的一例的图。CPU 14A对被分类为大分类“3”上皮类的“扁平上皮”的个数“8”个和“其他上皮”的个数“2”个进行合计,计算出被分类为大分类“3”的有形成分的合计个数“10”个。CPU 14A根据基于第2图像P2计算出的被分类为大分类“3”的有形成分的合计个数和“扁平上皮”、“其他上皮”各自的个数,计算出大分类“3”中的“扁平上皮”的比例“80.0%”和”扁平上皮“的比例“20.0%”。执行S1062a的处理的CPU 14A是“第2计算部”的一例。
在S1063a中,CPU 14A根据在S1061a中基于第1图像P1计算出的被分类为大分类“3”上皮类的合计个数和在S1062a中基于第2图像P2计算出的分类项目即“扁平上皮”和“其他上皮”各自的比例,进行“扁平上皮”和“其他上皮”各自的个数的校正。CPU14A通过将根据第1图像P1计算出的分类为大分类“3”的有形成分的合计个数“13”个乘以根据第2图像P2计算出的“扁平上皮”的比例“80%”,计算出“扁平上皮”的个数为“10”个作为校正值。另外,CPU 14A通过将根据第1图像P1计算出的分类为大分类“3”的有形成分的合计个数“13”个乘以根据第2图像P2计算出的“其他上皮”的比例“20%”,计算出“其他上皮”的个数“3”个作为校正值。校正后的有形成分的总数与通过第1图像P1得到的有形成分的总数相同。另外,也可以通过从指定的大分类中包含的合计个数中减去其他分类项目的校正后的个数来计算校正后的分类项目的个数。在上述例子中,也可以从上皮类中包含的合计个数13减去“扁平上皮”的校正后的个数即10,计算出“其他上皮”的校正后的个数“3”。反之亦然。CPU 14A通过对被分类为指定的大分类的各个有形成分执行这样的校正处理,能够得到图13所例示的校正结果。
根据第1变形例,能够对指定的大分类高精度地进行有形成分的个数的计算,并且与对全部大分类执行校正处理的实施方式相比,能够降低CPU 14A的处理负载。另外,在第1变形例中,指定了全部分类的情况相当于上述实施方式。
(第2变形例)
在第2变形例中,在基于第1图像P1的有形成分的分类中,指定容易产生误分类的大分类,对所指定的分类进行校正。在第2变形例中,对实施方式的图7所例示的处理进行变形。指定容易产生误分类的大分类的信息例如可以预先存储在ROM 14B中,也可以选择通过用户的操作指定的大分类。对于与实施方式相同的构成要素标注相同的标号,并省略其说明。以下,参照附图对第2变形例进行说明。
图14是示出第2变形例中的有形成分的分类和个数计算的流程的流程图。在S1061b中,CPU 14A根据基于第1图像P1的有形成分的分类结果,计算被分类为容易产生误分类的大分类的有形成分的合计个数。这里,基于第1图像P1的有形成分的分类和个数计算的结果为图8所例示的状态,被指定为容易产生误分类的大分类的大分类为“1”、“5”、“6”、“8”。CPU 14A使用第1图像P1计算出被分类为“红细胞”、“细菌”、“结晶”、“垃圾/细胞片”的有形成分的合计个数,“红细胞”、“细菌”、“结晶”、“垃圾/细胞片”是作为大分类被分类为“1”、“5”、“6”、“8”的有形成分。执行S1061b的处理的CPU 14A是“第1计算部”的一例。
在S1062b中,CPU 14A根据基于第2图像P2的有形成分的分类结果,计算出容易产生误分类的大分类中的有形成分的各自的比例。图15是示出基于第2图像P2的有形成分的分类和比例计算的结果的一例的图。CPU 14A从第2图像P2中切取出有形成分,计算被分类为大分类“1”、“5”、“6”、“8”的分类项目(有形成分)的合计个数。这里,CPU 14A计算出作为“红细胞”、“细菌”、“结晶”、“垃圾/细胞片”的合计个数“49”个。CPU 14A计算出“红细胞”、“细菌”、“结晶”、“垃圾/细胞片”分别相对于计算出的合计个数的比例。例如,CPU 14A将“红细胞”的个数“10”个除以指定的分类中包含的合计个数“49”个,计算出“红细胞”的比例“20.4%”。执行S1062b的处理的CPU 14A是“第2计算部”的一例。
在S1063b中,CPU 14A根据在S1061b中使用第1图像P1计算出的合计个数和在S1062b中根据第2图像P2计算出的有形成分各自的比例,对被分类为容易产生误分类的大分类的有形成分各自的个数进行了校正。图16是例示了在第2变形例中进行校正处理的校正结果的图。CPU 14A例如通过使根据第2图像P2计算出的“红细胞”的比例“20.4%”乘以在第1图像P1中被分类为容易产生误分类的大分类的“1”、“5”、“6”、“8”的有形成分的合计个数即”64“个,计算出作为校正后的红细胞的个数的“13”个。CPU 14A通过对被分类为容易产生误分类的大分类的各有形成分执行这样的校正处理,能够得到图16所例示的校正结果。校正后的有形成分的总数与通过第1图像P1得到的有形成分的总数相同。
根据第2变形例,能够对容易产生误分类的大分类高精度地进行有形成分的个数的计算,并且与对全部大分类执行校正处理的实施方式相比,能够降低CPU 14A的处理负载。
(第3变形例)
如果基于以高拍摄倍率拍摄的第2图像P2,与基于第1图像P1的分类相比,能够更详细且高精度地对有形成分进行分类。在第3变形例中,对基于第2图像P2有形成分的分类比基于第1图像P1的分类更详细的处理进行说明。在第3变形例中,对实施方式的图7所例示的处理进行变形。对于与实施方式相同的构成要素标注相同的标号,并省略其说明。以下,参照附图对第3变形例进行说明。
图17是示出第3变形例中的有形成分的分类和个数计算的流程的流程图。在S1061c中,CPU 14A根据第1图像P1进行有形成分的分类和总数的计算。图18是示出第3变形例中的基于第1图像P1的有形成分的分类和个数计算的结果的一例的图。在S1061c中,如图18所例示的那样,将有形成分分类为“红细胞”、“白细胞”、“上皮”、“管型”、“细菌”、“结晶”、“其他”、“垃圾/细胞片”这8种。另外,作为有形成分的“总数”,得到“101”个。执行S1061c的处理的CPU 14A是“第1计算部”的一例。
在S1062c中,CPU 14A根据第2图像P2进行有形成分的分类和比例计算。图19是示出第3变形例中的基于第2图像P2的有形成分的分类和比例计算的结果的一例的图。在第3变形例中,利用第2图像P2为高倍率这一点,使得与S1061c中的基于第1图像P1的分类相比更详细地进行细分而对有形成分进行分类。例如,在S1061c的分类中被分类为“红细胞”的有形成分在S1062c的分类中被分类为“均匀红细胞”和“变形红细胞”这两种分类项目。CPU14A还计算分类后的有形成分各自的比例。例如根据第2图像P2检测出的有形成分的“总数”为“80”个,“均匀红细胞”的“个数”为“8”个,因此CPU 14A计算出“均匀红细胞”的“比例”为“10.0”%。执行S1062c的处理的CPU 14A是“第2计算部”的一例。
在S1063c中,CPU 14A根据在S1061c中基于第1图像P1计算出的有形成分的总数和在S1062c中基于第2图像P2详细分类得到的有形成分的各自的比例,计算有形成分各自的个数。图20是例示了在第3变形例中进行校正处理的校正结果的图。CPU 14A例如根据在S1061c中计算出的总数“101”个,在S1062c中计算出的“均匀红细胞”的比例“10.0”%,计算出校正后的“均匀红细胞”的个数为“10”个。CPU 14A通过对各个有形成分执行这样的校正处理,能够得到图20所例示的校正结果。
在第3变形例中,对于在第1图像P1中分类较困难的有形成分的种类,也可以根据第2图像P2进行分类,并基于根据第1图像P1计算出的总数,对基于第2图像P2分类得到的各个种类的有形成分的个数进行校正。根据第3变形例,对于在第1图像P1中分类较困难的种类的各个有形成分,也能够高精度地计算其个数。另外,在第3变形例中,指定所有的分类,按照所有的分类进行校正。
(其他变形)
在以上说明的实施方式和各变形例中,第2图像P2是第1图像P1的拍摄范围的一部分。但是,第2图像P2的拍摄范围也可以不包含在第1图像P1的拍摄范围内。例如,第1图像P1的拍摄范围也可以配置在第2图像P2的拍摄范围的上游侧或下游侧。即使在第2图像P2不包含在第1图像P1的拍摄范围内的情况下,也能够计算出由与上述说明的方法相同的方法指定的分类中包含的有形成分的个数。
在以上说明的实施方式和各变形例中,拍摄装置1进行了亮视场中的拍摄,但拍摄装置1也可以进行暗视野、相位差、微分干涉、偏振光、荧光等中的拍摄。例如,在暗视场中进行拍摄的情况下,只要将来自光源12的光照射到流动槽13A,使来自流动槽13A的反射光入射到物镜101即可。
在以上说明的实施方式和各变形例中,拍摄装置1具有一个以比第1倍率高的第2倍率进行拍摄的第2摄像部100B,但拍摄装置1也可以具有两个以上的以比第1倍率高的倍率进行拍摄的摄像部。在该情况下,优选以比第1倍率高的倍率拍摄的摄像部的拍摄范围包含在第1摄像部100A拍摄的拍摄范围内。即,优选以比第1倍率高的倍率拍摄的摄像部拍摄出第1摄像部100A拍摄的图像的一部分的区域的放大图像。
以上公开的实施方式和变形例分别可以组合。
Claims (7)
1.一种测定装置,其具有:
获取部,其获取对在流路中流动的包含有形成分的液体进行拍摄而得到的第1图像、和与所述第1图像同时被拍摄且拍摄倍率比所述第1图像的拍摄倍率高的第2图像;以及
计算部,其使用对所述第1图像和所述2图像中所包含的有形成分进行切取而得到的切取图像对所述有形成分按照种类进行分类,并使用从所述第1图像切取且包含在指定的分类中的有形成分的总数、和从所述第2图像切取且包含在指定的分类中的有形成分的每个种类占从所述第2图像切取且包含在指定的分类中的有形成分的总数的比例,来计算包含在所述指定的分类中的有形成分的个数。
2.根据权利要求1所述的测定装置,其中,
所述第2图像的拍摄范围是所述第1图像的拍摄范围的一部分。
3.根据权利要求1或2所述的测定装置,其中,
所述计算部通过将从所述第1图像切取且包含在指定的分类中的有形成分的总数、乘以从所述第2图像切取且包含在指定的分类中的有形成分的每个种类占从所述第2图像切取且包含在指定的分类中的有形成分的总数的比例,来计算包含在所述指定的分类中的有形成分的个数。
4.根据权利要求1至3中的任意一项所述的测定装置,其中,
所述计算部根据按照每个种类计算出的所述有形成分的个数,输出配置有分别表示所述有形成分的种类的切取图像的全成分图像。
5.根据权利要求1至4中的任意一项所述的测定装置,其中,
该测定装置还具有拍摄所述第1图像的第1摄像部和拍摄所述第2图像的第2摄像部,
所述第1摄像部和所述第2摄像部的光轴上的焦点位置相同。
6.一种测定方法,其中,
使用对第1图像中包含的有形成分进行切取而得到的切取图像来计算在按照每个种类被分类的图像中包含在指定的分类中的有形成分的总数,其中,该第1图像是对在流路中流动的包含有形成分的液体进行拍摄而得到的,
使用对第2图像中包含的有形成分进行切取而得到的切取图像来计算在按照每个种类被分类的图像中,包含在指定的分类中的有形成分的每个种类占包含在指定的分类中的有形成分的总数的比例,其中,该第2图像是与所述第1图像同时拍摄在流路中流动的包含有形成分的液体而得到的,并且该第2图像的拍摄倍率比所述第1图像的拍摄倍率高,
使用根据所述第1图像而计算出的所述有形成分的总数和根据所述第2图像而计算出的所述有形成分的每个种类的比例来计算包含在所述指定的分类中的有形成分的个数。
7.根据权利要求6所述的测定方法,其中,
所述第2图像的拍摄范围是所述第1图像的拍摄范围的一部分。
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019-227645 | 2019-12-17 | ||
JP2019227645 | 2019-12-17 | ||
JP2020205362A JP7502168B2 (ja) | 2019-12-17 | 2020-12-10 | 測定装置及び測定方法 |
JP2020-205362 | 2020-12-10 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112986104A true CN112986104A (zh) | 2021-06-18 |
Family
ID=73855354
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011489563.3A Pending CN112986104A (zh) | 2019-12-17 | 2020-12-16 | 测定装置和测定方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11959908B2 (zh) |
EP (1) | EP3839505B1 (zh) |
CN (1) | CN112986104A (zh) |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0556971B1 (en) | 1992-02-18 | 1999-12-08 | Hitachi, Ltd. | An apparatus for investigating particles in a fluid, and a method of operation thereof |
JPH06288895A (ja) | 1993-04-06 | 1994-10-18 | Hitachi Ltd | 粒子分析装置 |
JP3494559B2 (ja) | 1997-09-16 | 2004-02-09 | 株式会社日立製作所 | フロー式粒子画像解析方法及び装置 |
US7912257B2 (en) * | 2006-01-20 | 2011-03-22 | 3M Innovative Properties Company | Real time display of acquired 3D dental data |
JP4918281B2 (ja) * | 2006-05-18 | 2012-04-18 | シスメックス株式会社 | 尿中有形成分分析装置 |
SE530750C2 (sv) * | 2006-07-19 | 2008-09-02 | Hemocue Ab | En mätapparat, en metod och ett datorprogram |
CN104541149B (zh) * | 2012-07-05 | 2017-03-01 | 贝克曼考尔特公司 | 用于确定白血细胞计数的方法和装置 |
WO2016050755A2 (en) * | 2014-09-29 | 2016-04-07 | Biosurfit S.A. | Cell counting |
DE102014017552A1 (de) | 2014-10-15 | 2016-04-21 | Retsch Technology Gmbh | Vorrichtung und Verfahren zur Bestimmung der Partikelgröße und/oder der Partikelform von Partikeln in einem Partikelstrom |
JP6100867B1 (ja) * | 2015-11-06 | 2017-03-22 | 振武 曽 | 免疫状態の分析のための検査方法 |
JP7043200B2 (ja) * | 2017-08-10 | 2022-03-29 | アークレイ株式会社 | フローセル及び分析装置 |
CN116026830A (zh) * | 2017-10-02 | 2023-04-28 | 爱科来株式会社 | 分析装置 |
JP7175158B2 (ja) * | 2018-10-29 | 2022-11-18 | アークレイ株式会社 | 情報処理装置、測定システム、及びプログラム |
-
2020
- 2020-12-16 US US17/123,792 patent/US11959908B2/en active Active
- 2020-12-16 CN CN202011489563.3A patent/CN112986104A/zh active Pending
- 2020-12-17 EP EP20215033.0A patent/EP3839505B1/en active Active
Also Published As
Publication number | Publication date |
---|---|
EP3839505C0 (en) | 2023-11-08 |
US20210182530A1 (en) | 2021-06-17 |
EP3839505B1 (en) | 2023-11-08 |
EP3839505A1 (en) | 2021-06-23 |
US11959908B2 (en) | 2024-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11499908B2 (en) | Urine analysis system, image capturing apparatus, urine analysis method | |
US8772738B2 (en) | Particle analyzing apparatus and particle imaging method | |
CN106018771B (zh) | 血液分析装置及血液分析方法 | |
JP7457782B2 (ja) | 分析装置 | |
JP2019066461A (ja) | 分析装置 | |
CN109387517B (zh) | 分析装置和分析方法 | |
JP4043417B2 (ja) | 粒子径計測装置 | |
JP2011169916A (ja) | 粒子測定装置および粒子測定方法 | |
JP7502168B2 (ja) | 測定装置及び測定方法 | |
CN112986104A (zh) | 测定装置和测定方法 | |
EP0679889A2 (en) | A method and an apparatus for particle image analysis | |
JPH0783817A (ja) | フロー式粒子画像解析方法およびフロー式粒子画像解析装置 | |
JP7043200B2 (ja) | フローセル及び分析装置 | |
JP2021096248A (ja) | 測定装置及び測定方法 | |
JP7027249B2 (ja) | 分析装置及び分析方法 | |
JPH1194727A (ja) | フロー式粒子画像解析方法及び装置 | |
JPH0961339A (ja) | フロ−式粒子画像解析方法および装置 | |
JP2002071548A (ja) | フロー式粒子画像解析方法及び装置 | |
JPH07128218A (ja) | 粒子解析装置 | |
JPH07248328A (ja) | 尿沈渣検査装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |