JP2010060509A - Method, system, apparatus and program for determining image pattern, and computer readable recording medium to which this program is saved - Google Patents
Method, system, apparatus and program for determining image pattern, and computer readable recording medium to which this program is saved Download PDFInfo
- Publication number
- JP2010060509A JP2010060509A JP2008228712A JP2008228712A JP2010060509A JP 2010060509 A JP2010060509 A JP 2010060509A JP 2008228712 A JP2008228712 A JP 2008228712A JP 2008228712 A JP2008228712 A JP 2008228712A JP 2010060509 A JP2010060509 A JP 2010060509A
- Authority
- JP
- Japan
- Prior art keywords
- image
- unit
- determination
- region
- area
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 365
- 238000012545 processing Methods 0.000 claims description 159
- 238000006243 chemical reaction Methods 0.000 claims description 123
- 230000002776 aggregation Effects 0.000 claims description 73
- 238000004220 aggregation Methods 0.000 claims description 64
- 230000002159 abnormal effect Effects 0.000 claims description 29
- 239000002245 particle Substances 0.000 claims description 27
- 210000004369 blood Anatomy 0.000 claims description 21
- 239000008280 blood Substances 0.000 claims description 21
- 238000005054 agglomeration Methods 0.000 claims description 9
- 230000005540 biological transmission Effects 0.000 claims description 9
- 230000006870 function Effects 0.000 claims description 9
- 230000009870 specific binding Effects 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 2
- 230000011218 segmentation Effects 0.000 abstract 1
- 230000008569 process Effects 0.000 description 124
- 230000004520 agglutination Effects 0.000 description 33
- 238000012360 testing method Methods 0.000 description 30
- 239000003153 chemical reaction reagent Substances 0.000 description 29
- 238000003860 storage Methods 0.000 description 24
- 238000003384 imaging method Methods 0.000 description 21
- 238000004458 analytical method Methods 0.000 description 16
- 238000004364 calculation method Methods 0.000 description 15
- 238000009826 distribution Methods 0.000 description 15
- 210000000601 blood cell Anatomy 0.000 description 9
- 238000007689 inspection Methods 0.000 description 9
- 239000000427 antigen Substances 0.000 description 8
- 102000036639 antigens Human genes 0.000 description 8
- 108091007433 antigens Proteins 0.000 description 8
- 230000005856 abnormality Effects 0.000 description 6
- 230000000875 corresponding effect Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 239000011521 glass Substances 0.000 description 6
- 238000005286 illumination Methods 0.000 description 6
- 208000035473 Communicable disease Diseases 0.000 description 5
- 239000011324 bead Substances 0.000 description 5
- 239000000126 substance Substances 0.000 description 5
- 238000012546 transfer Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 208000015181 infectious disease Diseases 0.000 description 4
- 238000010998 test method Methods 0.000 description 4
- 230000027455 binding Effects 0.000 description 3
- 238000009534 blood test Methods 0.000 description 3
- 238000005119 centrifugation Methods 0.000 description 3
- 210000003743 erythrocyte Anatomy 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 239000012190 activator Substances 0.000 description 2
- 230000002411 adverse Effects 0.000 description 2
- 210000001772 blood platelet Anatomy 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 239000004816 latex Substances 0.000 description 2
- 229920000126 latex Polymers 0.000 description 2
- 210000000265 leukocyte Anatomy 0.000 description 2
- 150000007523 nucleic acids Chemical group 0.000 description 2
- 210000002966 serum Anatomy 0.000 description 2
- 238000010532 solid phase synthesis reaction Methods 0.000 description 2
- 238000005406 washing Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 239000011230 binding agent Substances 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000010419 fine particle Substances 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000009396 hybridization Methods 0.000 description 1
- 238000003703 image analysis method Methods 0.000 description 1
- 238000003018 immunoassay Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000011859 microparticle Substances 0.000 description 1
- 239000008267 milk Substances 0.000 description 1
- 210000004080 milk Anatomy 0.000 description 1
- 235000013336 milk Nutrition 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 102000039446 nucleic acids Human genes 0.000 description 1
- 108020004707 nucleic acids Proteins 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
Description
本発明は、画像パターンを分類および判定する方法に関する。 The present invention relates to a method for classifying and determining image patterns.
現在では、反応容器内に形成されるパターンの特徴を基に、試料と試薬の反応結果を分類および／または判定するために使用される方法には、例えば、光強度をニューラルネットワークに入力し、出力信号を発生させる方法を利用し、傾斜した判定容器の底面を該底面の異なった輪郭に起因する複数のエリアに分割した後に、夫々のエリア内の光強度を積算してエリア光強度を発生させる方法が使用されている（特許文献１）。 Currently, methods used to classify and / or determine the results of sample-reagent reactions based on the characteristics of the pattern formed in the reaction vessel include, for example, inputting light intensity into a neural network, Using the method of generating an output signal, the bottom surface of the tilted determination container is divided into multiple areas due to different contours of the bottom surface, and then the light intensity in each area is integrated to generate area light intensity Is used (Patent Document 1).
一方で、試料と試薬の反応結果を分類および／または判定することが必要とされるのは、例えば、血液型や感染症を検査するための凝集反応による反応像を判定する場合などである。そのような判定方法では、装置による自動判定の後に、肉眼で反応像を観察し、該判定に問題がないかが確認される。また、自動判定では、得られた画像について、全体としての明暗や物体との境界線のぼやけ具合を光量の変化率として求め、それを基に凝集像か非凝集像かを判断する方法が提案されている（特許文献２）。 On the other hand, it is necessary to classify and / or determine the reaction result between a sample and a reagent, for example, when determining a reaction image by an agglutination reaction for examining a blood group or an infectious disease. In such a determination method, after the automatic determination by the apparatus, the reaction image is observed with the naked eye to check whether there is a problem in the determination. In automatic determination, a method has been proposed in which the overall brightness and darkness of the boundary with the object is determined as the rate of change in the amount of light, and whether the image is an aggregated image or a non-aggregated image is determined based on this. (Patent Document 2).
また、自動判定を人間の認識に近づける方法として、ビデオ画像を処理し、ある濃度層の平均粒子密度と集積量により三次元で判定する例が提案されている（特許文献２、特許文献３）。
本発明の目的は、画像パターンの分類および／または判定を高い正確性をもって行うことが可能な方法、システム、装置、プログラムおよび記憶媒体を提供することである。 An object of the present invention is to provide a method, system, apparatus, program, and storage medium that can perform classification and / or determination of an image pattern with high accuracy.
また、本発明の目的は、画像パターンの分類および／または判定を高い正確性をもち、且つ短時間で行うことが可能な方法、システム、装置、プログラムおよび記録媒体を提供することである。 Another object of the present invention is to provide a method, system, apparatus, program, and recording medium that can perform classification and / or determination of image patterns with high accuracy and in a short time.
更に、本発明の目的は、画像パターンの分類および／または判定を高い正確性をもち、且つ低コストで行うことが可能な方法、システム、装置、プログラムおよび記録媒体を提供することである。 Furthermore, an object of the present invention is to provide a method, system, apparatus, program, and recording medium that can perform classification and / or determination of an image pattern with high accuracy and at low cost.
上記課題は、以下の手段により解決される。即ち；
１． 判定対象画像の画像パターンを判定する方法であって、
（１）当該判定対象画像を分割すること、
（２）（１）の分割により得られた領域から複数の単位領域を選択し、選択された単位領域毎に画像パターンの分類を行うこと、および
（３）（２）の結果から当該判定対象画像について画像パターンを判定すること、
を具備する方法；
２． 判定対象画像の画像パターンを判定する自動判定装置であって、
当該判定対象画像を分割して単位領域を選択すること、前記選択された領域毎に画像パターンを分類すること、および前記分類により得られた結果から画像パターンを判定することを行うデータ処理部と、
前記データ処理部に送信するための前記判定対象画像を取得するための画像取得部と、
を具備する自動判定装置：
３． 反応容器内に形成される判定対象となる画像における画像パターンの判定を行うためにコンピュータを、
判定対象画像を分割して単位領域を設定すること、前記設定された当該単位領域から少なくとも１を選択すること、選択された領域毎に画像パターンを分類すること、および前記分類により得られた結果から画像パターンを判定することを行うデータ処理手段、
並びに
前記データ処理部に送信するための前記判定対象の反応画像を取得するための画像取得手段、
として機能させるための画像判定プログラム：
３．前記３項に記載のプログラムを読み取り可能に記録したコンピュータ読み取り可能な記録媒体
である。
The above problem is solved by the following means. Ie;
1. A method of determining an image pattern of a determination target image,
(1) dividing the determination target image;
(2) selecting a plurality of unit areas from the areas obtained by the division of (1), classifying the image patterns for each selected unit area, and (3) the determination target from the result of (2) Determining an image pattern for an image;
A method comprising:
2. An automatic determination device for determining an image pattern of a determination target image,
A data processing unit that divides the determination target image to select a unit area, classifies an image pattern for each selected area, and determines an image pattern from a result obtained by the classification; ,
An image acquisition unit for acquiring the determination target image for transmission to the data processing unit;
Automatic determination device comprising:
3. In order to determine the image pattern in the image to be determined formed in the reaction vessel, a computer,
Dividing the determination target image to set a unit area, selecting at least one from the set unit areas, classifying an image pattern for each selected area, and a result obtained by the classification Data processing means for determining an image pattern from
And image acquisition means for acquiring the determination target reaction image for transmission to the data processing unit,
Image judgment program to function as:
3. A computer-readable recording medium on which the program according to
本発明により、画像パターンの分類および／または判定を高い正確性をもって行うことが可能な方法、システム、装置、プログラムおよび記憶媒体が提供される。 The present invention provides a method, system, apparatus, program, and storage medium capable of classifying and / or determining an image pattern with high accuracy.
また、本発明により、画像パターンの分類および／または判定を高い正確性をもち、且つ短時間で行うことが可能な方法、システム、装置、プログラムおよび記録媒体が提供される。 The present invention also provides a method, system, apparatus, program, and recording medium that can perform classification and / or determination of image patterns with high accuracy and in a short time.
更に、本発明により、画像パターンの分類および／または判定を高い正確性をもち、且つ低コストで行うことが可能な方法、システム、装置、プログラムおよび記録媒体が提供される。 Furthermore, the present invention provides a method, system, apparatus, program, and recording medium that can perform classification and / or determination of an image pattern with high accuracy and at low cost.
１．概要
本発明の一態様に従うと、判定対象となる画像における画像パターンの判定を行う方法であって、（１）判定対象画像を分割して単位領域を設定すること、（２）前記単位領域から複数の単位領域を選択し、選択された領域毎に画像パターンの分類を行うこと、および（３）（２）の結果から当該判定対象画像について画像パターンを判定することを具備する方法が提供される。
1. Outline According to one aspect of the present invention, a method for determining an image pattern in an image to be determined includes (1) dividing a determination target image and setting a unit area, and (2) from the unit area There is provided a method comprising selecting a plurality of unit areas, classifying an image pattern for each selected area, and determining an image pattern for the determination target image from the results of (3) and (2). The
２．画像の分割
本発明における単位領域は次のように設定することが可能である。図１Ａを参照されたい。
2. Image Division The unit area in the present invention can be set as follows. See FIG. 1A.
単位領域は、判定対象の画像を分割することにより、得ることが可能である。例えば、反応容器の底面に生じるパターンを画像処理する場合について説明する。図１Ａには、判定対象画像中の円により囲まれてなる反応容器底面に該当する部分を、その中心を通る直線で８等分に分割した例を示した。分割により８つの領域が得られ、これらの８つの領域の中から実際に目的とする判定に利用する領域を、例えば、単位領域１ａおよび１ｈなどを選択する。これについて画像パターンを分類および／または判定すればよい。
The unit area can be obtained by dividing the image to be determined. For example, a case where image processing is performed on a pattern generated on the bottom surface of the reaction container will be described. FIG. 1A shows an example in which a portion corresponding to the bottom surface of the reaction vessel surrounded by a circle in the determination target image is divided into eight equal parts by a straight line passing through the center thereof. Eight areas are obtained by the division, and, for example, the
ここでは、図１Ａでは８等分した例を示したが、８等分に限るものではなく、当該判定対象画像中の反応容器の外縁と、当該外縁から当該反応容器の中心に向かう直線とにより、例えば、３等分、４等分、５等分、６等分および７等分、またはｎ等分（ｎは２以上の整数）などに分割してもよく、または、当該反応容器の中心を通る直線により等分してもよい。また、この例では、等分割した例を示したが、異なる面積に分割してもよく、中心を通らない曲線または直線によって、等分または非等分に分割してもよい。 Here, FIG. 1A shows an example of dividing into eight parts, but it is not limited to eight parts, and is based on the outer edge of the reaction container in the determination target image and a straight line from the outer edge toward the center of the reaction container. For example, it may be divided into 3 equal parts, 4 equal parts, 5 equal parts, 6 equal parts and 7 equal parts, or n equal parts (n is an integer of 2 or more), or the center of the reaction vessel It may be equally divided by a straight line passing through. Further, in this example, an example of equal division is shown, but it may be divided into different areas, or may be divided equally or unequal by a curve or straight line that does not pass through the center.
判定対象画像の分割のもう一つの例を図１Ｂに記す。図１Ｂは、図１Ａと同様に反応容器の底面に生じる画像パターンを含む画像を分割する例である。この例では、先ず、円により囲まれてなる反応容器底面を、相似の同心円により６つの領域に分割した。分類および／または判定には、領域１ｂおよび領域１ｃなどを選択し、選択された領域を単位領域とする。これらについて画像パターンを分類および／または判定する。ここでは６つの単位領域に分割する例を示したが、６分割に限らず、例えば、２分割、３分割、４分割、５分割、７分割および８分割、またはｎ分割（ｎは２以上の整数）してもよい。この場合の面積は等しくても、等しくなくてもよい。また、第一の単位領域を領域１ｂと領域１ｃを足し合わせた領域に割り当て、第二の領域を領域１ｂに割り当てるように設定してもよい。この例では、同心円で分割する例を示したが、同心の多角形により分割してもよく、その場合であっても、当該単位領域の面積が等しくとも、互いに異なってもよい。更にまた、円または多角形は同心でなくてもよい。
Another example of the division of the determination target image is shown in FIG. 1B. FIG. 1B is an example in which an image including an image pattern generated on the bottom surface of the reaction container is divided as in FIG. 1A. In this example, first, the bottom surface of the reaction vessel surrounded by a circle was divided into six regions by similar concentric circles. For classification and / or determination, the
更に、判定対象画像を分割する例を図１Ｃに記す。図１Ｃも円により囲まれてなる反応容器底面に生じる画像を分割する例である。この例では、扇形に分割された領域を更に同心円の弧により分割する例である。領域１ｅおよび／または領域１ｆなどを単位領域として選択してよい。ここでは５つの領域に分割する例を示したが、５分割に限らず、例えば、２分割、３分割、４分割、６分割、７分割および８分割、またはｎ分割（ｎは２以上の整数）してもよい。この場合の面積は等しくても、異なってもよい。更に、１ｇなどの他の領域を、１ｅ、１ｆなどの領域のように、同心円の弧により分割して得られた領域を単位領域として選択してもよい。また、この例では、当該扇形の領域を同心円の弧により分割する例を示したが、当該扇形の領域を同心円の弧以外の曲線または直線により分割してもよい。
Further, an example of dividing the determination target image is shown in FIG. 1C. FIG. 1C is also an example in which an image generated on the bottom surface of the reaction vessel surrounded by a circle is divided. In this example, the sector-divided area is further divided by concentric arcs. The
また、上述のようにｎ個の領域に分割した後に、更に、中心を通る、または通らない直線、曲線、円、例えば、相似の同心円、または多角形などによりｍ個の領域に分割してもよい。ここで、ｎおよびｍはそれぞれ独立して２以上の整数である。 Further, after being divided into n regions as described above, it may be further divided into m regions by straight lines, curves, circles passing through the center or not passing through, for example, similar concentric circles or polygons. Good. Here, n and m are each independently an integer of 2 or more.
ここでは、当該判定対象画像中の円により囲まれてなる反応容器底面の例を示したが、判定画像中の反応容器の像は、必ずしも円により囲まれてなる反応容器底面でなくてもよく、例えば、反応容器側面などであってもよく、更にまた、判定対象画像は必ずしも反応容器である必要はない。即ち、本発明に従うと、判定対象画像はどのような画像であってもよい。 Here, an example of the reaction container bottom surface surrounded by a circle in the determination target image is shown, but the reaction container image in the determination image may not necessarily be the reaction container bottom surface surrounded by a circle. For example, the side surface of the reaction container may be used, and the determination target image is not necessarily a reaction container. That is, according to the present invention, the determination target image may be any image.
これに限定するものではないが、例えば、本発明において凝集パターンを判定する場合に使用される反応容器は、当業者に公知の何れの容器であってよい。例えば、一般的に凝集試験に使用される何れの容器であってもよい。そのような容器の例は、例えば、マイクロプレート、例えば、平面、Ｕ字底および／またはＶ字底の底面を有するマイクロプレート、種々の試験管、また、特許第３６２９０２３号に開示されるようなテラス斜面を有する反応容器、特公平８−７２１５および特開平１１−１０１７９７に開示されるようなカセット型の容器であってもよく、更にまたスライドグラスを反応容器として使用してもよい。また、このような容器内または容器上、例えば、その底面、側面または反応容器上など、当該容器に含まれるゲル、例えば、ガラスまたはラテックスなどに対して、例えば、所望の抗原、例えば、赤血球、白血球若しくは血小板など、または所望の抗体が固相化された容器を用いてもよい。このような容器の製造方法はそれ自身当業者に公知のものであってもよい。 Although it does not limit to this, For example, the reaction container used when determining an aggregation pattern in this invention may be any container well-known to those skilled in the art. For example, any container generally used for agglutination tests may be used. Examples of such containers are, for example, microplates, such as microplates with a flat, U-bottom and / or V-bottom bottom, various test tubes, and also as disclosed in patent 3629023 A reaction vessel having a terrace slope, a cassette type vessel as disclosed in JP-B-8-10215 and JP-A-11-101797 may be used, and a slide glass may be used as the reaction vessel. In addition, for example, a desired antigen such as erythrocytes, in a container such as, for example, a bottom surface, a side surface, or a reaction container such as a gel, such as glass or latex, contained in the container. A container in which leukocytes or platelets or a desired antibody is immobilized may be used. The method for producing such a container may itself be known to those skilled in the art.
本発明において、上記のような容器を用いる凝集反応検査、例えば、静置凝集法、遠心凝集法、プレート固相法、混合受身凝集検査(一般的に「MPHA」とも称する)、ゲルまたはビーズなどを用いたカラム凝集法など、特公平８−７２１５、特開平１１−１０１７９７に開示される容器を用いた凝集反応など、それ自身当業者に公知の何れの凝集試験法を利用することも可能である。例えば、本発明において当該凝集試験を行う場合には、当該試験は、血液型試験および感染症を検出するための抗原抗体反応など、凝集反応を利用した試験であってよく、また、その試験方法において凝集像と非凝集像が結果として存在する方法であれば、それ自身公知の何れの方法であってもよい。しかしながら、本発明はこのような凝集反応に限定されるものではない。 In the present invention, an agglutination test using the container as described above, for example, a static agglutination method, a centrifugal agglutination method, a plate solid phase method, a mixed passive agglutination test (generally also referred to as “MPHA”), a gel or a bead, etc. Any agglutination test method known to those skilled in the art such as agglutination using a container disclosed in JP-B-8-7215 and JP-A-11-101797 can be used. is there. For example, when the agglutination test is performed in the present invention, the test may be a test utilizing an agglutination reaction such as a blood group test and an antigen-antibody reaction for detecting an infectious disease, and the test method thereof. In the method, any method known per se may be used as long as an aggregated image and a non-aggregated image exist as a result. However, the present invention is not limited to such an agglutination reaction.
I．第一の態様
本発明に従う方法の例をフローチャートとして図１（Ｄ）に示す。まず、本発明に従う方法を実施する者が当該方法を開始しＳ１１に進む。
I. First Embodiment An example of a method according to the present invention is shown as a flowchart in FIG. First, a person who performs the method according to the present invention starts the method and proceeds to S11.
Ｓ１１において判定対象画像の分割が行われ、単位領域が複数で選択され、Ｓ１２に進む。 In S11, the determination target image is divided, a plurality of unit areas are selected, and the process proceeds to S12.
Ｓ１２では、前記選択された単位領域について画像パターンの分類が行われ、Ｓ１３に進む。 In S12, image patterns are classified for the selected unit area, and the process proceeds to S13.
Ｓ１３では、Ｓ１２の結果を基に当該画像パターンが判定され、全ての手順を終了する。 In S13, the image pattern is determined based on the result of S12, and all procedures are terminated.
このような態様によって、複数の単位領域間での結果を比較して判定を行うことにより、誤判定を減らすことが可能であり、より正確な判定方法が提供される。 According to such an aspect, it is possible to reduce erroneous determinations by comparing the results between a plurality of unit regions, thereby providing a more accurate determination method.
II．第二の態様
本発明は次のような方法であってもよい。即ち、全体像から誤判定要因に関する情報を予め登録し、登録された誤判定要因が検出されない１以上の部分領域を単位領域として設定し、この単位領域について、凝集判定などの画像パターンの判定を行ってもよい。
II. Second Embodiment The present invention may be the following method. That is, information relating to an erroneous determination factor is registered in advance from the whole image, and one or more partial areas in which the registered erroneous determination factor is not detected are set as unit areas, and image pattern determination such as aggregation determination is performed for the unit areas. You may go.
ここで「誤判定要因」とは、全体像の判定に影響、特に誤判定を生じるような悪影響を与える可能性のある画像中の部分的な現象を総称する語である。例えば、判定が凝集判定である場合、泡、像崩れ、例えば、凝集反応パターンなどにおける陰性像の異常な広がりなどをいう。 Here, the “false determination factor” is a term that collectively refers to partial phenomena in an image that may affect the determination of the whole image, and in particular, have an adverse effect that may cause erroneous determination. For example, when the determination is agglutination determination, it refers to bubbles, image collapse, for example, abnormal spread of a negative image in an agglutination reaction pattern, or the like.
ここで、誤判定要因の「登録」とは、誤判定要因の情報、例えば、その有無や種類を、人の肉眼による検出または自動装置による検出により得られた情報などを認識することをいう。例えば、コンピュータにより本発明に従う方法を行う場合は、コンピュータに入力し、記憶させ、分類時に利用すればよい。 Here, “registration” of the misjudgment factor means recognition of misjudgment factor information, for example, information obtained by detecting the presence or type of the misjudgment factor by the human naked eye or by an automatic device. For example, when the method according to the present invention is performed by a computer, it may be input to the computer, stored, and used for classification.
ここで「凝集判定」とは、凝集の有無または凝集の程度を意味する。 Here, “aggregation determination” means the presence or absence of aggregation or the degree of aggregation.
ここで「部分領域」とは、誤判定要因の種類および存在部位に応じて分割されることにより得られた領域をいい、例えば、誤判定要因の種類や存在部位によりその形状、大きさ、個数を変更することが可能である。「単位領域」はこのように分割された部分領域から任意に選択された領域であればよい。 Here, the “partial region” refers to a region obtained by being divided according to the type and location of the misjudgment factor, for example, the shape, size, number of pieces depending on the type or location of the misjudgment factor. It is possible to change. The “unit area” may be an area arbitrarily selected from the partial areas thus divided.
以下第二の態様である一例を、図２のフローチャートを用いて説明する。 Hereinafter, an example which is the second aspect will be described with reference to the flowchart of FIG.
本発明に従う方法を実施者が、判定方法を開始し、Ｓ２１に進む。 The practitioner starts the determination method and proceeds to S21.
Ｓ２１では、測定対象画像の全体像から誤判定要因に関する情報を検出し登録し、Ｓ２２に進む。 In S21, information about the erroneous determination factor is detected and registered from the entire image of the measurement target image, and the process proceeds to S22.
Ｓ２２では、Ｓ２１で登録された誤判定要因を考慮して判定対象画像の分割がなされ、Ｓ２３に進む。 In S22, the determination target image is divided in consideration of the erroneous determination factor registered in S21, and the process proceeds to S23.
Ｓ２３では、Ｓ２２で分割された画像から単位領域を選択し、Ｓ２４に進む。 In S23, a unit area is selected from the image divided in S22, and the process proceeds to S24.
Ｓ２４では、Ｓ２３で選択された単位領域について画像パターンを分類し、Ｓ２５に進む。 In S24, the image pattern is classified for the unit area selected in S23, and the process proceeds to S25.
Ｓ２５では、Ｓ２４の分類結果に従って画像パターンの判定を行い、全ての手続きを終了する。 In S25, the image pattern is determined according to the classification result in S24, and all procedures are terminated.
ここで、選択される単位領域は複数である。例えば、当該判定は、単位領域を複数選択し、その全てまたはその一部の単位領域の画像パターンの分類結果を比較して、それらが等しい場合にはその分類された画像パターンであると判定し、相違する場合には異常画像パターンであると判定してもよい。また、画像パターンの分類結果が相違する場合には、判定を保留してもよい。或いは、任意に、判定に用いられなかった単位領域を更に選択し、または新たな分割により部分領域を作製してそこから単位領域を選択し、それらについて画像パターンの分類をして、判定を行ってもよい。 Here, a plurality of unit regions are selected. For example, the determination is performed by selecting a plurality of unit areas, comparing the image pattern classification results of all or a part of the unit areas, and determining that the image patterns are classified when they are equal. If they are different, it may be determined that the image pattern is abnormal. If the image pattern classification results are different, the determination may be suspended. Alternatively, optionally, a unit region that was not used for the determination is further selected, or a partial region is created by new division, and a unit region is selected therefrom, and an image pattern is classified for them to perform the determination. May be.
このような態様は、例えば、反応容器における試薬と試料の反応により生じた凝集パターンを分類および／または判定に利用してもよい。例えば、凝集判定を測定する場合、判定装置に具備されるプレート移送部の振動により、特定の方向に泡が溜まり易くなることがある。そのような場合には予め泡の溜まり易い傾向のある部位は単位領域として選択しないことを設定しておけば、より正確な判定を行うことが可能である。また、プレート移送部の振動や試薬と試料との反応の弱さから像が中央で割れる場合がある。このような崩れた像を含む傾向のある部分を単位領域として選択しないように設定してもよい。また、この場合、例えば、中央部分の濃淡により像の崩れを判断し、その結果を単位領域の選択に反映することが可能である。これにより判定結果に悪影響を生じやすい領域を無視するように設定できる。 In such an embodiment, for example, an aggregation pattern generated by a reaction between a reagent and a sample in a reaction container may be used for classification and / or determination. For example, when measuring agglomeration determination, bubbles may easily accumulate in a specific direction due to vibration of a plate transfer unit provided in the determination device. In such a case, it is possible to make a more accurate determination if it is set in advance that a portion that tends to accumulate bubbles is not selected as a unit region. In addition, the image may break at the center due to vibration of the plate transfer section and weak reaction between the reagent and the sample. You may set so that the part which tends to include such a collapsed image may not be selected as a unit region. Also, in this case, for example, it is possible to determine the image collapse based on the density of the central portion and reflect the result in the selection of the unit area. Thereby, it is possible to set so as to ignore a region that is likely to adversely affect the determination result.
また、図１０（Ａ）のような非凝集像を示す凝集パターンを示す反応容器を利用して凝集判定を行った場合に、例えば、図１１（Ａ）のように中央部の非凝集像が通常よりも大きく出てしまう場合には、判定に影響を及ぼす中心部付近の領域を除外し、そのほかの領域で判定を行えばよい。例えば、図１１（Ａ）の画像を図１（Ｂ）のように分割し、中心部付近の領域である領域１ｂは選択せずに、中心部の領域１ｃおよび中心部付近より外部に位置する領域１ｄを単位領域として選択することが可能である。それによって、より正確な判定が可能である。
In addition, when agglutination determination is performed using a reaction vessel that exhibits an agglomeration pattern showing a non-aggregated image as shown in FIG. 10A, for example, a non-aggregated image at the center is obtained as shown in FIG. If it appears larger than usual, it is sufficient to exclude the area near the center that affects the determination and perform the determination in other areas. For example, the image of FIG. 11A is divided as shown in FIG. 1B, and the
このように部分領域を単位領域として利用することにより、誤判定を起こす要因を持ちやすい領域を判定対象から除外することが可能になる。 By using the partial area as the unit area in this way, it is possible to exclude an area that is likely to have a factor causing erroneous determination from the determination target.
従って、誤判定要因に関する情報の判定実行前および／または実行中の登録は、凝集像の画像パターンの判定に限らず、すべての画像パターンの判定において、より正確な判定を行うために有利な効果を奏する。 Accordingly, the registration before and / or during the determination of the information regarding the erroneous determination factor is not limited to the determination of the image pattern of the aggregated image, but is advantageous for performing a more accurate determination in the determination of all image patterns. Play.
誤判定が多く生じると再検査が増えて検査担当者の手間が増える結果となるが、本発明により、高い正確性を保ちつつ、検査時間の短縮、検査試薬等の消費の削減、メモリ容量の削減、データ処理量の削減等を実現することが可能となる。 When many misjudgments occur, re-inspection increases and labor of the person in charge of inspection increases.However, according to the present invention, while maintaining high accuracy, the inspection time is shortened, the consumption of inspection reagents, etc. is reduced, and the memory capacity is reduced. Reduction, reduction of data processing amount, and the like can be realized.
III．第三の態様
本発明に従うもう一つの態様を図３に示したフローチャートを用いて説明する。本発明に従う方法の実施者が、当該方法を開始しＳ３１に進む。
III. Third Embodiment Another embodiment according to the present invention will be described with reference to the flowchart shown in FIG. An implementer of the method according to the present invention starts the method and proceeds to S31.
Ｓ３１において、判定対象画像の分割が行われＳ３２に進む。 In S31, the determination target image is divided, and the process proceeds to S32.
Ｓ３２では、Ｓ３１で分割された画像より、単数または複数の単位領域が選択され、Ｓ３３に進む。ここで、Ｓ３１で選択される単位領域の数は、単数または複数の何れであってもよいが、予め選択する単位領域の数が決まっている場合には、Ｓ３３を経ずにＳ３２からＳ３４に進んでもよい。 In S32, one or a plurality of unit areas are selected from the image divided in S31, and the process proceeds to S33. Here, the number of unit areas selected in S31 may be either singular or plural, but if the number of unit areas to be selected in advance is determined, the process proceeds from S32 to S34 without passing through S33. You may go on.
Ｓ３３では、Ｓ３２で選択された単位領域の数が、例えば、予め設定した基準に従って充分な数であるか否かが判断され、充分である場合にはＳ３４に進み、不充分な場合にはＳ３２に進む。 In S33, it is determined whether or not the number of unit areas selected in S32 is a sufficient number, for example, according to a preset criterion. If it is sufficient, the process proceeds to S34, and if it is insufficient, the process proceeds to S32. Proceed to
Ｓ３４では、Ｓ３３で選択された複数の単位領域の夫々について画像パターンの分類がなされ、Ｓ３５に進む。 In S34, the image pattern is classified for each of the plurality of unit areas selected in S33, and the process proceeds to S35.
Ｓ３５では、Ｓ３４で分類された結果を、単位領域間で比較し、Ｓ３６に進む。 In S35, the results classified in S34 are compared between unit areas, and the process proceeds to S36.
Ｓ３６では、Ｓ３５の比較の結果、当該複数の単位領域の分類結果が予め設定した範囲内で等しいと判断された場合には、Ｓ４０に進み、等しくないと判断された場合にはＳ３７に進む。 In S36, as a result of the comparison in S35, if it is determined that the classification results of the plurality of unit areas are equal within a preset range, the process proceeds to S40, and if it is determined that they are not equal, the process proceeds to S37.
Ｓ３７では、Ｓ３２で選択された単位領域とは異なる領域が単位領域として選択され、Ｓ３８に進む。 In S37, an area different from the unit area selected in S32 is selected as the unit area, and the process proceeds to S38.
Ｓ３８では、Ｓ３７で選択された単位領域について画像パターンの分類がなされ、Ｓ３９に進む。ここで、Ｓ３８で選択される単位領域の数は、単数であっても複数であってもよい。 In S38, the image pattern is classified for the unit area selected in S37, and the process proceeds to S39. Here, the number of unit regions selected in S38 may be singular or plural.
Ｓ３９では、Ｓ３８の分類結果について、予め設定された範囲内で等しいか否かが判断され、等しいと判断された場合にはＳ４０に進み、等しくないと判断された場合にはＳ３７に進む。ここにおける当該分類結果は、Ｓ３７で複数の単位領域が選択される場合には、Ｓ３７で選択された単位領域のみについての結果間での判断であってよい。また、Ｓ３７で複数または単数の単位領域が選択され場合であっても、Ｓ３２で選択された単位領域についての結果とＳ３７で選択された単位領域についての結果とを併せて判断を行ってよい。 In S39, it is determined whether the classification results in S38 are equal within a preset range. If it is determined that they are equal, the process proceeds to S40, and if it is determined that they are not equal, the process proceeds to S37. The classification result here may be a determination between results for only the unit region selected in S37 when a plurality of unit regions are selected in S37. Further, even when a plurality or a single unit region is selected in S37, the result of the unit region selected in S32 and the result of the unit region selected in S37 may be determined together.
Ｓ４０では、Ｓ３４および／またはＳ３８の結果を基に画像パターンが判定されて全ての手順を終了する。 In S40, an image pattern is determined based on the results of S34 and / or S38, and all procedures are terminated.
この態様では、Ｓ３３において単位領域の数が充分であるか否かを判断していたが、予め選択する単位領域の数を設定しておくことで、Ｓ３３のステップを省略してもよい。また、この態様では、Ｓ３６のステップの結果に応じて、Ｓ３７において更なる単位領域を選択するステップを行ない、Ｓ４０において最終的な画像パターンの判定を行っているが、これらのステップを変更し、後述する第四の態様のような手続により判定を行ってもよい。 In this aspect, it is determined whether or not the number of unit areas is sufficient in S33, but the step of S33 may be omitted by setting the number of unit areas to be selected in advance. Further, in this aspect, according to the result of the step of S36, a step of selecting a further unit region is performed in S37, and a final image pattern is determined in S40. However, these steps are changed, The determination may be made by a procedure such as a fourth aspect described later.
このような態様によって、複数の単位領域間での結果を比較して判定を行うことにより、誤判定を減らすことが可能である。 In such a manner, it is possible to reduce erroneous determinations by comparing the determinations between the results of a plurality of unit regions.
また、凝集パターンの分類および判定を行う場合には、単位領域として、凝集粒子が分布する凝集領域から一つの単位領域を選択し、非凝集粒子が分布する非凝集領域から一つの単位領域を選択することも可能である。例えば、反応容器において試料と試薬を混合し、反応容器底面に凝集像が生じ、且つ非凝集像の場合には図１０Ａのように中央に粒子が集まり、凝集像の場合には図１０Ｂのように全体的に凝集塊が分布するような画像パターンを生じる場合には、凝集像の単位領域として図１（Ｂ）の領域１ｄなどの周辺部を選択し、非凝集像の単位領域として図１（Ｂ）の領域１ｂなどの中心部を選択してよい。また、図１（Ｃ）のような分割により生じた部分領域から、領域１ｅのような周辺部を非凝集像の単位領域として、領域１ｆのような中央部を凝集像の単位領域として選択してもよい。このように単位領域を選択することにより、誤判定を防ぐことが可能であり、且つ経済的にも環境的にも優れた方法が提供される。
When classifying and determining aggregate patterns, select one unit area from the aggregate areas where aggregated particles are distributed, and select one unit area from the non-aggregate areas where non-aggregated particles are distributed. It is also possible to do. For example, when a sample and a reagent are mixed in a reaction container, an aggregated image is formed on the bottom surface of the reaction container, and in the case of a non-aggregated image, particles gather at the center as shown in FIG. 1B is selected as the unit area of the aggregated image, and the unit area of the non-aggregated image is selected as the unit area of the non-aggregated image. You may select center parts, such as
IV．第四の態様
更に、本発明の他の態様に従うと、以下のように画像判定方法が実行されてもよい。図４に更なる一例をフローチャートとして示した。図４を参照されたい。
IV. Fourth Aspect According to another aspect of the present invention, the image determination method may be executed as follows. FIG. 4 shows a further example as a flowchart. Please refer to FIG.
Ｓ４１では、判定対象画像の分割が行われ、Ｓ４２に進む。 In S41, the determination target image is divided, and the process proceeds to S42.
Ｓ４２では、Ｓ４１で得られた領域から単位領域を単数または複数選択し、Ｓ４３に進む。ここで、Ｓ４１で選択される単位領域の数は、単数または複数の何れであってもよいが、予め選択する単位領域の数が決まっている場合には、Ｓ４３を経ずにＳ４２からＳ４４に進んでもよい。 In S42, one or a plurality of unit areas are selected from the areas obtained in S41, and the process proceeds to S43. Here, the number of unit areas selected in S41 may be either singular or plural, but if the number of unit areas to be selected in advance is determined, the process goes from S42 to S44 without going through S43. You may go on.
Ｓ４３では、Ｓ４２で選択された数が充分であるか否かが判断され、充分であると判断された場合にはＳ４４に進み、充分ではないと判断された場合にはＳ４２に進む。ここで、単位領域の数が充分であるか否かの判断は、予め設定された特定の数に従って行われてもよく、或いは予め設定された条件に従い行われてもよい
Ｓ４３では、Ｓ４２で選択された単位領域の数が、例えば、予め設定した基準に従って、充分な数であるか否かが判断され、充分である場合にはＳ４４に進み、不充分な場合にはＳ４２に進む。
In S43, it is determined whether or not the number selected in S42 is sufficient. If it is determined that the number is sufficient, the process proceeds to S44. If it is determined that the number is not sufficient, the process proceeds to S42. Here, the determination as to whether the number of unit areas is sufficient may be made according to a specific number set in advance, or may be made according to a preset condition. In S43, the selection is made in S42. For example, it is determined whether or not the number of unit areas is a sufficient number according to a preset criterion. If it is sufficient, the process proceeds to S44, and if it is insufficient, the process proceeds to S42.
Ｓ４４では、Ｓ４３で選択された複数の単位領域の夫々について画像パターンが分類され、Ｓ４５に進む。 In S44, the image pattern is classified for each of the plurality of unit areas selected in S43, and the process proceeds to S45.
Ｓ４５では、Ｓ４４で分類された結果を、複数の単位領域間で比較し、Ｓ４６に進む。 In S45, the results classified in S44 are compared among a plurality of unit areas, and the process proceeds to S46.
Ｓ４６では、Ｓ４５の比較の結果、当該複数の単位領域の分類結果が予め設定した範囲内で等しいと判断された場合には、Ｓ４７に進み、等しくないと判断された場合にはＳ４８に進む。 In S46, as a result of the comparison in S45, if it is determined that the classification results of the plurality of unit areas are equal within a preset range, the process proceeds to S47, and if it is determined that they are not equal, the process proceeds to S48.
Ｓ４７では、Ｓ４４の結果に従って判定対象の画像を判定し、全ての手順を終了する。 In S47, the image to be determined is determined according to the result of S44, and all procedures are terminated.
Ｓ４８では、判定対象画像が異常であると判定して全ての手順を終了する。ここで、説明した方法では、異常があると判定した後に全ての手順を終了しているが、異常であると判定された場合には、Ｓ４２に進み、単位領域の選択を行ってもよい。その場合は、その後の手順は上述した通りに行われればよい。或いは、Ｓ４６において、当該分類結果が予め設定した範囲内で等しくない場合には、判定を保留して、全ての手順を終了してもよく、或いは、新たにＳ４１から上述したような手順を繰り返してもよい。 In S48, it is determined that the determination target image is abnormal, and all procedures are terminated. Here, in the method described above, all procedures are completed after it is determined that there is an abnormality. However, if it is determined that there is an abnormality, the process may proceed to S42 and a unit area may be selected. In that case, the subsequent procedure may be performed as described above. Alternatively, in S46, if the classification result is not equal within the preset range, the determination may be suspended and all the procedures may be terminated, or the procedure as described above from S41 is newly repeated. May be.
ここで、上述した何れの態様においても、当該画像パターンの分類は、予め設定した基準パターンと比較することにより行われてもよく、または単位領域を複数で選択し、その選択された複数の単位領域間で画像パターンを比較することにより行われてもよく、或いは、その両方の比較により行われてもよい。 Here, in any aspect described above, the classification of the image pattern may be performed by comparing with a preset reference pattern, or a plurality of unit regions are selected and the selected units are selected. This may be done by comparing image patterns between regions, or by comparing both.
このような態様によって、複数の単位領域間での結果を比較し、判定を行うことにより、誤判定を減らすことが可能である。 By such a mode, it is possible to reduce misjudgments by comparing the results between a plurality of unit regions and making a judgment.
また、凝集パターンの分類および判定を行う場合には、第三の態様の項目で記載したように単位領域を選択し、判定することにより、誤判定を防止するとともに、経済的にも環境的にも優れた効果を奏する。 In addition, when performing classification and determination of aggregation patterns, by selecting and determining a unit region as described in the item of the third aspect, it is possible to prevent erroneous determination and economically and environmentally. Also has an excellent effect.
以上、本発明に従う判定方法の例を示したが、本発明は、これに限定されるものではなく、一部変更することは容易であり、そのように変更した方法も本発明の範囲に含まれる。 As mentioned above, although the example of the determination method according to this invention was shown, this invention is not limited to this, A part can be changed easily and the method changed in that way is also included in the scope of the present invention. It is.
V．第五の態様
本発明に従う発明は、システムであってもよい。そのようなシステムの例を図６に示す。図６を参照されたい。本発明に従うシステム６１は、例えば、図６（Ａ）に示すように、撮像すべき対象の上方、下方または側方から画像を取得する撮像部６３と、取得された判定対象画像についての画像パターンの判定を行う判定部６４と、外部への情報発信を行う出力部６５とを具備する分析部６２、誤判定要因やその他の情報を登録するための登録部６７、登録部６７に登録された情報に応じた部分領域を設定する領域設定部６８、および分析部６２と登録部６７と領域設定部６８に接続され、これらを制御する制御部６６を具備する。
V. Fifth Aspect The invention according to the present invention may be a system. An example of such a system is shown in FIG. See FIG. For example, as shown in FIG. 6A, the
制御部６６は、領域設定部６８が設定した領域に相当する部分画像を単位領域として撮像部６３の記憶データから抽出して、判定部６４に判定を行わせて得た判定結果を出力部６５に出力させる。
The
撮像部６３では、光源からの照射と共にＣＣＤカメラまたはスキャナーなどにより反応容器中に形成された凝集または非凝集像を撮像する。撮像部６３で撮像された画像データ（即ち、判定対象画像のデータ）は、デジタルデータに変換され、判定部６４に送られる。判定部６４において、登録部６７に予め登録された情報に応じて領域設定部６８で設定された部分領域を得るために判定対象画像が分割される。得られた部分領域から、単位領域が選択され、選択された単位領域毎に画像パターンの分類が行われる。それにより得られた結果を基に判定部６４は画像パターンを判定する。判定結果は出力部６５から出力される。これらの処理は、制御部６６の制御の下に行われる。
The
当該システムは、例えば、特開平４−７２５４７に記載の分析装置を利用してもよい。しかしながら、本発明に従うシステムにおいては、特開平４−７２５４７に記載の装置の分注部やプレート格納部は必須ではなく、所望に応じて具備させればよい。 The system may use, for example, an analyzer described in JP-A-4-72547. However, in the system according to the present invention, the dispensing unit and the plate storage unit of the apparatus described in JP-A-4-72547 are not essential and may be provided as desired.
撮像部６３は、光源、ＣＣＤカメラおよび／またはスキャナーなどの撮像手段、任意のそれ自身公知の何れかの記憶手段を具備してよい。判定部６４は、判定回路を具備してもよく、任意のＣＰＵまたはそれ自身公知の演算手段などの処理手段、任意のそれ自身公知の何れかの記憶手段を具備してもよい。出力部６５は、ディスプレイ、プリンターおよび／または別末端やデータベースなどへの情報発信手段を具備してよい。制御部６６は、制御回路を具備してもよく、任意のＣＰＵまたはそれ自身公知の何れかの演算手段などの処理手段、任意のそれ自身公知の何れかの記憶手段を具備してもよい。登録部６７は、入力手段および／または画像認識手段および／または別端末やデータベースなどの間における通信手段として機能してもよい。領域設定部６８は、領域設定回路を具備してもよく、任意のＣＰＵまたはそれ自身公知の演算手段などの処理手段、任意のそれ自身公知の何れかの記憶手段を具備してもよい。また、
また、ここで「出力」とは、ディスプレイ上での表示、プリントアウト、別端末やデータベースなどへの情報発信をいう。また、当該出力部６５は、上記のシステムでは分析部６２内に配置された例を示したが、これに限定されるものではなく、分析部の外部に配置されてもよい。
The
Here, “output” means display on a display, printout, transmission of information to another terminal or database. In addition, although the
或いは、当該制御部６６、登録部６７および領域設定部６８は、例えば、コンピュータであってもよく、例えば、情報を入力するための入力手段、データを処理する処理手段、データ、プログラム、データと閾値とを関連付けるためのテーブルおよび判定結果などを記憶する記憶手段、結果および画像などを表示する表示手段、当該システムを制御する制御手段、分析部６２（撮像部６３および／または判定部６４および／または出力部６５）と情報のやり取りをするデータ送受信手段、および／または他のコンピュータまたはインターネット等のデータ処理システムとデータをやり取りする通信手段などを具備してもよい。また、他のシステムとデータを送受信する場合やその他の事情によって、本発明に従うシステム６１が入力手段および／またはデータ表示手段を具備しなくともよい。
Or the said
入力手段は、例えば、キーボード、入力パッド、スキャナーなどそれ自身公知の何れの入力手段であってよい。記憶手段は、ＲＡＭ、ＲＯＭ、磁気記憶媒体および光記憶媒体などの取り外し可能な記録媒体などであってよい。出力手段は、ディスプレイ、プリンター、別端末への送信可能なそれ自身公知の手段などであってよい。 The input means may be any input means known per se, such as a keyboard, an input pad, and a scanner. The storage means may be a removable recording medium such as a RAM, a ROM, a magnetic storage medium, and an optical storage medium. The output means may be a display, a printer, a means known per se that can be transmitted to another terminal, or the like.
以上、本発明に従うシステムの例を示したが、本発明は、これに限定されるものではなく、一部変更することは容易であり、そのように変更したシステムも本発明の範囲に含まれる。 As mentioned above, although the example of the system according to this invention was shown, this invention is not limited to this, A part change is easy, and the system changed in that way is also contained in the scope of the present invention. .
上述したシステムにおいて、図５に示した本発明の一例である判定方法を行う場合について以下に説明する。図５を参照されたい。 In the system described above, a case where the determination method as an example of the present invention shown in FIG. 5 is performed will be described below. Please refer to FIG.
実施者が、登録部６７から入力することにより制御部６６に当該判定の開始を指示し、Ｓ５１に進む。
The practitioner inputs from the
Ｓ５１では、制御部６６が撮像部６３に指示し画像を取得させ、Ｓ５２に進む。
In S51, the
Ｓ５２では、制御部６６が撮像部６３で取得された画像を判定部６４に送り、判定部６４が当該画像を受け取り、Ｓ５３に進む。
In S52, the
Ｓ５３では、制御部６６が、登録部６７に記憶されている情報に従って、領域設定部６８により設定された情報に基づいて、判定部６４に判定対象画像の分割を行わせ、Ｓ５４に進む。
In S53, the
Ｓ５４では、判定部６４が判定対象画像から単位領域を選択し、Ｓ５５に進む。ここで、Ｓ５４で選択される単位領域数は、単数または複数の何れであってもよいが、予め選択する単位領域の数が決まっている場合には、Ｓ５５を経ずにＳ５４からＳ５６に進んでもよい。
In S54, the
Ｓ５５では、判定部６４がＳ５４で選択した単位領域の数が、例えば、予め設定した基準に従って充分な数であるかを判断し、充分であると判断した場合にはＳ５６に進み、不充分であると判断した場合にはＳ５４に進む。
In S55, the
Ｓ５６では、判定部６４がＳ５４で選択した複数の単位領域の夫々について画像パターンの分類をして、Ｓ５７に進む。
In S56, the
Ｓ５７では、判定部６４がＳ３４で分類した結果を、複数の単位領域間で比較し、Ｓ５８に進む。
In S57, the
Ｓ５８では、判定部６４が、Ｓ５７の比較の結果から当該複数の単位領域の分類結果が予め設定した範囲内で等しいと判断された場合には、Ｓ６０に進み、等しくないと判断された場合にはＳ５９ａに進む。
In S58, when the
Ｓ５９ａでは、判定部６４がＳ５４で選択した単位領域とは異なる領域を単位領域として選択し、Ｓ５９ｂに進む。
In S59a, the
Ｓ５９ｂでは、判定部６４がＳ５９ａで選択された単位領域について画像パターンを分類し、Ｓ５９ｃに進む。ここで、Ｓ５９ａで選択される単位領域の数は、単数であっても複数であってもよい。
In S59b, the
Ｓ５９ｃでは、判定部６４がＳ５９ｂの分類結果について、予め設定された範囲内で等しいか否かを判断し、等しいと判断された場合にはＳ６０進み、等しくないと判断された場合にはＳ５９ａに進む。ここにおける当該分類結果は、Ｓ５９ａで複数の単位領域が選択される場合には、選択された単位領域のみについての結果の間での判断であってもよい。また、Ｓ５９ａで複数または単数の単位領域が選択され場合には、Ｓ５４で選択された単位領域についての結果とＳ５９ａで選択された単位領域についての結果とを併せて判断が行われてもよい。
In S59c, the
Ｓ６０では、判定部６４がＳ５６および／またはＳ５９ｂの結果を基に画像パターンを判定し、必要に応じて出力部６５にデータおよび／または結果などを出力し、全ての手順を終了する。
In S60, the
このような態様によって、複数の単位領域間での結果を比較して判定を行うことにより、誤判定を減らすことが可能である。 In such a manner, it is possible to reduce erroneous determinations by comparing the determinations between the results of a plurality of unit regions.
また、凝集パターンの分類および判定を行う場合には、第三の態様の項目で記載されたように単位領域を選択し、判定することにより、誤判定を防止するとともに、経済的にも環境的にも優れた効果を奏する。 In addition, when performing classification and determination of aggregation patterns, the unit area is selected and determined as described in the item of the third aspect, thereby preventing erroneous determination and economically environmentally. Also has an excellent effect.
VI．第六の態様
本発明に従うと、反応容器内に形成される判定対象となる画像における画像パターンの判定を行う自動判定装置であって、判定対象の反応画像を取得するための画像取得部と、前記画像取得部から取得された反応画像を受け取ること、判定対象画像を分割して単位領域を選択すること、前記選択された単位領域毎に画像パターンを分類すること、および前記分類により得られた結果から画像パターンを判定することを行うデータ処理部と、を具備する自動判定装置が提供される。
VI. According to a sixth aspect of the present invention, there is provided an automatic determination device that determines an image pattern in an image to be determined formed in a reaction container, and an image acquisition unit for acquiring a reaction image to be determined; Receiving the reaction image acquired from the image acquisition unit, dividing the determination target image to select a unit area, classifying the image pattern for each selected unit area, and obtained by the classification There is provided an automatic determination device including a data processing unit that determines an image pattern from a result.
本発明に従う装置は、例えば、図６（Ｂ）に示すように、データ処理部７１および画像取得部７２を具備してもよい。
The apparatus according to the present invention may include, for example, a
当該データ処理部７１は、上述した手続を行うことが可能であればよい。例えば、データの処理や画像取得部７２の制御を行うＣＰＵまたはそれ自身公知の演算手段などの処理手段、データ、プログラム、並びにデータと閾値とを関連付けるためのテーブルおよび判定結果などを記憶する記憶手段、結果および画像などを表示する表示手段、情報を入力するための入力手段、他のコンピュータまたはインターネット等のデータ処理システムとデータをやり取りする通信手段などを具備してよい。
The
画像取得部７２では、反応容器内において試薬と試料との反応により形成された結果を画像として取得する。画像取得部７２は、ＣＣＤカメラおよび／またはスキャナーなどの画像取得手段を具備してよい。また、得られた画像をデータ処理部７１に送信するための送信手段を具備してもよく、または得られた画像の送信はデータ処理部７１の作用によって当該画像取得部７２からデータ処理部７１に送られて、データ処理部７１がそれを受け取ってもよい。
In the
また、画像取得部７２は、そこにおいて試薬と試料の反応を行うことが可能な環境を提供してもよい。そのために、反応系に温度を加えるまたは冷やすための温度調節部、当該反応系の温度を管理するための温度管理部、反応系に対して試薬、試料および／または洗浄液等を供給するための流体供給部、試薬や洗浄液を排出するための流体排出部などを具備してもよい。これらの各々の部材はそれ自体公知の何れかの手段が使用されてよい。
Further, the
当該データ処理部７１において、前記画像取得部から取得された反応画像を受け取ること、判定対象画像を分割して単位領域を選択すること、前記選択された単位領域毎に画像パターンを分類すること、および前記分類により得られた結果から画像パターンを判定することを行ってよい。また、これらの処理が個別の処理部で行われてもよい。その場合、本発明に従う装置は、得られた画像を画像処理手段からデータ処理部へ送信するデータ処理部（図示せず）、判定対象画像を分割して単位領域を選択するデータ処理部（図示せず）、判定対象画像を分割して単位領域を選択するデータ処理部（図示せず）、前記分類により得られた結果から画像パターンを判定するデータ処理部（図示せず）と異なる処理部を具備してもよい。また、判定対象画像を分割と、単位領域の選択が異なる処理部において行われてもよく、その場合、当該装置が更に処理部を具備すればよい。
In the
例えば、本発明に従う装置のデータ処理部７１は、コンピュータであってもよく、実施者が情報を入力するための入力手段、データを処理するための処理手段、データ、プログラム、データと閾値とを関連付けるためのテーブル等および判定結果等を記憶するための記憶手段、結果を表示するための表示手段を具備してもよく、更に、画像取得部７２とデータをやり取りするためのデータ送受信手段を具備してもよく、また、他のコンピュータまたはインターネット等のデータ処理システムとデータをやり取りするための通信手段を具備してもよい。また、他のシステムにデータを送受信する場合やその他の事情によって、本発明に従う装置におけるデータ処理部７１が入力手段および／またはデータ表示手段を具備しなくともよい。
For example, the
このような態様によって、複数の単位領域間での結果を比較し、判定を行うことにより、誤判定を減らすことが可能である。 By such a mode, it is possible to reduce misjudgments by comparing the results between a plurality of unit regions and making a judgment.
以上、本発明に従う判定方法の例を示したが、本発明は、これに限定されるものではなく、一部変更することは容易であり、そのように変更した方法も本発明の範囲に含まれる。 As mentioned above, although the example of the determination method according to this invention was shown, this invention is not limited to this, A part can be changed easily and the method changed in that way is also included in the scope of the present invention. It is.
VII．第七の態様
図６（Ｂ）に示した装置において、前述した図５に示した本発明の一例である判定方法を行う場合について以下に説明する。
VII. Seventh Aspect The case where the determination method which is an example of the present invention shown in FIG. 5 described above is performed in the apparatus shown in FIG. 6B will be described below.
本発明に従う判定方法の実施者が、当該判定方法を開始し、Ｓ５１に進む。 The practitioner of the determination method according to the present invention starts the determination method and proceeds to S51.
Ｓ５１では、画像取得部７２が判定対象画像の取得をし、Ｓ５２に進む。
In S51, the
Ｓ５２では、データ処理部７１が画像処理部７２から当該画像を受け取り、Ｓ５３に進む。
In S52, the
Ｓ５３では、データ処理部７１がＳ５２で受け取った判定対象画像の分割を行ないＳ５４に進む。
In S53, the
Ｓ５４では、データ処理部７１がＳ５３で分割された画像より、単数または複数の単位領域を選択し、Ｓ５５に進む。ここで、Ｓ５４で選択される単位領域数は、単数または複数の何れであってもよいが、予め選択する単位領域の数が決まっている場合には、Ｓ５５を経ずに、Ｓ５４からＳ５６に進んでもよい。
In S54, the
Ｓ５５では、データ処理部７１がＳ５４で選択された単位領域の数が、例えば、予め設定した基準に従って充分な数であるかを判断し、充分であると判断された場合にはＳ５６に進み、不充分であると判断された場合にはＳ５４に進む。
In S55, the
Ｓ５６では、データ処理部７１がＳ５４で選択された複数の単位領域の夫々について画像パターンの分類をして、Ｓ５７に進む。
In S56, the
Ｓ５７では、データ処理部７１がＳ５６で分類された結果を、複数の単位領域間で比較し、Ｓ５８に進む。
In S57, the
Ｓ５８では、データ処理部７１がＳ５７の比較の結果、当該複数の単位領域の分類結果が予め設定した範囲内で等しいと判断された場合には、Ｓ６０に進み、等しくないと判断された場合にはＳ５９ａに進む。
In S58, if the
Ｓ５９ａでは、データ処理部７１がＳ５４で選択された単位領域とは異なる領域を単位領域として選択し、Ｓ５９ｂに進む。
In S59a, the
Ｓ５９ｂでは、データ処理部７１がＳ５９ａで選択された単位領域について画像パターンを分類して、Ｓ５９ｃに進む。ここで、Ｓ５９ａで選択される単位領域の数は、単数であっても複数であってもよい。
In S59b, the
Ｓ５９ｃでは、データ処理部７１がＳ５９ｂの分類結果について、予め設定された範囲内で等しいか否かを判断し、等しいと判断された場合にはＳ６０に進み、等しくないと判断された場合にはＳ５９ａに進む。ここにおける当該分類結果は、Ｓ５９ａで複数の単位領域が選択される場合には、選択された単位領域のみについての結果間での判断であってよい。また、Ｓ５９ａで複数または単数の単位領域が選択され場合であっても、Ｓ５４で選択された単位領域についての結果とＳ５９ａで選択された単位領域についての結果が併せて判断されてもよい。
In S59c, the
Ｓ６０では、データ処理部がＳ５６および／またはＳ５９ｂの結果に基づいて画像パターンを判定し、必要に応じて表示手段にデータおよび／または結果などを表示し、全ての手順を終了する。 In S60, the data processing unit determines an image pattern based on the result of S56 and / or S59b, displays the data and / or the result on the display unit as necessary, and ends all procedures.
このような態様によって、複数の単位領域間での結果を比較し、判定を行うことにより、誤判定を減らすことが可能である。 By such a mode, it is possible to reduce misjudgments by comparing the results between a plurality of unit regions and making a judgment.
また、凝集パターンの分類および判定を行う場合には、第三の態様の項目で記載したように単位領域を選択し、判定することにより、誤判定を防止するとともに、経済的にも環境的にも優れた効果を奏する。 In addition, when performing classification and determination of aggregation patterns, by selecting and determining a unit region as described in the item of the third aspect, it is possible to prevent erroneous determination and economically and environmentally. Also has an excellent effect.
以上、本発明に従う判定方法の例を示したが、本発明は、これに限定されるものではなく、一部変更することは容易であり、そのように変更した方法も本発明の範囲に含まれる。 As mentioned above, although the example of the determination method according to this invention was shown, this invention is not limited to this, A part can be changed easily and the method changed in that way is also included in the scope of the present invention. It is.
VIII．第八の態様
また、本発明は、コンピュータを画像判定手段として機能させるためのプログラムも提供する。
VIII. Eighth Aspect The present invention also provides a program for causing a computer to function as image determination means.
そのようなプログラムは、予め判定用の装置内に搭載されていてもよいが、当該プログラムを読み取り可能に記録している各種記憶媒体に具備されてもよい。外部より判定用装置にダウンロードして利用する場合には、本発明では予め装置に搭載されている場合と同等のものとして扱うものとする。当該プログラムおよび当該プログラムを読み取り可能に記録している各種記憶媒体も本発明の範囲内である。 Such a program may be preinstalled in the determination apparatus, but may be included in various storage media that record the program in a readable manner. In the case of downloading to the determination apparatus from the outside and using it, the present invention treats it as equivalent to the case where it is preinstalled in the apparatus. The program and various storage media that record the program in a readable manner are also within the scope of the present invention.
当該プログラムは、コンピュータを画像判定手段として機能させるためのプログラムであって、コンピュータを
（１）判定対象画像を分割するための分割手段、
（２）（１）の分割により得られた領域から複数の単位領域を選択し、選択された単位領域毎に画像パターンの分類を行うための分類手段、および
（３）（２）の結果から当該判定対象画像について画像パターンを判定するための判定手段、
として機能させるためのプログラムであればよい。
The program is a program for causing a computer to function as an image determining unit, and (1) a dividing unit for dividing the computer into determination target images,
(2) Classification means for selecting a plurality of unit areas from the areas obtained by the division of (1) and classifying the image pattern for each selected unit area, and (3) from the result of (2) Determination means for determining an image pattern for the determination target image;
As long as it is a program for functioning as
図６（Ｂ）の装置を用いて、前記プログラムを用いて画像パターンの自動判定装置を用いて本発明に従う画像パターンの判定方法を行う例を図７のフローチャートを用いて説明する。 An example in which the image pattern determination method according to the present invention is performed using the apparatus of FIG. 6B and the image pattern automatic determination apparatus using the program will be described with reference to the flowchart of FIG.
当該画像パターン自動判定装置７０において実施者が判定方法を開始し、Ｓ７１に進む。
The practitioner starts the determination method in the image pattern
Ｓ７１では、実施者の入力した情報またはデータ処理部７１に記憶された情報に従って、画像取得部７２が判定対象画像を取得し、Ｓ７２に進む。
In S71, the
Ｓ７２では、データ処理部７１が、画像取得部７２から当該判定対象画像を受け取り、処理可能なデータに変換した後に当該判定対象画像の分割を行ない、Ｓ７３に進む。
In S72, the
Ｓ７３では、データ処理部７１が、Ｓ７２において分割された領域から単位領域を選択し、Ｓ７４に進む。ここで、Ｓ７３で選択される単位領域数は、単数または複数の何れであってもよく、予め記憶手段に記憶された情報または予め実施者が入力した指示に従って、データ処理部７１が、適切な数の選択を行ってもよい。また、予め選択する単位領域の数が決まっている場合には、データ処理部７１が、Ｓ７４を経ずにＳ７３からＳ５４に進むように命令してもよい。
In S73, the
Ｓ７４では、Ｓ７３で選択された単位領域の数が充分であるか否かをデータ処理部７１が判断し、充分であると判断された場合にはＳ７５に進み、充分ではないと判断された場合にはＳ７３に進む。ここで、単位領域の数が充分であるか否かの判断は、予め特定の基準値を設定し記憶手段に記憶させた情報に従ってデータ処理部７１が判断すればよい。
In S74, the
Ｓ７５では、Ｓ７３で選択された単位領域について、データ処理部７１が画像パターンの分類を行ない、必要に応じて当該結果を記憶手段に記憶してＳ７６に進む。ここで、画像パターンの分類は、予め記憶手段に記憶された基準値と判定対象画像からの単位領域からの情報とをデータ処理部７１が比較することにより行ってもよく、または予め記憶手段に記憶された分類アルゴリズムに従って、データ処理部７１が分類を行ってもよい。
In S75, the
Ｓ７６では、画像処理部が一つの判定対象画像から選択された複数の単位領域間で分類結果を比較してＳ７７に進む。 In S76, the image processing unit compares the classification results between a plurality of unit areas selected from one determination target image, and the process proceeds to S77.
Ｓ７７では、データ処理部７１がＳ７６の結果から、領域間の結果が同じであるか否かを予め記憶手段に記憶された基準値を基に判断し、単位領域間の結果が等しいと判断された場合にはＳ８１に進み、単位領域間の結果が等しくないと判断された場合にはＳ７８に進む。
In S77, the
Ｓ７８では、データ処理部７１が、当該判定対象画像中で以前に選択されなかった領域を単位領域として更に選択し、Ｓ７９に進む。
In S78, the
Ｓ７９では、データ処理部７１が、Ｓ７５と同様に画像パターンの分類を行ない、更に、データ処理部７１がＳ７７と同様に単位領域間の分類結果について比較を行ない、Ｓ８０に進む。
In S79, the
Ｓ８０では、データ処理部７１が、Ｓ７９の結果から、領域間の結果が同じであるか否かを予め記憶手段に記憶された基準値を基に判断し、単位領域間の結果が等しいと判断された場合にはＳ８１に進み、単位領域間の結果が等しくないと判断された場合にはＳ７８に進む。
In S80, the
Ｓ８１では、データ処理部７１が、Ｓ７５および／またはＳ７９の結果に基づいて画像パターンの判定を行い全ての手順を終了する。
In S81, the
次に、データ処理部７１でのデータ処理の一例について説明する。
Next, an example of data processing in the
データ処理部７１では、画像取得部７２において得た処理対象画像のデータに対して、先ず、予め設定した手順に従って解析可能なデータ、例えば、受光データからデジタルデータに変換する。それを基に画像を構成してデータ処理部７１に記憶し、更に、必要に応じて入力手段から入力された指示に従って表示手段に表示する。次に、予め入力手段より入力され、データ処理部７１に記憶されたプログラムの手続に従い、また当該データ処理部７１に記憶されたテーブル等のデータを利用して、データ処理部７１において当該画像データの画素毎のデータを用いて演算を行う。当該演算により得られた結果を予め定めて入力手段より入力して当該データ処理部７１に記憶させた基準値と比較することにより目的とする判定を行う。また、当該基準値は、予め当該装置により得られたデータをデータ処理部７１に記憶させ集積したものであっても、予め入力手段から入力されデータ処理部７１に記憶したものであってもよい。また、データ処理部７１をネットワークに接続させ、入手可能なデータベースにアクセスすることにより必要なデータが入手されてもよい。
In the
このような態様によって、複数の単位領域間での結果を比較し、判定を行うことにより、誤判定を減らすことが可能である。 By such a mode, it is possible to reduce misjudgments by comparing the results between a plurality of unit regions and making a judgment.
また、凝集パターンの分類および判定を行う場合には、第三の態様のように単位領域を選択することにより、誤判定を防止するとともに、経済的にも環境的にも優れた効果を奏する。 Moreover, when classifying and determining an aggregation pattern, selecting a unit region as in the third aspect prevents erroneous determination, and provides an excellent effect both economically and environmentally.
以上、本発明に従う判定方法の例を示したが、本発明は、これに限定されるものではなく、一部変更することは容易であり、そのように変更した方法も本発明の範囲に含まれる。 As mentioned above, although the example of the determination method according to this invention was shown, this invention is not limited to this, A part can be changed easily and the method changed in that way is also included in the scope of the present invention. It is.
IX．第九の態様
本発明における画像パターンの分類および／または判定方法は、更に、それ自体公知の何れの画像解析方法と組み合わせて用いられてもよい。組み合わせて使用することが可能な方法は、例えば、ＭＴＡ法およびＭＴ法などであるが、これらに限定するものではない
本発明に従う方法においてＭＴシステムを利用して判定を行う手順の例を図１（Ｄ）のフローチャートを用いて説明する。なお、ＭＴシステムを利用する手順の詳細については後述する。図１（Ｄ）を参照されたい。
IX. Ninth Aspect The image pattern classification and / or determination method of the present invention may be used in combination with any known image analysis method. Examples of methods that can be used in combination include, but are not limited to, the MTA method and the MT method. An example of a procedure for performing a determination using the MT system in the method according to the present invention is shown in FIG. This will be described with reference to the flowchart (D). The details of the procedure for using the MT system will be described later. Please refer to FIG.
まず、本発明に従う方法を実施するものが当該方法を開始しＳ１１に進む。 First, the person who implements the method according to the invention starts the method and proceeds to S11.
Ｓ１１では、判定対象画像の分割が行われ、単位領域が単数または複数で選択され、Ｓ１２に進む。 In S11, the determination target image is divided, and one or more unit areas are selected, and the process proceeds to S12.
Ｓ１２では、Ｓ１１で選択された単位領域について画像パターンの分類がＭＴシステムを利用して行われ、Ｓ１３に進む。 In S12, the image pattern is classified for the unit area selected in S11 using the MT system, and the process proceeds to S13.
Ｓ１３では、Ｓ１２で得られた結果から判定を行い、全ての手順を終了する。 In S13, a determination is made from the result obtained in S12, and all procedures are terminated.
また、図３に示す方法とＭＴシステムとを組み合わせて判定を行ってもよい。その手順の例を以下に示す。 Moreover, you may perform determination combining the method shown in FIG. 3, and MT system. An example of the procedure is shown below.
まず、本発明に従う１態様である方法を実施する者が、当該方法を開始しＳ３１に進む。 First, a person who performs the method which is one embodiment according to the present invention starts the method and proceeds to S31.
Ｓ３１では、判定対象画像の分割が行われＳ３２に進む。 In S31, the determination target image is divided, and the process proceeds to S32.
Ｓ３２では、Ｓ３１で分割された画像より、単数または複数の単位領域が選択され、Ｓ３３に進む。ここで、Ｓ３１で選択される単位領域数は、単数または複数の何れであってもよいが、予め選択する単位領域の数が決まっている場合には、Ｓ３３を経ずにＳ３２からＳ３４に進んでもよい。 In S32, one or a plurality of unit areas are selected from the image divided in S31, and the process proceeds to S33. Here, the number of unit areas selected in S31 may be either singular or plural, but if the number of unit areas to be selected in advance is determined, the process proceeds from S32 to S34 without passing through S33. But you can.
Ｓ３３では、Ｓ３２で選択された単位領域の数が、例えば、予め設定した基準に従って充分な数であるかが判断され、充分である場合にはＳ３４に進み、不充分な場合にはＳ３２に進む。 In S33, it is determined whether the number of unit areas selected in S32 is a sufficient number according to, for example, a preset criterion, and if sufficient, the process proceeds to S34, and if insufficient, the process proceeds to S32. .
Ｓ３４では、Ｓ３２で選択された複数の単位領域の夫々について画像パターンの分類がＭＴシステムによりなされ、Ｓ３５に進む。 In S34, the image system is classified by the MT system for each of the plurality of unit areas selected in S32, and the process proceeds to S35.
Ｓ３５では、Ｓ３４で分類された結果を、複数の単位領域間で比較し、Ｓ３６に進む。 In S35, the results classified in S34 are compared among a plurality of unit areas, and the process proceeds to S36.
Ｓ３６では、Ｓ３５の比較の結果、当該複数の単位領域の分類結果が予め設定した範囲内で等しい場合には、Ｓ４０に進み、等しくない場合にはＳ３７に進む。 In S36, as a result of the comparison in S35, if the classification results of the plurality of unit areas are equal within a preset range, the process proceeds to S40, and if not, the process proceeds to S37.
Ｓ３７では、Ｓ３２で選択された単位領域とは異なる領域が単位領域として選択され、Ｓ３８に進む。 In S37, an area different from the unit area selected in S32 is selected as the unit area, and the process proceeds to S38.
Ｓ３８では、Ｓ３７で選択された単位領域について画像パターンの分類がなされ、Ｓ３９に進む。ここで、Ｓ３８で選択される単位領域の数は、単数であっても複数であってもよい。 In S38, the image pattern is classified for the unit area selected in S37, and the process proceeds to S39. Here, the number of unit regions selected in S38 may be singular or plural.
Ｓ３９では、Ｓ３８の分類結果について、予め設定された範囲内で等しいか否かが判断され、等しいと判断された場合にはＳ４０に進み、等しくないと判断された場合にはＳ３７に進む。ここにおける当該分類結果は、Ｓ３７で複数の単位領域が選択される場合には、選択された単位領域のみについての結果間での判断であってよい。また、Ｓ３７で複数または単数の単位領域が選択され場合であっても、Ｓ３２で選択された単位領域についての結果とＳ３７で選択された単位領域についての結果とを併せて判断を行ってもよい。 In S39, it is determined whether the classification results in S38 are equal within a preset range. If it is determined that they are equal, the process proceeds to S40, and if it is determined that they are not equal, the process proceeds to S37. The classification result here may be a determination between the results for only the selected unit region when a plurality of unit regions are selected in S37. Further, even when a plurality or a single unit region is selected in S37, the result of the unit region selected in S32 and the result of the unit region selected in S37 may be determined together. .
Ｓ４０では、Ｓ３４および／またはＳ３８の結果に基づいて画像パターンが判定されて全ての手順を終了する。 In S40, an image pattern is determined based on the result of S34 and / or S38, and all procedures are terminated.
この態様では、Ｓ３３において単位領域の数が充分であるか否かを判断していたが、予め選択する単位領域の数を設定しておくことで、Ｓ３３のステップを省略してもよい。また、この態様では、Ｓ３６のステップの結果に応じて、Ｓ３７において更なる単位領域を選択するステップを行ない、Ｓ４０において最終的な画像パターンの判定を行っているが、これらのステップを変更し、上述した図４に示す手続とＭＴシステムとを組み合わせて判定を行ってもよい。その手順の例を以下に示す。 In this aspect, it is determined whether or not the number of unit areas is sufficient in S33, but the step of S33 may be omitted by setting the number of unit areas to be selected in advance. Further, in this aspect, according to the result of the step of S36, a step of selecting a further unit region is performed in S37, and a final image pattern is determined in S40. However, these steps are changed, The determination may be performed by combining the procedure shown in FIG. 4 and the MT system. An example of the procedure is shown below.
まず、実施者が、当該方法を開始しＳ４１に進む。 First, the practitioner starts the method and proceeds to S41.
Ｓ４１では、判定対象画像の分割が行われＳ４２に進む。 In S41, the determination target image is divided, and the process proceeds to S42.
Ｓ４２では、Ｓ４１で分割された画像より、単数または複数の単位領域が選択され、Ｓ４３に進む。ここで、Ｓ４１で選択される単位領域数は、単数または複数の何れであってもよいが、予め選択する単位領域の数が決まっている場合には、Ｓ４３を経ずにＳ４２からＳ４４に進んでもよい。 In S42, one or a plurality of unit areas are selected from the image divided in S41, and the process proceeds to S43. Here, the number of unit areas selected in S41 may be either singular or plural, but if the number of unit areas to be selected is determined in advance, the process proceeds from S42 to S44 without passing through S43. But you can.
Ｓ４３では、Ｓ４２で選択された単位領域の数が、例えば、予め設定した基準に従って充分な数であるかが判断され、充分であると判断された場合にはＳ４４に進み、不充分なであると判断された場合にはＳ４２に進む。 In S43, it is determined whether the number of unit areas selected in S42 is a sufficient number according to, for example, a preset criterion. If it is determined that the number is sufficient, the process proceeds to S44, which is insufficient. If it is determined, the process proceeds to S42.
Ｓ４４では、Ｓ４２で選択された複数の単位領域の夫々について画像パターンの分類がＭＴシステムによりなされ、Ｓ４５に進む。 In S44, the image system is classified by the MT system for each of the plurality of unit areas selected in S42, and the process proceeds to S45.
Ｓ４５では、Ｓ４４で分類された結果を、複数の単位領域間で比較し、Ｓ４６に進む。 In S45, the results classified in S44 are compared among a plurality of unit areas, and the process proceeds to S46.
Ｓ４６では、Ｓ４５の比較の結果、当該複数の単位領域の分類結果が予め設定した範囲内で等しいと判断された場合には、Ｓ４７に進み、等しくないと判断された場合にはＳ４８に進む。 In S46, as a result of the comparison in S45, if it is determined that the classification results of the plurality of unit areas are equal within a preset range, the process proceeds to S47, and if it is determined that they are not equal, the process proceeds to S48.
Ｓ４７では、Ｓ４４の結果に基づいて判定対象の画像を判定し、全ての手順を終了する。 In S47, the image to be determined is determined based on the result of S44, and all procedures are terminated.
Ｓ４８では、判定対象画像が異常であると判定して終了する。ここで、説明した方法では、異常があると判定した後に全ての手順を終了しているが、異常であると判定された場合に、Ｓ４２に進み、単位領域の選択を行ってもよい。その場合は、その後の手順は上述した通りに行ってよい。或いは、Ｓ４６において、当該分類結果が予め設定した範囲内で等しくないと判断された場合には、判定を保留して、全ての手順を終了してもよく、或いは、新たにＳ４１から上述したような手順を繰り返してもよい。 In S48, it is determined that the determination target image is abnormal, and the process ends. Here, in the method described above, all procedures are finished after it is determined that there is an abnormality. However, if it is determined that there is an abnormality, the process may proceed to S42 and a unit area may be selected. In that case, the subsequent procedure may be performed as described above. Alternatively, if it is determined in S46 that the classification results are not equal within a preset range, the determination may be suspended and all the procedures may be terminated, or a new one as described above from S41. The procedure may be repeated.
また、図２、図５および図７に示したフローチャートにより示される本発明に従う態様、図６（Ａ）および（Ｂ）に示した本発明に従う装置、コンピュータを利用する本発明に従う態様およびプログラムについても、同様にＭＴシステムと組み合わせて実施することが可能である。 Also, the embodiment according to the present invention shown by the flowcharts shown in FIGS. 2, 5 and 7, the apparatus according to the present invention shown in FIGS. 6A and 6B, the embodiment according to the present invention using a computer, and the program Can also be implemented in combination with the MT system.
本発明に従う方法における画像パターンの判定は、例えば、反応用器に形成された凝集パターンを判定する場合において使用することも可能である。 The determination of the image pattern in the method according to the present invention can be used, for example, when determining the aggregation pattern formed in the reactor.
このように、以上幾つか例を示したような本発明に従うと、単位領域を判定し、その結果、判定対象画像の全体について判定を行うことが可能である。また、画像全体を撮像し、得られた画像を分割し、分割された領域から単位領域を積算し、それにより全体としての判定を行うことが可能である。 As described above, according to the present invention as described above with some examples, it is possible to determine the unit region and, as a result, to determine the entire determination target image. In addition, it is possible to capture the entire image, divide the obtained image, add up the unit areas from the divided areas, and thereby perform determination as a whole.
X．第十の態様
一般的に複数の分析項目を分析する場合には、粒子試薬の種類には、像形成の細胞の物理的特性が異なる分析項目が含まれ得る。そこで、試薬情報を検査項目として登録し、検査項目に応じた単位領域を選択することも可能である。
X. Tenth Aspect In general, when analyzing a plurality of analysis items, the types of particle reagent may include analysis items having different physical characteristics of imaging cells. Therefore, it is also possible to register reagent information as a test item and select a unit region corresponding to the test item.
ここで「試薬情報」とは、試薬である粒子の物理情報、例えば、色素、粒径、材質、表面賦活財を含む特異親和性に寄与しない成分などであってよく、分析項目、即ち、抗原、抗体、核酸断片を含む特異親和性成分などであってよいが、これらに限定されるものではない。 Here, the “reagent information” may be physical information of particles as a reagent, for example, a component that does not contribute to specific affinity including a dye, a particle size, a material, and a surface activator, and an analysis item, that is, an antigen , Antibodies, specific affinity components including nucleic acid fragments, and the like, but are not limited thereto.
色素は、表面電荷、粒径は表面積と重量、材質は表面電荷と比重、表面賦活剤は表面電荷と粘性、特異親和性成分は粘性と力価の違いがあり、表面電荷、表面積、粘性、力価が高ければ粒子が移動し難く、他は逆に移動し易くなる傾向がある。そして、粒子が移動し難い場合は陰性像の面積が大きくなると共に、弱陽性のような中間的な像が増える傾向があり、更に崩れが生じ難くなる。これに応じて、分割領域は陰性のための領域を大きく設定したり、陽性のための領域を細分化するのが好ましい。他方、粒子が移動し易い場合は陰性像が小さく、中間的な像が減って、更に陽性像の崩れや偽陰性化する傾向がある。これに応じて分割領域は陽性のための領域を大きく設定したり、崩れ易い領域を多めに設定するのが好ましい。 Dye is surface charge, particle size is surface area and weight, material is surface charge and specific gravity, surface activator is surface charge and viscosity, specific affinity component is different in viscosity and titer, surface charge, surface area, viscosity, If the titer is high, the particles are difficult to move, and the others tend to move conversely. When the particles are difficult to move, the area of the negative image is increased, and there is a tendency that intermediate images such as weak positives are increased, and the collapse is less likely to occur. In accordance with this, it is preferable to set a large area for negative as the divided area or subdivide the area for positive. On the other hand, when the particles are easy to move, the negative image is small, the intermediate image is reduced, and the positive image tends to collapse or become false negative. In accordance with this, it is preferable to set a large area for positive division, or set a large number of areas that tend to collapse.
当該試薬情報は、実施者またはオペレータが入力してもよく、システムがバーコード等のＩＤを読み込むことにより、登録を行い、分析項目による判定対象画像の単位領域を読み出して判定してよい。 The reagent information may be input by a practitioner or an operator, and registration may be performed by the system reading an ID such as a barcode, and the unit area of the determination target image based on the analysis item may be read and determined.
このような工程も上述した第一の態様から第九の態様までに組み合わせて実行することが可能である。その場合、試薬情報などの必要事項の登録は判定方法開始以前または直前に行われることが好ましい。 Such steps can also be executed in combination from the first aspect to the ninth aspect described above. In that case, registration of necessary items such as reagent information is preferably performed before or just before the start of the determination method.
以上、本発明に従う例示的態様について説明したが、以上のような態様は、対象画像の全体を判定対象として使用するそれ自身公知の何れの判定手段と組み合わせて行うことが可能である。そのように組み合わせることによって、より正確な判定を行うことが可能である。 The exemplary embodiment according to the present invention has been described above, but the above embodiment can be performed in combination with any determination means known per se that uses the entire target image as a determination target. By combining in such a manner, more accurate determination can be performed.
また、本発明に従う方法、システム、装置およびコンピュータ読み取り可能なプログラムは、一部変更および／または修飾をしてもよく、そのような方法、システム、装置およびコンピュータ読み取り可能なプログラムも本発明の範囲内であることが当業者に理解されるであろう。 In addition, the method, system, apparatus, and computer-readable program according to the present invention may be partially changed and / or modified, and such a method, system, apparatus, and computer-readable program are also within the scope of the present invention. It will be appreciated by those skilled in the art.
以上のような本発明に従うと、分析項目によっては、項目毎に対象となる画像パターンが異なる場合があっても、例えば、凝集像の形成の仕方が異なる場合であっても全体像ではなく、それを分割した単位領域について画像パターンを分類および／または判定することが可能である。したがって、本発明に従うと、全体像から分類することが困難な場合であっても、所望の分類および／または判定を行うことが可能である。 According to the present invention as described above, depending on the analysis item, even if the target image pattern may be different for each item, for example, even if the method of forming an aggregated image is different, it is not an overall image, It is possible to classify and / or determine an image pattern for a unit region obtained by dividing it. Therefore, according to the present invention, even if it is difficult to classify from the whole image, it is possible to perform desired classification and / or determination.
例えば、人が目視により画像パターンを判定する場合には、複数の特徴的な部分から総合的に判断を下している。例えば、凝集像と非凝集像の何れのパターンであるかを、判定対象となる画像の全体と画像の中心部などを観察して総合的に判定を行っている。本発明によれば、そのような人が目視により画像パターンを判定するのに近い判定を自動で装置により行うことも可能になる。例えば、ある画像の１つの単位領域について泡などを含む異常像であると判断された場合であっても、他の領域を更に単位領域として判定することにより無駄なく総合的に画像パターンを判定することが可能である。また、異常であるとの判定が出た場合、または判定保留との判定がでた場合について目視判定を促すことも可能である。従って、１つの画像に含まれる部分的な異常による誤判定をなくすことが可能である。 For example, when a person visually determines an image pattern, a comprehensive determination is made from a plurality of characteristic portions. For example, whether the pattern is an aggregated image or a non-aggregated image is comprehensively determined by observing the entire image to be determined and the center of the image. According to the present invention, it is possible to automatically make a determination that is close to such a person's visual determination of an image pattern by the apparatus. For example, even when it is determined that one unit area of an image is an abnormal image including bubbles, the image pattern can be comprehensively determined by determining another area as a unit area. It is possible. It is also possible to prompt visual determination when it is determined that there is an abnormality or when it is determined that the determination is suspended. Therefore, it is possible to eliminate erroneous determination due to a partial abnormality included in one image.
また、予め判定対象となる単位領域候補を選択した後に、誤判定を起こす要因を持ちやすい領域について単位領域群から除外し、他の複数の領域を単位領域として総合的に判定を行うことにより、誤判定が生じにくいシステムを構築することが可能である。また、分析項目ごとに判定対象となる単位領域を設定することにより、判定の正確性を高めることが可能である。 In addition, after selecting a unit area candidate to be determined in advance, by excluding from the unit area group areas that are likely to have a cause of erroneous determination, by performing a comprehensive determination as a plurality of other areas as unit areas, It is possible to construct a system that is less prone to erroneous determination. In addition, by setting a unit area to be determined for each analysis item, it is possible to improve the accuracy of determination.
更にまた、誤判定が生じた場合に、再検査が増えて検査担当者の手間が増えるのを予防することが可能である。本発明の態様では、一つの画像を分割して判定に利用しているので、少ない検査試薬および試料で確実で正確な判定を行うことが可能であり、経済的にも環境的にも好ましいシステムを提供することが可能である。 Furthermore, when an erroneous determination occurs, it is possible to prevent an increase in re-inspection and labor for the person in charge of inspection. In the embodiment of the present invention, since one image is divided and used for determination, a reliable and accurate determination can be performed with a small number of test reagents and samples, and this is an economically and environmentally preferable system. Can be provided.
XI．ＭＴシステムの利用
１．ＭＴシステムの概要
ＭＴシステムを利用して反応容器に形成された凝集像パターンを分類および判定する例を以下に説明する。
XI. Use of MT system Outline of MT System An example of classifying and determining the aggregate image pattern formed in the reaction vessel using the MT system will be described below.
本発明において使用するためのＭＴシステムでは、当該方法における凝集像パターンには、基準空間が二種類あると考えてよい。即ち、非凝集像から得られる第一の基準空間と、凝集像から得られる第二の基準空間である。 In an MT system for use in the present invention, it may be considered that there are two types of reference spaces in the aggregate image pattern in the method. That is, the first reference space obtained from the non-aggregated image and the second reference space obtained from the aggregated image.
ＭＴシステムの場合、非凝集像から得られた第一の基準空間および第二の基準空間からそれぞれ特徴量を求め、当該特徴量からマハラノビス距離を算出する。他方、判定対象の反応画像であるところの判定対象画象についても、ＭＴシステムを用いて当該基準空間と同様に特徴量を求め、当該特徴量から、第一の基準空間および第二の基準空間からのマハラノビス距離の関係を比較する。それによって、判定対象画像が非凝集または凝集何れのパターンに属するか、またはどちらのパターンにも属さないかを判断できる。 In the case of the MT system, feature amounts are obtained from the first reference space and the second reference space obtained from the non-aggregated image, and the Mahalanobis distance is calculated from the feature amounts. On the other hand, for the determination target image that is a reaction image to be determined, a feature amount is obtained in the same manner as the reference space using the MT system, and the first reference space and the second reference space are obtained from the feature amount. Compare the relationship of Mahalanobis distance from. Thereby, it can be determined whether the determination target image belongs to any pattern of non-aggregation or aggregation, or does not belong to either pattern.
図８を参照されたい。図８に本発明に利用するＭＴシステムの概念を示す。判定対象画像までのマハラノビス距離が、第一の基準空間から近く、第二の基準空間から遠い場合には、非凝集であると判断する。判定対象画像までのマハラノビス距離が、第一の基準空間から遠く、第二の基準空間から近い場合には、凝集であると判断する。また、判定対象画像までのマハラノビス距離が、第一の基準空間から近く且つ第二の基準空間から近い場合や、第一の基準空間から遠く且つ第二の基準空間から遠い場合などには、判定不能であると判断すればよい。 Please refer to FIG. FIG. 8 shows the concept of the MT system used in the present invention. When the Mahalanobis distance to the determination target image is close to the first reference space and far from the second reference space, it is determined as non-aggregated. When the Mahalanobis distance to the determination target image is far from the first reference space and close to the second reference space, it is determined that the images are aggregated. Also, if the Mahalanobis distance to the image to be judged is close to the first reference space and close to the second reference space, or if it is far from the first reference space and far from the second reference space, etc. What is necessary is just to judge that it is impossible.
本発明において利用するＭＴシステムは、何れの方法であってもよいが、例えば、ＭＴＡ法またはＭＴ法などが好ましく、特に、標準ＳＮ比を用いるＴ法（即ち、ＲＳ法またはＲＴ法）を適用することが好ましい。本発明において利用可能なＭＴシステムの例および標準ＳＮ比を用いるＴ法の例は、以下の文献に詳細に記載されるのでそれらを参考にしてよい：田口玄一、「画像認識、標準ＳＮ比を用いるＴ法」、標準化と品質管理、Ｖｏｌ５８、Ｎｏ．１１；および、高橋和仁、「手書き文字の標準ＳＮ比のＴ法による識別」、第１４回品質光学研究発表大会論文集、品質工学会。 The MT system used in the present invention may be any method. For example, the MTA method or the MT method is preferable, and in particular, the T method using the standard S / N ratio (that is, the RS method or the RT method) is applied. It is preferable to do. Examples of MT systems that can be used in the present invention and examples of T methods using standard S / N ratios are described in detail in the following literature and may be referred to: Genichi Taguchi, “Image recognition, standard S / N ratio” T method using standardization ", standardization and quality control, Vol 58, No. 11; and Kazuhito Takahashi, “Identification of Standard SNR of Handwritten Characters by T Method”, Proceedings of the 14th Quality Optic Research Conference, Quality Engineering Society.
凝集パターンの判定を行う場合、「試料」は、抗原または抗体、或いは凝集反応を生じ得る特異的結合を生じる結合対の一方の物質を含む試料であればよく、好ましくは血液である。また「試薬」は、試料に含まれる抗原又は抗体、或いは前記結合対の一方の物質との反応によって特異的に凝集を生じる物質、例えば、抗体又は抗原、或いは前記結合対の他方の物質を含む試薬であればよい。なお、抗原および抗体による特異結合以外に例示される特異的凝集を形成し得る物質としては、いわゆるハイブリダイゼーション反応を呈示する核酸相補対が挙げられる。 In the case of determining the aggregation pattern, the “sample” may be a sample containing one substance of an antigen or an antibody or a binding pair that generates a specific binding capable of causing an agglutination reaction, and is preferably blood. The “reagent” includes an antigen or antibody contained in a sample, or a substance that specifically aggregates by reaction with one substance of the binding pair, for example, an antibody or antigen, or the other substance of the binding pair. Any reagent may be used. Examples of substances capable of forming specific aggregation other than specific binding by antigen and antibody include nucleic acid complementary pairs that exhibit so-called hybridization reactions.
本発明において用いられる凝集パターンは、一般的に凝集反応において使用される何れの反応容器内に形成されたものであってもよい。また、本発明に従う判定方法において用いられる画像は、反応容器内に形成された凝集パターンを撮像手段により得られた画像であってよい。そのような反応容器内に形成されるパターンの特徴を基に、試料と試薬の反応結果を分類および／または判定することができる。 The aggregation pattern used in the present invention may be formed in any reaction vessel generally used in the aggregation reaction. In addition, the image used in the determination method according to the present invention may be an image obtained by imaging means with an aggregation pattern formed in the reaction container. Based on the characteristics of the pattern formed in such a reaction vessel, the reaction result between the sample and the reagent can be classified and / or determined.
これに限定するものではないが、本発明において凝集パターンを判定する場合に使用される反応容器は、当業者に公知の何れの容器であってよく、例えば、一般的に凝集試験に使用される何れの容器であってもよい。そのような容器の例は、例えば、マイクロプレート、例えば、平面、Ｕ字底および／またはＶ字底の底面を有するマイクロプレート、種々の試験管、また、特許第３６２９０２３号に開示されるようなテラス斜面を有する反応容器、特公平８−７２１５および特開平１１−１０１７９７に開示されるようなカセット型の容器であってもよく、更にまたスライドグラスを反応容器として使用してもよい。 Although not limited to this, the reaction vessel used in the present invention when determining the aggregation pattern may be any vessel known to those skilled in the art, for example, generally used for an aggregation test. Any container may be used. Examples of such containers are, for example, microplates, such as microplates with a flat, U-bottom and / or V-bottom bottom, various test tubes, and also as disclosed in patent 3629023 A reaction vessel having a terrace slope, a cassette type vessel as disclosed in JP-B-8-10215 and JP-A-11-101797 may be used, and a slide glass may be used as the reaction vessel.
更に、このような容器内部、例えば、その底面などや当該容器に含まれるゲル、例えば、ガラスまたはラテックスなどに対して、例えば、所望の抗原、例えば、赤血球、白血球若しくは血小板など、または所望の抗原が固相化された容器を用いてもよい。このような容器の製造方法はそれ自身当業者に公知である。 Further, for example, a desired antigen such as erythrocyte, leukocyte or platelet, or a desired antigen against the inside of such a container, for example, the bottom surface thereof, or a gel, such as glass or latex, contained in the container. A container in which is solidified may be used. Methods for producing such containers are known per se to those skilled in the art.
本発明の方法に従うと、上記のような容器を用いる凝集反応検査、例えば、静置凝集法、遠心凝集法、プレート固相法、混合受身凝集検査(一般的に「MPHA」とも称する)、ゲルないしビーズ等を用いたカラム凝集法など、特公平８−７２１５、特開平１１−１０１７９７に開示される容器を用いた凝集反応など、それ自身当業者に公知の何れの凝集試験法を利用することが可能である。即ち、例えば、本発明において利用可能な当該凝集試験は、血液型試験および感染症を検出するための抗原抗体反応など、凝集反応を利用した試験であればよく、また、その試験方法において凝集像と非凝集像が結果として存在する方法であれば、それ自身公知の何れの方法であってもよい。 According to the method of the present invention, the agglutination reaction test using the container as described above, for example, stationary agglutination method, centrifugal agglutination method, plate solid phase method, mixed passive agglutination test (generally also referred to as “MPHA”), gel Or any agglutination test method known to those skilled in the art, such as a column agglutination method using beads or the like, agglutination reaction using a container disclosed in JP-B-8-7215, and JP-A-11-101797. Is possible. That is, for example, the agglutination test usable in the present invention may be a test utilizing an agglutination reaction such as a blood group test and an antigen-antibody reaction for detecting an infectious disease. Any method known per se may be used as long as a non-aggregated image is present as a result.
本発明に従う凝集パターン判定における「基準空間」とは、上記の説明においては典型的な「凝集像」と「非凝集像」を基準空間として説明したが、本発明の基準空間は、これらに限定されるものではなく、「中間的凝集像」および／または「中間的非凝集像」の２種類の反応画像を基準空間として設定してもよい。また、任意の「異常像」に関しても、適宜、基準空間として選択してもよく、その場合、異常像の分別を高精度に実行し得るので好ましい。従って、基準空間は、実施者が任意に選択することが可能であり、その例として、例えば、「凝集像」、「非凝集像」、「中間的凝集像」、「中間的非凝集像」、および／または任意の「異常像」を実施者の所望に応じて組み合わせてもよく、また単一の基準空間のみを選択してもよい。 In the above description, the “reference space” in the aggregation pattern determination according to the present invention has been described using the typical “aggregated image” and “non-aggregated image” as the reference space. However, the reference space of the present invention is not limited to these. Instead, two types of reaction images of “intermediate aggregated image” and / or “intermediate non-aggregated image” may be set as the reference space. Also, any “abnormal image” may be appropriately selected as the reference space, and in that case, it is preferable because the abnormal image can be classified with high accuracy. Accordingly, the reference space can be arbitrarily selected by the practitioner, and examples thereof include, for example, “aggregated image”, “non-aggregated image”, “intermediate aggregated image”, and “intermediate non-aggregated image”. And / or any “abnormal image” may be combined as desired by the practitioner, and only a single reference space may be selected.
ＭＴシステムにおける「単位領域」および「基本領域」として、上述した「単位領域」を割り振ればよい。即ち、「単位領域」の場合には、判定対象画像を分割して得られた単位領域を割り振る。「基本領域」の場合には、当該判定対象画像を分類するための比較対象となる典型的な「凝集像」、「非凝集像」並びに「中間的凝集像」および「中間的非凝集像」のなど「異常像」を分割して得られた単位領域を割り振ればよい。また、ＭＴシステムにおいては、このような「単位領域」および「基本領域」は特徴量を得るための領域として使用される。 The “unit area” described above may be allocated as the “unit area” and “basic area” in the MT system. That is, in the case of “unit area”, a unit area obtained by dividing the determination target image is allocated. In the case of the “basic region”, typical “aggregated image”, “non-aggregated image”, “intermediate aggregated image”, and “intermediate non-aggregated image” that are comparison targets for classifying the determination target image. A unit area obtained by dividing an “abnormal image” such as can be allocated. In the MT system, such “unit region” and “basic region” are used as regions for obtaining feature values.
問題となる画像について、設定される単位領域および基本領域は、単数であっても、複数であってもよい。複数の単位領域を用いる場合には、例えば、２つの領域、３つの領域、４つの領域、またはそれ以上の領域を設定し使用してよいが、これらに限定するものではない。 For the image in question, the unit area and basic area to be set may be singular or plural. When a plurality of unit areas are used, for example, two areas, three areas, four areas, or more areas may be set and used, but the present invention is not limited to these.
これに限定するものではないが、当該テラス斜面を有する反応容器の例を図９に示す。図９（Ａ）に示す反応容器は、マイクロプレート９１であり、実際の反応はそこに具備されるウェル９２中で行われる。図９（Ａ）上方の図は当該マイクロプレート９１を線ａ−ａで切断した１ウェルについての断面９４である。当該ウェル９２の底面には、テラス９３が設けられている。このような容器の場合、図９（Ｃ）および図１０（Ａ）に示すように、非凝集物は当該テラス９３を具備するテラス斜面を滑り落ち、当該反応容器底面の最も低い部分、即ち、当該容器の場合にはウェル底面の中心部に集まる。これにより、図９（Ｃ）および図１０（Ａ）に示すような典型的な非凝集像が得られる。また、このようなテラス９３により、当該反応により生じた凝集物は当該テラス９３に引っかかり、当該底面全体に均一に存在するようになり、図９（Ｂ）および図１０（Ｂ）に示すような典型的な凝集像が得られる。ここで、図１０（Ａ）は典型的な非凝集像の１例であり、図１０（Ｂ）は典型的な凝集像の一例である。また、遠心凝集法の場合は、凝集した場合にウェル底面中心部に凝集塊が集まり、非凝集の場合、粒子がほぐれたウェル底面全体に粒子が分散するような画像となる方法もある。
Although not limited to this, the example of the reaction container which has the said terrace slope is shown in FIG. The reaction container shown in FIG. 9A is a
当該反応容器底面に形成された凝集反応後において得られる像が、凝集像および非凝集像以外の像には、例えば、異常像または弱凝集像などがある。そのような場合には、「判定不能」な像であると判定してもよく、判定が保留されてもよい。そのような異常像の例を図１１に示す。 Examples of the image obtained after the aggregation reaction formed on the bottom surface of the reaction vessel other than the aggregated image and the non-aggregated image include an abnormal image or a weakly aggregated image. In such a case, it may be determined that the image is “undecidable”, and the determination may be suspended. An example of such an abnormal image is shown in FIG.
図１１（Ａ）は所謂「ボタ落ち」、図１１（Ｂ）は所謂「乳び」、図１１（Ｃ）は所謂「崩れ」、図１１（Ｄ）は所謂「異物」と称される異常像を示す図である。判定対象画像が、これらの異常像であった場合、「再検査」または「判定不能」或いは「判定保留」等の判定がなされることが必要である。本発明の方法によれば、このような異常像についてもその種類に応じて適切な判定を行うことが可能である。 FIG. 11A is a so-called “bottom drop”, FIG. 11B is a so-called “milky”, FIG. 11C is a so-called “collapse”, and FIG. 11D is a so-called “foreign matter”. It is a figure which shows an image. When the determination target image is such an abnormal image, it is necessary to make a determination such as “re-examination”, “determination impossible”, or “determination pending”. According to the method of the present invention, it is possible to make an appropriate determination according to the type of such an abnormal image.
２．判定方法
本発明に従って凝集像の判定を行う場合の１例を、図１２のスキームを用いて説明する。図１２を参照されたい。
2. Determination Method One example of determining an aggregated image according to the present invention will be described using the scheme of FIG. Please refer to FIG.
凝集反応後に反応容器底面に形成されたパターンを含む画像について、本発明に従う方法の実施者が、凝集像であるか、非凝集像であるかを判定するための方法を開始し、Ｓ１０１に進む。 For an image including a pattern formed on the bottom surface of the reaction vessel after the agglutination reaction, the person who performs the method according to the present invention starts a method for determining whether the image is an agglomerated image or a non-aggregated image, and proceeds to S101. .
Ｓ１０１において少なくとも必要な数の画像を選択した後に、Ｓ１０２に進む。Ｓ１０１では、判定対象の判定を行うための基準となるデータを作成するための典型的な画像が選択される。即ち、非凝集像の画像から第一の基準空間を、凝集像の画像から第二の基準空間を作成するために、典型的な非凝集像の画像と凝集像の画像が選択される。 After selecting at least the necessary number of images in S101, the process proceeds to S102. In S101, a typical image for creating data serving as a reference for determining the determination target is selected. That is, in order to create the first reference space from the non-aggregated image and the second reference space from the aggregated image, a typical non-aggregated image and an aggregated image are selected.
選択される画像は、判定毎に撮像手段により撮像されて得られてもよく、予め撮像された画像から選択されてもよく、或いは入手可能な何れかのデータベースから入手されてもよい。 The image to be selected may be obtained by being picked up by an image pickup means for each determination, may be selected from images picked up in advance, or may be obtained from any available database.
必要であれば、この工程において、非凝集像の基準空間を、予め撮像して得た典型的な非凝集像の画像を予め定めた大きさに調整することにより得てもよい。同様に、必要であれば基準空間のための凝集像について、予め撮像して得た典型的な凝集像の画像を予め定めた大きさに調整して得てもよい。また、大きさの調整の前後何れかで、或いは大きさの調節をしない場合であっても何れの画像もグレースケールに変換されてもよい。グレースケールは、例えば、２５６階調であってもよい。しかしながらグレースケールへの変換は必須ではない。 If necessary, in this step, the reference space of the non-aggregated image may be obtained by adjusting a typical non-aggregated image obtained by imaging in advance to a predetermined size. Similarly, if necessary, an aggregate image for the reference space may be obtained by adjusting a typical aggregate image obtained by imaging in advance to a predetermined size. Further, any image may be converted to gray scale either before or after the size adjustment, or even when the size is not adjusted. The gray scale may be, for example, 256 gradations. However, conversion to grayscale is not essential.
ここで使用される画像の数は、実施者が所望に応じて任意に決定することが可能である。しかしながら、数理上は、ＭＴ法では特徴量≧画像枚数であればよく、ＭＴＡ法では単数であってもよく、実用上は、例えば、３以上、好ましくは５０以上の画像群であってもよい。 The number of images used here can be arbitrarily determined by a practitioner as desired. However, mathematically, it is sufficient that the feature amount is equal to or greater than the number of images in the MT method, and a single number may be used in the MTA method. In practice, for example, the image group may be 3 or more, preferably 50 or more. .
またここで、非凝集像の画像は、当業者がその像から「非凝集像」と判定することができる典型的な非凝集像であればよい。上述したようなテラスを具備するウェルを用いた場合では、当該底面の中心に存在するもの、例えば、図１０（Ａ）に示すような画像であればよい。 Here, the image of the non-aggregated image may be a typical non-aggregated image that can be determined as a “non-aggregated image” from the image by those skilled in the art. In the case where a well having a terrace as described above is used, an image existing at the center of the bottom surface, for example, an image as shown in FIG.
更にまたここで、凝集像の画像は、当業者がその像から「凝集像」と判定することができる典型的な凝集像であればよく、上述したようなテラスを具備するウェルを用いた場合では、当該底面全体に均一に存在するもの、例えば、図１０（Ｂ）に示すような画像であればよい。しかしながら、人が目視によって判定する場合であっても、各像にはばらつきが存在する。従って、典型的な画像は、人が判定することが可能な範囲のばらつきの影響を反映できるように、そのようなばらつきを含む代表的な像を選択することも望ましい。そのような代表的な像を含むことを考慮すると、非凝集像および凝集像のそれぞれについて５０以上の画像が用いられることが好ましい。 Furthermore, here, the image of the aggregated image may be a typical aggregated image that can be determined as a “aggregated image” from those images by a person skilled in the art, and when a well having a terrace as described above is used. Then, what exists uniformly in the whole said bottom face, for example, should just be an image as shown in FIG.10 (B). However, even when a person makes a visual decision, there is variation in each image. Therefore, it is also desirable to select a representative image that includes such variation so that a typical image can reflect the influence of variation in a range that can be determined by a person. In consideration of including such a representative image, it is preferable that 50 or more images are used for each of the non-aggregated image and the aggregated image.
Ｓ１０２では、Ｓ１０１で選択された画像、即ち、予め定めた数の典型的な複数の非凝集像の画像と、凝集像の画像の全てを、例えば、２つの選択領域に分割し、それぞれの選択領域について統計量を抽出し、Ｓ１０３へ進む。例えば、Ｓ１０２は、図１３に示すフロー１０２に示す通りであってもよい。
In S102, the image selected in S101, that is, a predetermined number of typical non-aggregated images and aggregated images are all divided into, for example, two selection areas, and the respective selections are made. Statistics are extracted for the area, and the process proceeds to S103. For example, S102 may be as shown in the
図１３を参照されたい。フロー１０２の手順１において、画像を２つの領域に分け、手順２に進む。１枚の画像の画素数が、例えば、１４０ｘ１４０ピクセルである場合に、選択領域としての第一の選択領域（本明細書および図面では「Ａｒｅａ１」とも記す）は７５ｘ７５ピクセルであってもよく、選択領域としての第二の選択領域（本明細書および図面では「Ａｒｅａ２」とも記す）は４５ｘ４５ピクセルであってもよい。図１４を参照されたい。図１４に示される画像は、テラスを具備する反応容器の底面に生じた非凝集像である。例として上記のような領域で２つの選択領域に画像を分けると、第一の選択領域は、凝集像の凝集物が分布する底面全体を無駄なく含む領域であり、これは反応容器の底面に内接してもよい。第二の選択領域は、非凝集像の非凝集物が集まる中心部の近傍を含む領域であってよく、第一の選択領域の内側に配置されてよい。
See FIG. In
ここで、上述では選択領域として２つの領域を使用する例を示したが、本発明の方法は、当該第一の選択領域および第二の選択領域を上記のような設定に限定するものではない。例えば、複数の領域を選択領域として使用する場合には、それぞれの領域に重なり合う部分があってもよく、重なり部分がある上でそれぞれの面積が異なっていてもよく、また同じ面積であってもよい。また、複数の領域を選択領域として使用する場合に、それぞれの領域に重なり合う部分がない、互いに独立した領域であってもよい。 Here, although the example which uses two area | regions as a selection area | region was shown above, the method of this invention does not limit the said 1st selection area | region and 2nd selection area | region to the above settings. . For example, when a plurality of regions are used as the selection region, there may be a portion that overlaps each region, and each overlapping area may have a different area or the same area. Good. In addition, when a plurality of areas are used as selection areas, the areas may be independent from each other without overlapping portions.
第一の選択領域は、ウェルの画像に内接する四角形であり、第二の選択領域は第一の選択領域と同心でかつ第一の選択領域より面積が小さい相似形であってもよい。ここで、当該選択領域は四角形以外の形、例えば、扇形、円形または多角形でもよく、第一の選択領域、第二の選択領域が、必ずしも互いに相似でなくてもよい。 The first selection area may be a rectangle inscribed in the image of the well, and the second selection area may be similar to the first selection area and smaller in area than the first selection area. Here, the selection area may have a shape other than a square, for example, a sector, a circle, or a polygon, and the first selection area and the second selection area do not necessarily have to be similar to each other.
上述したように図１４に示す例では、第一の選択領域および第二の選択領域の両方が、凝集像または非凝集像の何れかの典型的な画像において、最も粒子が集合する部分を含み、更に第一の選択領域と第二の選択領域の面積が互いに異なる例を示した。 As described above, in the example shown in FIG. 14, both the first selection region and the second selection region include a portion where most particles gather in a typical image of either an aggregated image or a non-aggregated image. Further, an example in which the areas of the first selection region and the second selection region are different from each other is shown.
また、非凝集像を第一の基本領域とし、当該基本領域を上述のように２つの領域とする場合には、それぞれを第一の選択領域（または第三の基本領域）と第二の選択領域（または第四の基本領域）と呼び、且つ凝集像を第二の基本領域とする場合には、上述の２つの領域を第三の選択領域（または第五の基本領域）と第四の選択領域（または第六の基本領域）と読みかえてもよい。また、非凝集像と凝集像の２つの基本空間については、第一の基本空間と第二の基本空間と称する。一方、非凝集像から得られる第一の基本空間から選択された「第一の基本領域」は「第一の選択領域」であり、「第二の基本領域」は「第二の選択領域」であると解されてよい。他方、凝集像から得られる「第一の基本領域」は「第三の選択領域」であり、「第二の基本領域」は「第四の選択領域」であると解されてよい。従って、ここにおいて、断りのない限り、「第一の領域」と記載された場合には、非凝集像からの「第一の基本領域」と、凝集像からの「第三の基本領域」とが総称されたと解されてよい。更に、断りのない限り、「第二の領域」と記載された場合には非凝集像からの「第二の基本領域」と、凝集像からの「第四の基本領域」とが総称されたと解されてよい。 When the non-aggregated image is the first basic area and the basic area is two areas as described above, the first selection area (or the third basic area) and the second selection area, respectively. When the region (or the fourth basic region) is called and the aggregated image is set as the second basic region, the above two regions are referred to as the third selected region (or the fifth basic region) and the fourth basic region. It may be read as a selection area (or a sixth basic area). Further, the two basic spaces of the non-aggregated image and the aggregated image are referred to as a first basic space and a second basic space. On the other hand, the “first basic region” selected from the first basic space obtained from the non-aggregated image is the “first selected region”, and the “second basic region” is the “second selected region”. It may be understood that. On the other hand, the “first basic region” obtained from the aggregated image may be understood as the “third selected region”, and the “second basic region” as the “fourth selected region”. Therefore, unless otherwise noted, when “first region” is described, “first basic region” from the non-aggregated image and “third basic region” from the aggregated image. May be understood as a generic term. Furthermore, unless otherwise noted, when “second region” is described, “second basic region” from the non-aggregated image and “fourth basic region” from the aggregated image are collectively referred to. May be solved.
本発明に従う判定方法は、試料と試薬とを反応した後に反応容器底面に形成されるパターンの特徴を基にして、反応結果を分類および／または凝集の有無を判定する凝集試験において使用されてもよい。 The determination method according to the present invention may be used in an agglutination test for classifying reaction results and / or determining the presence or absence of aggregation based on the characteristics of the pattern formed on the bottom surface of the reaction container after reacting the sample and the reagent. Good.
更に、これらの第一の領域と第二の領域について、特徴量としての統計量を抽出する。統計量は、各画像に含まれる各画素の輝度値を基に算出する。このような処理の後手順２に進む。 Further, a statistical quantity as a feature quantity is extracted for the first area and the second area. The statistic is calculated based on the luminance value of each pixel included in each image. Proceed to step 2 after such processing.
手順２では、次のような手続きを行い手続き３に進む。各画像は手順２において初めてグレースケールに変換されてもよい。ここでは、非凝集像の画像を５０枚、凝集像の画像を５０枚用いる例を説明する。グレースケールに変換された一枚の画像の第一の領域に含まれる各画素の輝度値を図１５（Ｂ）に示すように一列ずつに並べ替える。同様に第二の領域に含まれる各画素の輝度値も並べ替える。この作業を繰り返し、全ての画像について同様の結果を得る。その後、図１５（Ｃ）に示すような、画素位置と画像番号とを対応付けるテーブルを作成する。ここで、図１５（Ｃ）における「平均」は平均値を示し、図１６の式（１）により計算する。線形式は図１６の式（２）により計算する。このような手続きの後手順３に進む。
In
手順３において、基準空間の一領域に含まれる画素について、同じ位置の全画素の平均（即ち、Ｍ１、Ｍ２、・・・、Ｍ５６２５）からの個々のメンバーの差を、比例定数βｉおよびＳＮ比ηｉ（ここで、ｉは１〜５０の整数である）として求め、手順４に進む。ここで、ｍβｉおよびηｉは、図２３の（５３．１７）〜（５３．２３）の式に従って算出する。式中のＳＴ（ｉ）、Ｓβ（ｉ）およびＶ（ｉ）の直感的な意味を図１７に示す。当該βｉおよびηｉの算出の後、手順４に進む。
In the
手順４において、手順３で得られたβｉおよびηｉの値を基に各画像の第一の領域についての統計量Ｙ１ｉとＹ２ｉを求める。当該統計量は、図２４に示す（５３．２４）〜（５３．２５）の式に従って求めればよい。更に、図１８に示すように得られた全ての画像についての統計量から、第一の基準空間の第一の領域の統計量の平均（即ち、ｍ１）を求める。ここで、手順３および手順４において、第一の基準空間の第一の領域、第一の基準空間の第二の領域、並びに第二の基準空間の第一の領域および第二の領域の全てについて算出した後に、Ｓ１０３に進む（図１２）。
In procedure 4, based on the values of βi and ηi obtained in
Ｓ１０３において、Ｓ１０２において抽出した（即ち、算出した）統計量Ｙ１ｉとＹ２ｉを用いて、２つの基準空間、即ち、第一の基準空間と第二の基準空間における第一の領域と第二の領域毎に、複合距離、即ち、マハラノビス距離を求める。具体的には、図２７に示すような、式（５３．２８）、（５３．２９）、（５３．３０）および（５３．３１）によりマハラノビス距離（Ｄｉ）が得られる。その後、Ｓ１０４に進む。 In S103, using the statistics Y 1i and Y 2i extracted (that is, calculated) in S102, two reference spaces, that is, the first region in the first reference space and the second reference space, and the second region For each region, a composite distance, that is, a Mahalanobis distance is obtained. Specifically, the Mahalanobis distance (D i ) is obtained by the equations (53.28), (53.29), (53.30), and (53.31) as shown in FIG. Thereafter, the process proceeds to S104.
なお、ここまでのステップ、即ち、Ｓ１０１、Ｓ１０１〜Ｓ１０２またはＳ１０１〜Ｓ１０３が凝集試験および／または凝集判定の実施前に予め行われてもよく、またその得られたデータが任意に記憶手段に記憶され所望に応じて呼び出されて利用されてもよい。このようにＳ１０１、Ｓ１０１〜Ｓ１０２またはＳ１０１〜Ｓ１０３を予め行っておくことにより、実施者は、そのような得られたデータを使用し、Ｓ１０１、Ｓ１０１〜Ｓ１０２またはＳ１０１〜Ｓ１０３以降の操作から凝集判定方法を開始することが可能となる。このような構成の方法も本発明の範囲内の凝集判定方法である。 The steps so far, that is, S101, S101 to S102 or S101 to S103 may be performed in advance before the aggregation test and / or the aggregation determination, and the obtained data is arbitrarily stored in the storage means. And may be called and utilized as desired. By performing S101, S101 to S102 or S101 to S103 in advance as described above, the practitioner uses such obtained data and determines aggregation from the operations after S101, S101 to S102, or S101 to S103. It becomes possible to start the method. A method having such a configuration is also an aggregation determination method within the scope of the present invention.
Ｓ１０４において、Ｓ１０３において得た基準空間のマハラノビス距離を利用し、判定したい画像、即ち、判定対象画像の単位領域について基準空間からの距離を求め、フロー１０４に進む。 In S104, the Mahalanobis distance of the reference space obtained in S103 is used to determine the distance from the reference space for the image to be determined, that is, the unit area of the determination target image, and the flow proceeds to flow 104.
フロー１０４を図２０に示す。フロー１０４の手順１において、判定対象画像を基準空間について行ったのと同様に処理し、各画素の輝度値を抽出する。更に、得られた数値は、基準空間のデータにおいて行ったように図２１に示すようなテーブルに纏めてもよい。ここで、Ｌ’ｋの値は図２１（Ｂ）に示す式（３）により得てよい。次にフロー１０４の手順２に進む（図２０）。
The
手順２において、判定対象画像毎に統計量を算出する。ここで、統計量はＹ’１ｉおよびＹ’２ｉであり、これらは図２３の（５３．１７）〜（５３．２３）に従って算出してよい。次に、手順３に進む（図２０）。
In
手順３において、判定対象画像について基準空間からの距離Ｄ’を算出する。当該算出は、図２７に示す式（５３．３１）〜（５３．３６）に従って求めることが可能である。これらの式を用いて、２つの基準空間（即ち、非凝集像および凝集像）の２つの領域（即ち、第一の領域および第二の領域毎に、判定したい画像の１枚当たりにつき４つの距離を、判定対象画像の単位領域について求める。求めた距離を、図２２に示すようなテーブルに纏めることが可能である。その後、Ｓ１０５ＡまたはＳ１０５Ｂへ進む（図１２）。ここで、Ｓ１０５Ａに進むか、Ｓ１０５Ｂに進むかの選択は実施者が適宜選択することが可能であるが、Ｓ１０５Ａの処理でも、Ｓ１０５Ｂと続くＳ１０６の処理でも同様に良好な結果を導くことが可能である。
In
Ｓ１０５Ａにおいて、判定対象画像の第一の単位領域と第二の単位領域についてそれぞれに求めた基準空間からの距離を基に凝集像、非凝集像の判定を行う。判定は、予め閾値または基準値を決定しておき、その値と距離を比較することによって行ってよい。 In S105A, the determination of the aggregated image and the non-aggregated image is performed based on the distance from the reference space obtained for each of the first unit region and the second unit region of the determination target image. The determination may be performed by determining a threshold value or a reference value in advance and comparing the value with the distance.
また判定は、例えば、次のように行ってもよい；
（１）判定対象画像の単位領域が非凝集像に近い、且つ凝集像から遠い場合には、「非凝集像」と判定する：
（２）判定対象画像の単位領域が凝集像に近い、且つ非凝集像から遠い場合には、「凝集像」と判定する：
（３）判定対象画像の単位領域が非凝集像から遠い、且つ凝集像から遠い場合には、「凝集像でも非凝集像でもない」または「判定不能」、「判定保留」或いは「？」と判定する。
The determination may be performed, for example, as follows:
(1) When the unit area of the determination target image is close to the non-aggregated image and far from the aggregated image, it is determined as “non-aggregated image”:
(2) When the unit area of the determination target image is close to the aggregated image and far from the non-aggregated image, it is determined as “aggregated image”:
(3) When the unit area of the determination target image is far from the non-aggregated image and far from the aggregated image, “Neither the aggregated image nor the non-aggregated image” or “determination impossible”, “determination pending” or “?” judge.
或いは判定は、例えば、次のように行ってもよい；
（１）判定対象画像が第一の単位領域で非凝集像であり、且つ第二の単位領域で非凝集像の場合に、「非凝集像」と判定する：
（２）判定対象画像が第一の単位領域で凝集像であり、且つ第二の単位領域で凝集像である場合に、「凝集像」と判定する：
（３）それ以外は、「凝集像でも非凝集像でもない」または「判定不能」、「判定保留」或いは「？」と判定する。
Alternatively, the determination may be performed, for example, as follows:
(1) If the determination target image is a non-aggregated image in the first unit area and a non-aggregated image in the second unit area, it is determined as a “non-aggregated image”:
(2) When the determination target image is an aggregated image in the first unit region and an aggregated image in the second unit region, it is determined as an “aggregated image”:
(3) Otherwise, it is determined as “Neither aggregated image nor non-aggregated image”, “determination impossible”, “determination pending” or “?”.
「遠い」および「近い」の判定は、予め決定された閾値または基準値の値と比較することにより行ってよい。判定後にエンドに進み、全ての工程を終了する。 The determination of “far” and “near” may be made by comparing with a predetermined threshold value or a reference value. After the determination, the process proceeds to the end, and all the processes are completed.
Ｓ１０５Ｂにおいては、第一の単位領域および第二の単位領域についてのマハラノビス距離を更に統合して得られるマハラノビス距離を第一の基準空間と第二の基準空間について求める。詳しくは、フロー１０５Ｂに示す（図２５）。
In S105B, the Mahalanobis distance obtained by further integrating the Mahalanobis distances for the first unit area and the second unit area is obtained for the first reference space and the second reference space. Details are shown in a
フロー１０５Ｂは図２５に記載する通りである。フロー１０５Ｂでは、手順１において、基準空間の各画像の第一の領域についてのマハラノビス距離Ｄ１および第二の領域についてのマハラノビス距離Ｄ２の平均値を求める。図面において、ある数値群の平均値は、その数値群を表す文字の上部に実線を付すことにより示す。即ち、例えば、Ｄ１の平均値はＤ１の上部に実線を付して表す。次に、手順２に進む。
The
手順２において、第一の領域のマハラノビス距離Ｄ１の平均と第二の領域のマハラノビス距離Ｄ２の平均をｍ１、ｍ２と読み替え、Ｄ１、Ｄ２、Ｄｉ ’ １、Ｄｉ ’ ２、をそれぞれＹ１、Ｙ２、Ｙ’ １、Ｙ’ ２と読み替えて、図２７に示す式（５３．２８）〜（５３．３１）に従って第一の領域と第二の領域とが統合されたマハラノビス距離を利用して、基準空間からの判定対象画像の距離を得る。次にＳ１０６へ進む（図１２）。
In
Ｓ１０６において、Ｓ１０５Ｂにおいて得た基準空間からの判定対象画像の距離から、「非凝集像」、「凝集像」および「非凝集でも凝集でもない」または「判定不能」、「判定保留」或いは「？」の判定を行う。ここで、当該判定は、予め決定しておいた閾値または基準値の値を基に当該距離についての判定を行う。また、第一の基準空間と第二の基準空間のマハラノビス距離を２次元の分布に表し、それを基に判定を行ってもよい。２次元の分布の例を図３２〜図３４に示す。縦軸は第一の基準空間の（ｍ１、ｍ２）、即ち、中心またはゼロ点からのマハラノビス距離を示す、横軸は第二の基準空間の（ｍ１、ｍ２）、即ち、中心またはゼロ点からのマハラノビス距離を示す。この分布と像の種類との関係を大まかに模式的に示したグラフを図３１に示す。このような分布の領域について予め閾値または基準値を定めておき、その値との比較により判定を行えばよい。判定は、「非凝集像」、「凝集像」および「非凝集でも凝集でもない」、または「判定不能」、「判定保留」或いは「？」の判定を行う。判定を行った後にエンドに進み全工程を終了する（図１２）。 In S106, from the distance of the determination target image from the reference space obtained in S105B, “Non-aggregated image”, “Non-aggregated image”, “Non-aggregated or neither aggregated”, “Undeterminable”, “Decision pending” Is determined. Here, the determination is performed for the distance based on a predetermined threshold value or reference value. Further, the Mahalanobis distance between the first reference space and the second reference space may be expressed in a two-dimensional distribution, and the determination may be performed based on the two-dimensional distribution. Examples of a two-dimensional distribution are shown in FIGS. The vertical axis indicates (m 1 , m 2 ) of the first reference space, that is, the Mahalanobis distance from the center or zero point, and the horizontal axis indicates (m 1 , m 2 ), that is, the center of the second reference space. Or the Mahalanobis distance from the zero point. A graph schematically showing the relationship between the distribution and the type of image is shown in FIG. A threshold value or a reference value may be determined in advance for such a distribution region, and the determination may be made by comparison with the value. The determination is made as “non-aggregated image”, “aggregated image” and “not agglomerated or aggregated”, “determination impossible”, “determination pending” or “?”. After the determination is made, the process proceeds to the end and the entire process is completed (FIG. 12).
また、本発明に従う方法を、コンピュータを具備する反応装置、分析装置または検査装置などにおいて自動で行ってよい。そのような装置は、例えば、オリンパス自動輸血検査装置ＰＫシリーズ、例えば、自動輸血検査装置ＰＫ７３００（オリンパス社製）などであってもよい。 In addition, the method according to the present invention may be automatically performed in a reaction apparatus, analysis apparatus, inspection apparatus or the like equipped with a computer. Such an apparatus may be, for example, an Olympus automatic blood transfusion inspection apparatus PK series, for example, an automatic blood transfusion inspection apparatus PK7300 (manufactured by Olympus).
更に本発明は、例えば、図２８Ａに示すような凝集像自動判定装置であってもよい。図２８Ａに示す凝集像自動判定装置は、マイクロプレート９１を電源１３１に接続した光源１３２によってレンズ群１３３を介して底面側からスポット照明するための照明手段と、この照明手段により照明されたウェル底面からの透過光ビームを受光する受光器１３４を具備する。この受光器１３４の出力は、受光データ処理回路１３５でデジタル信号に変換してデータ処理部１３６に供給される。また、マイクロプレート９１は、データ処理部１３６の制御のもとにマイクロプレート移送機構１３７を介して移動させることによってスキャンデータを得ると共に、受光データ処理部１３５によりスキャンデータから反応画像を再構築されてもよい。然るに、前述の照明手段と、受光器１３４と、受光データ処理回路１３５と、マイクロプレート移送機構１３７とで画像取得部として機能する。図２８（Ａ）において、当該画像取得部を点線で囲むことにより示した。
Furthermore, the present invention may be an aggregated image automatic determination device as shown in FIG. 28A, for example. The aggregated image automatic determination device shown in FIG. 28A has illumination means for spot illumination from the bottom surface side through the
以下、データ処理部１３６でのデータ処理について説明する。
Hereinafter, data processing in the
データ処理部１３６では、マイクロプレート９１に具備される各ウェル９２のデータに対して、先ず、予め設定したウェル９２底面をスキャンした受光データをデジタルデータに変換し、それを基に画像を構成してデータ処理部１３６に記憶する。更に、入力部１３８から入力される指示に従って表示部１３９に表示する。次に、予め入力部１３８より入力され、データ処理部１３６に記憶されたプログラムの手続に従い、または当該データ処理部１３６に記憶されたデータを利用して、或いはデータ処理部１３６において当該画像データの画素毎のデータを用いて、既に上述した通りの何れかの計算を行う。当該計算により得られた結果を予め定めて入力部１３８より入力して当該データ処理部１３６に記憶した基準値と比較することにより目的とする判定を行う。また、基準空間に利用する画像は、予め当該装置により得られたデータをデータ処理部１３６に記憶し集積したものであっても、予め入力部１３８から入力されデータ処理部１３６に記憶したものであってもよい。また、必要なデータを、データ処理部１３６をネットワークに接続し、入手可能なデータベースにアクセスすることにより入手してもよい。
In the
また、本発明は、例えば、図２８（Ｂ）に示すような凝集像自動判定装置であってもよい。図２８（Ｂ）に示す凝集像自動判定装置は、反応容器としてマイクロプレート９１を用い、このマイクロプレート９１を、任意の照明手段、例えば、蛍光灯電源１４２などの電源に接続した蛍光灯１４３などの均一な照明を底面側から照明する。マイクロプレート９１は、図９に示すように円錐状に窪んだ底面を有するウェル９２をマトリクス状に多数形成して構成する。反応パターンは、その各ウェル９２に被検粒子を含む検体を収容して静置法により底面に形成される。
Further, the present invention may be an aggregated image automatic determination device as shown in FIG. 28 (B), for example. The aggregated image automatic determination apparatus shown in FIG. 28B uses a
蛍光灯１４３によって照明されたマイクロプレート９１の各ウェル９２の底面の像は、ＣＣＤカメラまたはスキャナーなどの撮像手段１４５で順次または一度に撮像される。然るに、前述の照明手段と、撮像手段１４５とで画像取得部としての機能を有する。図２８（Ｂ）において、当該画像取得部を点線で囲むことにより示した。撮像手段１４５により撮像された画像データを画像処理回路１４６に供給し、所望の画像処理が施され、更にデータ処理部１４９において、入力された画像データに基づいてウェル９２の底面の画像データの各画素の輝度値を求める。なお、各ウェル９２の底面の画像データは、マイクロプレート９１と撮像手段１４５とを水平面内で２次元方向に相対的に移動させて、順次取り込んでもよい。
The image of the bottom surface of each well 92 of the
以下、当該装置における処理の流れについて説明する。撮像手段１４５で得られた画像は画像処理回路１４６に送られる。画像処理回路１４６では、先ず、撮像手段１４５からのウェル９２底面の入力画像データをデジタルデータに変換する。次に、デジタルデータに変換された画像に対して、画素毎の輝度値を求め、データ処理部１４９に記憶し、また入力部１４０から入力される指示に従って表示部１４１に表示する。次に予め入力部１４０より入力され、データ処理部１４９に記憶されたプログラムの手続に従い、または当該データ処理部１４９に記憶されたデータを利用して、或いはデータ処理部１４９において当該画像データの画素毎のデータを用いて、既に上述した通りの何れかの計算を行う。当該計算により得られた結果と、予め定めて入力部１４０より入力して当該データ処理部１４９に記憶させた閾値とを比較することにより目的とする判定を行う。また、基準空間に利用する画像は、予め当該装置により得られたデータをデータ処理部１４９に記憶し集積したものであっても、予め入力部１４０から入力されデータ処理部１４９に記憶したものであってもよい。また、データ処理部１４９をネットワークに接続し、入手可能なデータベースにアクセスすることにより必要なデータを入手してもよい。
Hereinafter, the flow of processing in the apparatus will be described. The image obtained by the
この入力部１４０は、必要に応じて、後述するような各基準空間に対応する画像の選択や、閾値の個数および／または数値の変更や、基本領域および／または単位領域の設定数の変更（即ち、増加または削減）を行うための手段であってもよい。これら入力部１４０における操作の確認は、実施者またはオペレータがそれを見ながら行うような表示部１４１などの設定用画面を介して行うのが好ましい。即ち、マハラノビス距離を算出するための基本領域および／または単位領域の数および／または面積を設定するための入力手段として、入力部１４０を利用することができる。また、各々の基準空間の候補となる凝集および非凝集の画像群を表示する表示手段として表示部１４１は利用できる。この表示部１４１に表示された画像群に基づいて画像の指定および／または画像数を指定するための入力手段としても表示部１４０は利用できる。また、マハラノビス距離を算出するための基本領域および／または単位領域の数および／または面積を設定するための入力手段として、入力部１４０を利用することもできる。
The
なお、データ処理部１４９による本発明の判定方法に係る機能を実行するためのプログラムは、予め判定用の装置内に搭載されていてもよいが、当該プログラムを読み取り可能に記録している各種記憶媒体に具備されてもよい。外部より判定用装置にダウンロードして利用する場合には、本発明では予め装置に搭載されている場合と同等のものとして扱うものとする。当該プログラムおよび当該プログラムを読み取り可能に記録している各種記憶媒体も本発明の範囲内である。
Note that a program for executing the function relating to the determination method of the present invention by the
次に、図２８Ｂに示す凝集像自動判定装置を用いて本発明に従う凝集パターンの判定方法を行う例を、図２９を用いて説明する。 Next, an example of performing the aggregation pattern determination method according to the present invention using the aggregated image automatic determination device shown in FIG. 28B will be described with reference to FIG.
当該凝集像自動判定装置において実施者が判定方法を開始し、Ｓ２９１に進む。 The practitioner starts the determination method in the aggregated image automatic determination apparatus, and the process proceeds to S291.
Ｓ２９１では、基準空間を作成するために使用する非凝集像および凝集像の選択を行う。まず、実施者が入力部１４０から、基準空間を作成するために使用する非凝集像および凝集像の画像を何画像ずつどのように集めるか、並びに典型的な画像であると選択するための基準などの条件を入力し、各条件の入力によりデータ処理部１４９に命令する。当該命令に従って、データ処理部１４９は、当該凝集像自動判定装置の撮像手段１４５により撮像してデータを得る、ネットワークを通じて入手可能なデータベースから入手する、若しくは既にデータ処理部１４９に蓄積された画像から選択する、または実施者に選択させるための画像を表示部１４１に出力するなどの処理を行う。実施者の入力部１４０からの命令に応じて、データ処理部１４９は選択された画像を表示部１４１に出力させる。画像を選択した後Ｓ２９２に進む。
In S291, a non-aggregated image and an aggregated image used to create the reference space are selected. First, from the
Ｓ２９２では、データ処理部１４９が、Ｓ２９１において実施者により選択された、またはデータ処理部１４９により選択された画像の枚数が、予め設定された数に到達したか否かを判断する。画像の数が十分でなければＳ２９１に進む。画像の数が十分であればＳ２９３に進む。ただし、予め設定された数が単数（即ち、１）である場合にはＳ２９２は行われずに、データ処理部１４９がＳ２９１からＳ２９３へと処理を進めてもよい。
In S292, the
Ｓ２９３では、データ処理部１４９が、Ｓ２９１において選択された画像を用いて基準空間を作成し、図１６の式を利用し図１５に示すようなテーブルを得るための処理を行ない、得られた結果などのデータをデータ処理部１４９に記憶および／または表示部１４１に出力し、Ｓ２９４に進む。
In S293, the
Ｓ２９４では、データ処理部１４９が、予め実施者が設定した条件に従ってＳ２９３で得られた画像データについて第一の領域と第二の領域を設定し、図１４に示すような画像を作成し、表示部１４１に出力し、および／またはデータ処理部１４９に記憶して、Ｓ２９５に進む。
In S294, the
Ｓ２９５では、データ処理部１４９が、Ｓ２９４で設定した領域毎に当該基準空間についてのデータを用いて、図２３および２４の式を利用して統計量を算出し、図１８のような画像および領域と統計量が対応付けられたテーブルを作成し、そのようなテーブルを表示部１４１に表示および／またはデータ処理部１４９に記憶し、Ｓ２９６に進む。
In S295, the
Ｓ２９６では、データ処理部１４９が、Ｓ２９５で得た統計量を基に図２７の式を利用してマハラノビス距離を算出し、得られた結果を図１９のような非凝集および凝集、領域並びに画像とマハラノビス距離とを対応付けたテーブルを作成し、そのようなテーブルを表示部１４１に表示および／またはデータ処理部１４９に記憶し、Ｓ２９７に進む。なお、Ｓ２９１〜Ｓ２９６は、実施者による凝集試験実施前に予め行われていてもよい。その場合には、実施者は、凝集像自動判定装置における判定方法を開始しＳ２９７へ進めばよい。
In S296, the
Ｓ２９７では、予めプログラムされた条件に従い、データ処理部１４９が判定対象画像を準備し、その画像を分割するなどの処理を経て、輝度値を求めて図２１のような画素位置および画像番号と輝度値を対応付けるテーブルを作成し、更に図２２のような非凝集および凝集、領域並びに画像と基準空間からの距離を対応付けるテーブルを作成し、そのようなテーブルを表示部１４１に表示および／またはデータ処理部１４９に記憶し、Ｓ２９８に進む。
In S297, the
Ｓ２９８では、データ処理部１４９が、判定対象画像の基準空間からの距離と予めデータ処理部１４９に記憶された基準値とを比較することにより、判定対象画像についての判断を行う。データ処理部１４９が、当該距離は非凝集像に近く凝集像から遠いと判断した場合、Ｓ２９９に進み、「非凝集」と判定して表示部１４１に「非凝集」と表示して全ての工程を終了する。データ処理部１４９が、当該距離は非凝集像からも凝集像からも遠いと判断した場合には、Ｓ３００に進み、「判定不能」と判定して表示部１４１に「判定不能」、「判定保留」または「？」などと表示してエンドに進む。データ処理部１４９が、当該距離は凝集像に近く非凝集像から遠いと判断した場合、Ｓ３０１に進み、「凝集」と判定して表示部１４１に「凝集」と表示して全ての工程を終了する。更に、データ処理部１４９が、当該距離は非凝集像に近く凝集像から遠いという条件に該当せず、且つ凝集像に近く非凝集像から遠いという条件にも該等しないと判断した場合、Ｓ３００に進み、「判定不能」と判定して表示部１４１に「判定不能」、「判定保留」または「？」などと表示して全ての工程を終了する。
In S298, the
表示部に出力される判定結果は、テーブルの形で出力されてもよい。当該結果の表示と共にデータ処理部１４９に記憶されてもよい。
The determination result output to the display unit may be output in the form of a table. It may be stored in the
更なる態様において本発明は、上記のようなコンピュータを利用した凝集パターン判定方法も提供する。また上記の手続の流れは１例であり、当業者が必要に応じて改変することも可能である。そのような改変されたものも本発明の範囲内に含まれる。 In a further aspect, the present invention also provides an aggregation pattern determination method using the computer as described above. Moreover, the flow of the procedure described above is an example, and a person skilled in the art can modify it as necessary. Such modifications are also included within the scope of the present invention.
なお、上記の方法では、統計量を輝度値について算出したが、輝度値以外の画像データ、例えば、色などのデータを用いて同様に統計量を算出し、更にマハラノビス距離を算出してもよい。 In the above method, the statistic is calculated for the luminance value. However, the statistic may be calculated in the same manner using image data other than the luminance value, for example, data such as color, and further the Mahalanobis distance may be calculated. .
また上述の例では、単位領域および基本領域を２つずつ用いた例を示したが、単位領域および／または基本領域が３以上ずつであっても、それ以上選択しても同様に処理を行えばよい。 In the above example, an example in which two unit areas and two basic areas are used has been described. However, even if three or more unit areas and / or basic areas are selected, the same processing is performed even if more than one is selected. Just do it.
以上のような本願発明により、次のような効果が得られる。即ち、本願発明により、高い正確性を保ちつつ、検査時間の短縮、検査試薬等の消費の削減、メモリ容量の削減、データ処理量の削減等を実現することが可能となる。それにより、誤判定が多く生じる場合に増える再検査や、それに伴う検査担当者の手間の増大を防ぐことが可能である。 The following effects can be obtained by the present invention as described above. That is, according to the present invention, while maintaining high accuracy, it is possible to shorten the test time, reduce the consumption of the test reagent, reduce the memory capacity, reduce the data processing amount, and the like. Thereby, it is possible to prevent re-examination that increases when many misjudgments occur, and the accompanying increase in labor for the inspector.
例１
凝集判定をオリンパス社製の現行輸血検査装置ＰＫ７３００により行った。ヒト血清をマイクロプレートに添加し、そこにＢ型由来のヒト血球を添加し、前記装置により反応させ、その後、凝集判定を行う。得られた画像を図１（Ａ）のように８分割し、領域１ａと領域１ｈをそれぞれ単位領域１および単位領域２とする。単位領域１では凝集と分類され、単位領域２では非凝集と分類される。更に、領域１ａおよび１ｈ以外の領域を２つ選択し、単位領域３と単位領域４とした。これらの単位領域について分類を行ったところ、単位領域３および４ともに凝集と分類される。これらの分類結果から、当該血清はＢ型由来ヒト血球と反応し、凝集したと判定する。
Example 1
Aggregation determination was performed using the current blood transfusion tester PK7300 manufactured by Olympus. Human serum is added to the microplate, human blood cells derived from type B are added thereto, reacted with the apparatus, and then agglutination is determined. The obtained image is divided into eight as shown in FIG. 1A, and the
例２
１．実験の背景および目的
血液検査や感染症検査を目的としたオリンパス社製の現行輸血検査装置ＰＫ７３００は、業界トップの高速処理、独自開発マイクロプレートによる検査の完全自動化、各分析ステップでのプロトコル確認機能の充実を実現している。現在、各国の赤十字血液センターで使用されており、世界の献血用血液検査の８０％がこの装置によるものである。
Example 2
1. Background and purpose of the experiment Olympus's current blood transfusion testing device PK7300 for blood testing and infectious disease testing is the industry's fastest processing, fully automated testing using a proprietary microplate, and protocol confirmation function at each analysis step Has been fulfilled. Currently, it is used at the Red Cross Blood Centers in various countries, and 80% of blood tests for blood donation worldwide are based on this device.
現行機種での血液検査における検査の判定は、非検査者から採取した血液と試薬との反応後の凝集像パターンを画像処理することで行っている。本実施例ではこの血液検査における凝集像パターンに対し、ＭＴシステムの適用を試みた。 The determination of the test in the blood test in the current model is performed by performing image processing on the aggregate image pattern after the reaction between the blood collected from the non-tester and the reagent. In this example, an attempt was made to apply the MT system to the aggregated image pattern in this blood test.
２．技術対象
試薬と反応した血液の凝集パターンがどの様に現れたかを図１０に示す。血液と試薬がマイクロプレートのウェル内で反応して凝集すると、ウェルのテラスに凝集が引っかかり、図１０（Ｂ）に示すような全体に均一な像となる。これを凝集像と呼ぶ。凝集が出来なかった場合、テラス斜面を血球が滑り落ち、図１０（Ａ）に示すようなウェルの中心に血球が集まった像となる。これを非凝集像と呼ぶ。
2. Technical Object FIG. 10 shows how the blood agglutination pattern reacted with the reagent. When blood and reagent react and aggregate in the wells of the microplate, the aggregation is caught on the terraces of the wells, resulting in a uniform image as shown in FIG. This is called an aggregate image. When aggregation is not possible, blood cells slide down on the terrace slope, resulting in an image in which blood cells gather at the center of the well as shown in FIG. This is called a non-aggregated image.
また、反応が中間レベルにある弱凝集像も存在する。本輸血検査装置では、このような凝集パターンの違いを利用して感染症における陰性・陽性および血液型の判定を行っている。図１０（Ａ）および（Ｂ）にウェルの上部に取り付けたＣＣＤカメラで取得した典型的な凝集像および非凝集像が観察された。 There are also weak aggregated images where the reaction is at an intermediate level. In this blood transfusion test apparatus, negative / positive and blood type determination in infectious diseases are performed using such a difference in aggregation pattern. In FIGS. 10A and 10B, typical aggregated images and non-aggregated images obtained with a CCD camera attached to the top of the well were observed.
血液凝集像にはこのような典型例の他、図１１（Ａ）に示すような「ボタ落ち」、図１１（Ｂ）に示すような「乳ビ」、図１１（Ｃ）に示すような「異物」、図１１（Ｄ）に示すような「崩れ」といった様々な異常像が観察された。このような異常像もその種類に応じて正確に自動判定できることが望まれている。 In addition to this typical example, the blood agglutination image has “bottom drop” as shown in FIG. 11A, “milk” as shown in FIG. 11B, and as shown in FIG. 11C. Various abnormal images such as “foreign matter” and “disintegration” as shown in FIG. 11D were observed. It is desired that such an abnormal image can be automatically and accurately determined according to its type.
３．評価方法
３−１判定方法の概念
２．で示した技術対象について、本実施例のような血液凝集像には基準空間が２つあると考えた。１つは血液と試薬が反応し、凝集像がウェル内で均一に広がった典型的な凝集像であり、もう１つは血液と試薬が全く反応せず、ウェルの中心に血球がたまった典型的な非凝集像である。そこで本実施例ではＭＴシステムの各手法のうち、標準ＳＮ比を用いるＴ法（即ち、ＲＳ法またはＲＴ法）の適用を試みた。
3. 1. Concept of evaluation method 3-1 determination method For the technical object shown in Fig. 1, it was considered that there are two reference spaces in the blood agglutination image as in this example. One is a typical aggregate image in which blood and reagent have reacted and the aggregated image has spread uniformly in the well. The other is a typical image in which blood and reagent have not reacted at all, and blood cells have accumulated in the center of the well. This is a typical non-aggregated image. Therefore, in this embodiment, application of the T method (that is, the RS method or the RT method) using the standard S / N ratio among the methods of the MT system was attempted.
凝集パターンの判定は、判定したい画像について２つの基準空間からのマハラノビス距離を計算し、その２つのマハラノビス距離の関係を利用することにした。 For the determination of the aggregation pattern, the Mahalanobis distance from the two reference spaces is calculated for the image to be determined, and the relationship between the two Mahalanobis distances is used.
判定方法の概念を図８に示す。２つの基準空間をそれぞれ、
第一の基準空間：典型的な非凝集像の集団
第二の基準空間：典型的な凝集像の集団
と定義した。よって第一の基準空間からマハラノビス距離が近く、第二の基準空間からマハラノビス距離が遠ければ非凝集像、第一の基準空間からマハラノビス距離が遠く、第二の基準空間からマハラノビス距離が近ければ凝集像と判定できる。
The concept of the determination method is shown in FIG. Each of the two reference spaces
First reference space: typical non-aggregated population of images Second reference space: defined as a typical aggregated population. Therefore, if the Mahalanobis distance is close to the first reference space and the Mahalanobis distance is far from the second reference space, the non-aggregated image is obtained. It can be determined as an image.
３−２計算方法
３−１で述べた２つの基準空間のために、それぞれグレースケール(256階調)に変換した１４０×１４０ｐｉｃの画像５０枚を用意した。計算に用いる領域は、円状のウェルに内接する領域の７５×７５ｐｉｃとした。
3-2 Calculation Method For the two reference spaces described in 3-1, 50 images of 140 × 140 pic converted to gray scale (256 gradations) were prepared. The region used for the calculation was 75 × 75 pic of the region inscribed in the circular well.
計算は以下の手順で行った。 The calculation was performed according to the following procedure.
（１）基準空間内の画像それぞれについて、図１４のように定めた７５×７５＝５６２５画素の輝度値を図１５Ｂのように並び替え、画素毎の平均値Ｍと画像毎の線形式Ｌを求めた。 (1) For each image in the reference space, the luminance values of 75 × 75 = 5625 pixels determined as shown in FIG. 14 are rearranged as shown in FIG. 15B, and the average value M for each pixel and the line format L for each image are changed. Asked.
（２）基準空間内の画像に対して、標準ＳＮ比ηと感度βから統計量Ｙ１、Ｙ２を算出した。 (2) The statistics Y 1 and Y 2 were calculated from the standard SN ratio η and sensitivity β for the image in the reference space.
（３）（２）で算出したＹ１、Ｙ２の平均値ｍ１、ｍ２を求め、基準空間の画像におけるマハラノビス距離Ｄと、基準空間外の画像におけるマハラノビス距離Ｄを算出した。 (3) The average values m 1 and m 2 of Y 1 and Y 2 calculated in (2) were obtained, and the Mahalanobis distance D in the image in the reference space and the Mahalanobis distance D in the image outside the reference space were calculated.
４．結果
２つの基準空間からの基準空間内の凝集像と非凝集像のマハラノビス距離を図３０（Ａ）に、また２つの基準空間からの基準空間外の凝集像と非凝集像、およびその他様々な異常像のマハラノビス距離の一部を図３０（Ｂ）に示した。
4). Results FIG. 30 (A) shows the Mahalanobis distance between the aggregated and non-aggregated images in the reference space from the two reference spaces, and the aggregated and non-aggregated images outside the reference space from the two reference spaces, and various other types. A part of the Mahalanobis distance of the abnormal image is shown in FIG.
ここで２つのマハラノビス距離の関係により凝集像および非凝集像並びにそれ以外の様々な異常像を判定できるかどうか調べるため、図３２に示すように第一の基準空間および第二の基準空間からのマハラノビス距離をそれぞれ縦軸および横軸にプロットし、２次元の分布で表した。 Here, in order to investigate whether or not the aggregated image and the non-aggregated image and various other abnormal images can be determined by the relationship between the two Mahalanobis distances, as shown in FIG. The Mahalanobis distance was plotted on the vertical and horizontal axes, respectively, and represented by a two-dimensional distribution.
先ず、基準空間に使用した画像５０データの分布を図３２に示した。基準空間に関してはそれぞれに重なりはなく独立に分布していた。
First, the distribution of the
基準空間外の凝集像と非凝集像、および弱凝集像の分布を重ねたグラフを図３３に示した。基準空間外の凝集像および非凝集像は像内部に気泡が混入したもの等、典型例ではないが、凝集像または非凝集像と判定したい画像である。一方、弱凝集像は反応が中間状態であるから、凝集像と非凝集像の中間に分布させたい像である。図３３より、基準空間外の像は概ね基準空間内のデータと重なっているが、一部基準空間とは大きく離れているデータが存在した。これらの像を調べたところ、典型例に近い画像ほど基準空間の分布に近く、気泡混入などのデータは基準空間から離れた分布となっていることがわかった。また、弱凝集像は、各基準空間からのマハラノビス距離とほぼ相関しており、典型的な凝集像および非凝集像が分布する両領域の中間領域に分布し、且つ凝集の強さに応じて連続的に分布していた。このことから、凝集反応が中間状態であるような凝集パターンについても、段階的に複数の中間的な閾値を設け、各々の閾値をマハラノビス距離と比較することによって判定結果も細分化できることが示唆された。段階的な閾値の個数と数値は、実施者等が表示画面等で確認しながら適宜の入力手段を用いて入力することにより設定できる。このように、従来ではその都度に細分化したい各画像に独特な判定用アルゴリズムを試行錯誤して決定する手間が必要であったが、本発明により基準空間から得られた閾値を段階的に分けるだけで簡単に中間画像を判定できる判定方法および装置を提供できる。 A graph in which the distribution of the aggregated image, the non-aggregated image, and the weakly aggregated image outside the reference space is superimposed is shown in FIG. The agglomerated image and the non-aggregated image outside the reference space are not typical examples, such as those in which bubbles are mixed inside the image, but are images that are to be determined as an agglomerated image or a non-aggregated image. On the other hand, the weakly aggregated image is an image to be distributed between the aggregated image and the non-aggregated image because the reaction is in an intermediate state. From FIG. 33, the image outside the reference space generally overlaps the data in the reference space, but there is data that is partly separated from the reference space. As a result of examining these images, it was found that the image closer to the typical example is closer to the distribution in the reference space, and the data such as the mixing of bubbles is far from the reference space. In addition, the weak aggregated image is substantially correlated with the Mahalanobis distance from each reference space, and is distributed in the middle region between both regions where typical aggregated images and non-aggregated images are distributed, and depending on the intensity of aggregation. It was distributed continuously. This suggests that even for an aggregation pattern in which the aggregation reaction is in an intermediate state, a plurality of intermediate threshold values are provided in stages, and each threshold value is compared with the Mahalanobis distance, so that the determination result can be further subdivided. It was. The number and numerical values of the stepwise threshold values can be set by inputting them using appropriate input means while confirming on the display screen or the like by the practitioner or the like. As described above, conventionally, it has been necessary to try and determine a unique determination algorithm for each image to be subdivided each time, but the threshold values obtained from the reference space according to the present invention are divided step by step. Thus, it is possible to provide a determination method and apparatus that can easily determine an intermediate image.
次に様々な異常像の分布を重ねたグラフを図３４に示した。それぞれの像が凝集像または非凝集像と重ならず独立して分布することを期待したが、結果として基準空間外の凝集像または非凝集像と重なりがあり、独立に判定することは難しいことが分かった。 Next, a graph in which the distribution of various abnormal images is superimposed is shown in FIG. It was expected that each image would be distributed independently without overlapping with the aggregated image or non-aggregated image, but as a result there was an overlap with the aggregated image or non-aggregated image outside the reference space, and it was difficult to judge independently. I understood.
以上の検討から、２つの基準空間からのマハラノビス距離の分布に対し、ある閾値を持って凝集像、非凝集像およびそれ以外という判定が可能であることが分かった。 From the above examination, it was found that the aggregated image, the non-aggregated image, and the other can be determined with a certain threshold with respect to the distribution of the Mahalanobis distance from the two reference spaces.
例３
計算に用いる領域を図１４に示すように、ウェル内部の領域７５×７５ｐｉｃを第一の領域とし、更に第二の領域としてウェル内部の領域４５×４５ｐｉｃを選択し、例２と同様な解析を行った。その結果を図３５に示す。
Example 3
As shown in FIG. 14, the region used for the calculation is the
凝集像、非凝集像および弱凝集像に関して７５×７５ｐｉｃの検討と同様な分布を示した。また様々な異常像のうち、「ボタ落ち」および「異物」は独立して分布しており、７５×７５ｐｉｃでの検討と比較してより好ましい結果が得られた。 The aggregated image, the non-aggregated image, and the weakly aggregated image showed a distribution similar to the 75 × 75 pic examination. In addition, among various abnormal images, “bottom drop” and “foreign matter” are distributed independently, and a more preferable result was obtained as compared with the examination with 75 × 75 pic.
このことから、各単位領域の面積を相違させることにより、異常像も分類できる可能性が示唆された。特に、この例３のように、第一の領域よりも第二の領域の面積を小さくすれば、第一の領域に多く現れる異常像を分離できるとみられ、凝集と非凝集に関する判定以外にも異常像の有無や分類結果を追加したり、異常像に関する凝集パターンを判定から除外（または判定保留）したりするような装置上の対応も可能となると期待される。単位領域の面積を変更する方法としては、入力手段を介して単位領域の設定数を増加（例えば、領域の細分化、若しくは未設定領域の設定追加による面積の縮小化など）または削減（例えば、領域の融合、若しくは既存領域の削除による面積の拡大化など）することによって、実行させることが出来る。 From this, it was suggested that abnormal images could be classified by changing the area of each unit region. In particular, as shown in Example 3, if the area of the second region is made smaller than that of the first region, abnormal images appearing more often in the first region can be separated. It is expected that it is possible to respond on the apparatus such as adding the presence / absence of an abnormal image and the classification result, or excluding the aggregation pattern related to the abnormal image from the determination (or the determination suspension). As a method of changing the area of the unit area, the number of unit areas set via the input means is increased (for example, the area is subdivided or the area is reduced by adding an unset area setting) or reduced (for example, It can be executed by merging the areas or expanding the area by deleting the existing areas).
このように、従来では、その都度に細分化したい各画像に独特な判定用アルゴリズムを試行錯誤して決定する手間が必要であったが、本発明により基準空間に対する単位領域を変更するだけで簡単に異常画像を判定できる判定方法および装置を提供できる。 As described above, conventionally, it is necessary to make trial and error to determine a unique judgment algorithm for each image to be subdivided each time. However, according to the present invention, it is simple to change the unit area for the reference space. It is possible to provide a determination method and apparatus capable of determining an abnormal image.
なお、この例３を他の観点から見ると、中間画像の分類能力の向上にも寄与している。即ち、単位領域の面積を変更（この例では、典型的な非凝集画像に相当する第一の基準空間に特有の画像部分に絞り込むように単位領域の面積を縮小）したことにより、図３１に示されるように中間画像に関するデータが凝集と非凝集との間でほぼ直線状に収束するような分布とすることができる。 In addition, when Example 3 is viewed from another point of view, it also contributes to an improvement in the ability to classify intermediate images. That is, by changing the area of the unit area (in this example, the area of the unit area is reduced so as to narrow down to an image part specific to the first reference space corresponding to a typical non-aggregated image), FIG. As shown in the drawing, it is possible to obtain a distribution in which the data relating to the intermediate image converges substantially linearly between aggregation and non-aggregation.
例４
上述の例２および例３では、マハラノビス距離を算出するためにＭＴＡ法を用いた。また、同様にＭＴ法を用いてマハラノビス距離を算出し、画像を判定した結果、ＭＴＡ法と同様に画像を判定することができた。
Example 4
In Examples 2 and 3 described above, the MTA method was used to calculate the Mahalanobis distance. Similarly, the Mahalanobis distance was calculated using the MT method, and the image was determined. As a result, the image could be determined in the same manner as the MTA method.
例５
本発明の方法においてカラム凝集技術（一般的には「ＣＡＴ」とも称される）を使用することが可能である。
Example 5
It is possible to use column agglomeration techniques (commonly referred to as “CAT”) in the methods of the present invention.
当該凝集試験方法は、免疫学的検定のために濾過を使用して非反応性成分から凝集粒子を分離する方法である。この方法では、例えば、抗ＩｇＧなどの試薬と共に、ゲルまたはガラスビーズ微粒子をマイクロカラムに収容されている容器が使用される。そのような例を図３６（Ａ）に示す。図３６（Ａ）のマイクロカラムは複数のカラムを具備するマイクロカラムである。それぞれのカラムにはゲルまたはガラスビーズ微粒子を含む。このようなマイクロカラムは遠心分離することにより、図３６（Ａ）のように反応強度が粒子の分布に現れる。最も左のカラムが典型的な凝集像で、ゲル上部に凝集塊が位置する。最も右のカラムが典型的な非凝集像でゲル底部に血球粒子が集まる。 The agglutination test method is a method of separating aggregated particles from non-reactive components using filtration for immunoassay. In this method, for example, a container in which gel or glass bead fine particles are housed in a microcolumn together with a reagent such as anti-IgG is used. Such an example is shown in FIG. The microcolumn in FIG. 36A is a microcolumn including a plurality of columns. Each column contains gel or glass bead microparticles. By centrifuging such a microcolumn, the reaction intensity appears in the particle distribution as shown in FIG. The leftmost column is a typical aggregate image, and the aggregate is located at the top of the gel. The rightmost column is a typical non-aggregated image, and blood cell particles gather at the bottom of the gel.
このようなマイクロカラムに具備されるカラムの１つを用いてさらに説明する。図３６（Ｂ）を参照されたい。 Further description will be given using one of the columns included in such a microcolumn. Refer to FIG.
赤血球または結合剤を伴う粒子がカラムの上の反応室に配置され、遠心分離中、血球または粒子は試薬３６６とカラム中で混合される。この際、カラム中で反応が発生すると、血球の一部またはすべてが凝集し、それらが遠心分離後にビーズ領域に捕らえられる。これに対して反応が発生しない場合には、非凝集血球は遠心力によってカラムの底部に移動する。反応結果は、遠心分離後に得られる当該マイクロカラム中の粒子の分布によって判定できる。例えば、結果は、反応発生の有無や、反応が生じた場合にはその反応の強度が視覚的に観察することが出来る。
Particles with red blood cells or binder are placed in a reaction chamber above the column, and during centrifugation, blood cells or particles are mixed with
図３６（Ｂ）にマイクロカラムに具備される１つのカラムを示す。当該カラム３６０には、３６１〜３６３の範囲にゲルが充填されており、ゲルの隙間を通過できる大ききの粒子は、カラムを遠心すると底部３６５に移動する。従って、強い凝集が生じた場合には、凝集塊は、当該ゲルの上部３６４の領域に留まる。凝集の強さに応じて、第一のゲル３６１、第二のゲル３６２、第三のゲル３６３の何れかの箇所、またはその組み合わせの位置に留まる。凝集が生じない場合には、底部３６５に粒子は移動する。
FIG. 36B illustrates one column included in the microcolumn. The
従って、このような反応容器において行った凝集反応の結果については次のように単位領域を設定し、上述した方法に従って本発明に従う方法を実行することが可能である。 Therefore, with respect to the result of the agglutination reaction performed in such a reaction vessel, it is possible to set a unit region as follows and execute the method according to the present invention according to the method described above.
即ち、例えば、第一の領域を第一のゲル３６１と第二のゲル３６２を合わせた部分とし、第二の領域を第三のゲル３６３の部分として設定する。そのような設定以外は、上述の例１または例２と同様に画像を得て、統計量を抽出し、必要な距離を算出することにより、ＭＴ法またはＭＴＡ法により画像を判定することができる。
That is, for example, the first region is set as a portion where the
また、上述の例では単位領域を２つとした例を示したが、３つ以上の領域としてもよく、また、１つの領域としてもよく、或いは、第一の領域と第二の領域の設定を変更してもよい。また、このような分析のための容器は、複数のマイクロカラムを具備するカード型マイクロカラムであってもよく、また、それぞれのカラムの底面は平面、Ｕ字およびＶ字の何れであってもよい。 In the above example, two unit areas are shown. However, three or more areas may be used, one area may be set, or the first area and the second area may be set. It may be changed. Further, the container for such analysis may be a card type microcolumn having a plurality of microcolumns, and the bottom surface of each column may be any one of a plane, a U-shape and a V-shape. Good.
例６
前記例５の応用を示す。図３６（Ｂ）を参照されたい。図３６（Ｂ）において、第一のゲルの領域３６１、第二のゲルの領域３６２、第三のゲルの領域３６３および第一から第三のゲルの領域を合わせた第四の領域の単位領域を設定し、第一〜第三の領域３６１〜３６３の各々のマハラノビス距離が所定の閾値の範囲であれば、正常な判定像と判断し、第四の領域のマハラノビス距離にて凝集、非凝集の判定をする。第一〜第三の領域３６１〜３６３の各々のマハラノビス距離が所定の閾値の範囲外であれば、異常な反応像として判定保留とする。
Example 6
The application of Example 5 is shown. Refer to FIG. In FIG. 36B, a unit region of a fourth region in which the
時間変化する反応像を経過観察する場合には、時間毎に異なる分割領域および／または閾値を設けることによって、泡等の異物を早期に除外したり、別の分割領域に変更するようにして、判定の精度を高めてもよい。また、反応早期の判定像から異常像や反応結果を検出するようにして、判定効率を向上するようにしてもよい。 When observing time-varying reaction images, by setting different divided regions and / or thresholds for each time, foreign matters such as bubbles are removed early, or changed to another divided region, The accuracy of the determination may be increased. Further, the determination efficiency may be improved by detecting an abnormal image or a reaction result from the determination image at an early stage of the reaction.
６１．システム ６２．分析部 ６３．撮像部 ６４．判定部 ６５．出力部
６６．制御部 ６７．登録部 ６８．領域設定部 ７０．装置 ７１．データ処理部 ７２．画像取得部 ９１．マイクロプレート ９２．ウェル ９３．テラス １３１．電源 １３２．光源 １３３．レンズ群 １３４．受光器 １３５．受光データ処理回路 １３６、１４９．データ処理部 １３７．マイクロプレート移送機構 １３８、１４０．入力部 １３９、１４１．表示部 １４２．蛍光灯電源 １４３．蛍光灯 １４５．撮像手段 １４６．画像処理回路
61.
66.
Claims (50)
（１）当該判定対象画像を分割すること、
（２）（１）の分割により得られた領域から複数の単位領域を選択し、選択された単位領域毎に画像パターンの分類を行うこと、および
（３）（２）の結果から当該判定対象画像について画像パターンを判定すること、
を具備する方法。 A method of determining an image pattern of a determination target image,
(1) dividing the determination target image;
(2) selecting a plurality of unit areas from the areas obtained by the division of (1), classifying the image patterns for each selected unit area, and (3) the determination target from the result of (2) Determining an image pattern for an image;
A method comprising:
（Ａ）典型パターンを示す画像を分割し基本領域を得ること、および
（Ｂ）（Ａ）で得られた基本領域から基準空間を設定し、これについてマハラノビス距離を求めること、
を具備し、並びに
前記選択された単位領域毎に画像パターンの分類を行うことが、選択された前記単位領域について当該基準空間からのマハラノビス距離を求めることにより行われることを特徴とする方法。 The method according to any one of claims 1 to 4, wherein the method further comprises:
(A) dividing an image showing a typical pattern to obtain a basic region; (B) setting a reference space from the basic region obtained in (A) and obtaining a Mahalanobis distance for this;
And classifying the image pattern for each of the selected unit areas is performed by obtaining a Mahalanobis distance from the reference space for the selected unit area.
（Ａ）典型パターンを示す画像を分割して基本領域を得ること、
（Ｂ）（Ａ）で得られた基本領域から基準空間を設定し、特徴量を抽出すること、
（Ｃ）（Ｂ）で得られた特徴量より、当該基準空間についてマハラノビス距離を求めること
を具備し、並びに
前記選択された単位領域毎に画像パターンの分類を行うことが、選択された当該単位領域について特徴量を抽出し、その特徴量より単位領域について基準空間からのマハラノビス距離を求め、基準空間からのマハラノビス距離と比較することにより行われることを特徴する方法。 The method according to any one of claims 1 to 4, wherein the method further comprises:
(A) Dividing an image showing a typical pattern to obtain a basic region;
(B) setting a reference space from the basic region obtained in (A) and extracting a feature amount;
(C) obtaining the Mahalanobis distance for the reference space from the feature quantity obtained in (B), and classifying the image pattern for each of the selected unit areas A method comprising: extracting a feature amount from a region, obtaining a Mahalanobis distance from a reference space for a unit region from the feature amount, and comparing the Mahalanobis distance from the reference space.
前記（Ａ）の典型パターンから得られる基本領域が第一の基本領域と第二の基本領域を含み、前記（Ｂ）におけるマハラノビス距離を求めることが、第一の基本領域から第一の基準空間が設定され、第二の基本領域から第二の基準空間が設定され、第一の基準空間から第一の特徴量が、第二の基準空間から第二の特徴量が抽出され、第一の特徴量から第一のマハラノビス距離が求められ、第二の特徴量から第二のマハラノビス距離が求められることにより行われ、
ここで、前記第一の基本領域と第二の基本領域の面積は互いに異なり、当該測定対象画像から選択される単位領域が第一の単位領域と第二の単位領域を含み、
前記画像パターンの分類を行うことが、第一の単位領域について第一の基準空間からのマハラノビス距離が求められ、第二の単位領域について第二の基準空間からのマハラノビス距離が求められ、その結果を基本領域についてのマハラノビス距離と比較することにより判定対象画像についての画像パターンが決定されることにより行われることを特徴とする方法。 The method of claim 6, comprising:
The basic area obtained from the typical pattern of (A) includes a first basic area and a second basic area, and the Mahalanobis distance in (B) is calculated from the first basic area to the first reference space. Is set, the second reference space is set from the second basic area, the first feature value is extracted from the first reference space, the second feature value is extracted from the second reference space, The first Mahalanobis distance is obtained from the feature amount, and the second Mahalanobis distance is obtained from the second feature amount.
Here, the areas of the first basic region and the second basic region are different from each other, and the unit region selected from the measurement target image includes the first unit region and the second unit region,
The classification of the image patterns is performed by obtaining a Mahalanobis distance from the first reference space for the first unit region, and obtaining a Mahalanobis distance from the second reference space for the second unit region, and the result. The method is performed by determining an image pattern for the determination target image by comparing the value with the Mahalanobis distance for the basic region.
前記第一の基本領域が、第三の基本領域と第四の基本領域を含み、および第二の基準領域が第五の基本領域と第六の基本領域と含み、１つの判定対象画像から第一の単位領域と第二の単位領域が選択され、
当該判定対象画像についての画像パターンの分類が、当該判定対象画像の第一の単位領域と第三の基本領域との関係、当該判定対象画像の第一の単位領域と第五の基本領域との関係、当該判定対象画像の第二の単位領域と第四の基本領域との関係、当該判定対象画像の第二の単位領域と第六の基準領域との関係を求めることにより行われることを特徴とする方法。 The method of claim 6, comprising:
The first basic area includes a third basic area and a fourth basic area, and the second reference area includes a fifth basic area and a sixth basic area. One unit area and second unit area are selected,
The classification of the image pattern for the determination target image is the relationship between the first unit region and the third basic region of the determination target image, and the first unit region and the fifth basic region of the determination target image. It is performed by determining the relationship, the relationship between the second unit region of the determination target image and the fourth basic region, and the relationship between the second unit region of the determination target image and the sixth reference region. And how to.
（ａ）第一の基準空間のための非凝集像の画像と、第二の基準空間のための凝集像の画像を選択すること、
（ｂ）（ａ）で得られた第一の基準空間のための画像を分割して第一の基本領域を求めること、第二の基準空間のための画像を分割して第二の基本領域を求めること、
（ｃ）前記設定された第一の基本領域と第二の基本領域について統計量を抽出すること、
（ｄ）第一の基準空間の第一の基本領域の統計量から第一の基準空間の第一のマハラノビス距離を求め、第二の基準空間の第二の基本領域の統計量から第二の基準空間に関する第二のマハラノビス距離を求めること、
を具備し、
前記画像パターンの分類を行うことが、当該選択された単位領域について、第一の基準空間からのマハラノビス距離と第二の基準空間からのマハラノビス距離を求めることにより行われることを特徴とする方法。 The method according to any one of claims 1 to 4, wherein the method further comprises:
(A) selecting a non-aggregated image for the first reference space and an aggregated image for the second reference space;
(B) Dividing the image for the first reference space obtained in (a) to obtain the first basic area, dividing the image for the second reference space to obtain the second basic area Seeking
(C) extracting statistics about the set first basic region and second basic region;
(D) The first Mahalanobis distance of the first reference space is determined from the statistics of the first basic area of the first reference space, and the second of the statistics of the second basic area of the second reference space Obtaining a second Mahalanobis distance for the reference space;
Comprising
The method of classifying the image pattern is to determine the Mahalanobis distance from the first reference space and the Mahalanobis distance from the second reference space for the selected unit region.
当該判定対象画像を分割して単位領域を選択すること、前記選択された領域毎に画像パターンを分類すること、および前記分類により得られた結果から画像パターンを判定することを行うデータ処理部と、
前記データ処理部に送信するための前記判定対象画像を取得するための画像取得部と、
を具備する自動判定装置。 An automatic determination device for determining an image pattern of a determination target image,
A data processing unit that divides the determination target image to select a unit area, classifies an image pattern for each selected area, and determines an image pattern from a result obtained by the classification; ,
An image acquisition unit for acquiring the determination target image for transmission to the data processing unit;
An automatic determination device comprising:
判定対象画像を分割して単位領域を設定すること、前記設定された当該単位領域から少なくとも１を選択すること、選択された領域毎に画像パターンを分類すること、および前記分類により得られた結果から画像パターンを判定することを行うデータ処理手段、
並びに
前記データ処理部に送信するための前記判定対象の反応画像を取得するための画像取得手段、
として機能させるための画像判定プログラム。 In order to determine the image pattern in the image to be determined formed in the reaction vessel, a computer,
Dividing the determination target image to set a unit area, selecting at least one from the set unit area, classifying an image pattern for each selected area, and a result obtained by the classification Data processing means for determining an image pattern from
And an image acquisition means for acquiring the determination target reaction image for transmission to the data processing unit,
Image determination program for functioning as
１以上の典型的な非凝集像に対応する第一の基準空間と、１以上の典型的な凝集像に対応する第二の基準空間から求められるマハラノビス距離に基づく、記憶された判定基準に基づき判定を行うデータ処理手段、
判定対象画像を取得して、取得された当該判定対象画像を前記データ処理手段に送信する画像取得手段、
前記判定対象画像を分割して単位領域を設定すること、前記設定された当該単位領域から少なくとも１を選択するデータ処理手段、
前記データ手段により得られた単位領域からマハラノビス距離を演算するデータ処理手段、および
前記判定基準と前記判定対象画像からのマハラノビス距離を比較することにより、前記判定対象画像の凝集パターンを判定するデータ処理手段、
として機能させるための凝集パターン判定プログラム。 A computer to determine the agglomeration pattern formed in the reaction vessel,
Based on a stored criterion based on a Mahalanobis distance determined from a first reference space corresponding to one or more typical non-aggregated images and a second reference space corresponding to one or more typical aggregated images. Data processing means for performing the determination,
An image acquisition means for acquiring a determination target image and transmitting the acquired determination target image to the data processing means;
Dividing the determination target image and setting a unit area; data processing means for selecting at least one from the set unit area;
Data processing means for calculating the Mahalanobis distance from the unit area obtained by the data means, and data processing for determining the aggregation pattern of the determination target image by comparing the Mahalanobis distance from the determination criterion and the determination target image means,
Aggregation pattern determination program for functioning as
前記表示手段に表示された画像群に基づいて画像の指定および／または画像数を指定するための入力手段、
として機能させることを特徴とする凝集判定プログラム。 47. The aggregation determination program according to any one of claims 44 to 46, wherein the computer further displays a group of aggregated and non-aggregated images that are candidates for the first and second reference spaces. Means, and input means for designating an image and / or designating the number of images based on an image group displayed on the display means,
An agglomeration determination program characterized by functioning as
判定対象画像を分割して単位領域を設定すること、前記設定された当該単位領域から少なくとも１を選択すること、選択された領域毎に画像パターンを分類すること、および前記分類により得られた結果から画像パターンを判定することを行うデータ処理手段、
並びに
前記データ処理部に送信するための前記判定対象の反応画像を取得するための画像取得手段
を具備するシステム。 A system for determining an image pattern in an image to be determined formed in a reaction container,
Dividing the determination target image to set a unit area, selecting at least one from the set unit area, classifying an image pattern for each selected area, and a result obtained by the classification Data processing means for determining an image pattern from
A system comprising image acquisition means for acquiring the determination target reaction image to be transmitted to the data processing unit.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2008228712A JP5401062B2 (en) | 2008-09-05 | 2008-09-05 | Image pattern determination method, system, apparatus, program, and computer-readable recording medium storing the program |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2008228712A JP5401062B2 (en) | 2008-09-05 | 2008-09-05 | Image pattern determination method, system, apparatus, program, and computer-readable recording medium storing the program |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2010060509A true JP2010060509A (en) | 2010-03-18 |
| JP5401062B2 JP5401062B2 (en) | 2014-01-29 |
Family
ID=42187443
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2008228712A Expired - Fee Related JP5401062B2 (en) | 2008-09-05 | 2008-09-05 | Image pattern determination method, system, apparatus, program, and computer-readable recording medium storing the program |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP5401062B2 (en) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107167616A (en) * | 2017-03-13 | 2017-09-15 | 中国科学院苏州生物医学工程技术研究所 | Blood type testing methods and device |
| JP2018508837A (en) * | 2015-01-22 | 2018-03-29 | イデア・バイオメディカル・リミテッドＩｄｅａ Ｂｉｏｍｅｄｉｃａｌ Ｌｔｄ． | Autofocus method and autofocus device |
| CN113096077A (en) * | 2021-03-25 | 2021-07-09 | 深圳力维智联技术有限公司 | Abnormal proportion detection method, device, equipment and computer readable storage medium |
| CN117570852A (en) * | 2024-01-15 | 2024-02-20 | 钛玛科（北京）工业科技有限公司 | Method, device and equipment for detecting polar lug vertex coordinates |
| RU2814958C2 (en) * | 2019-03-28 | 2024-03-07 | Био-Рад Юроп Гмбх | Device and method for classification of images of reactions in gel cards |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| AU2012364909B2 (en) | 2011-02-15 | 2016-11-24 | Hemosonics, Llc | Characterization of blood hemostasis and oxygen transport parameters |
| US9726647B2 (en) | 2015-03-17 | 2017-08-08 | Hemosonics, Llc | Determining mechanical properties via ultrasound-induced resonance |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS6358237A (en) * | 1986-08-29 | 1988-03-14 | Fujirebio Inc | Particle aggregation deciding device |
| JP2002310896A (en) * | 2001-04-19 | 2002-10-23 | Mitsubishi Heavy Ind Ltd | Road surface condition discriminating device and road surface condition discriminating method |
| JP2002312762A (en) * | 2001-04-12 | 2002-10-25 | Seirei Ind Co Ltd | Grain sorting apparatus utilizing neural network |
| JP2005003474A (en) * | 2003-06-11 | 2005-01-06 | Seiko Epson Corp | Method, apparatus and program for evaluating color display panel |
| JP2005283376A (en) * | 2004-03-30 | 2005-10-13 | Sysmex Corp | Method and program for displaying specimen image |
| JP2005535892A (en) * | 2002-08-15 | 2005-11-24 | キネティック リミテッド | Histological assessment |
| JP2006338191A (en) * | 2005-05-31 | 2006-12-14 | Olympus Corp | Image processor and domain division program |
| JP2006349431A (en) * | 2005-06-15 | 2006-12-28 | Matsushita Electric Ind Co Ltd | Image processing method and image processing device |
| JP2007504478A (en) * | 2003-06-12 | 2007-03-01 | サイティック コーポレイション | A system for classifying slides using a scatter plot distribution |
| JP2007127657A (en) * | 1995-05-23 | 2007-05-24 | Olympus Corp | Imaging apparatus, imaging method, color classification device, color classification method, and color nonuniformity inspecting device |
| JP2007148894A (en) * | 2005-11-29 | 2007-06-14 | Fuji Electric Retail Systems Co Ltd | Crime prevention apparatus, crime prevention system, and crime prevention program |
-
2008
- 2008-09-05 JP JP2008228712A patent/JP5401062B2/en not_active Expired - Fee Related
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS6358237A (en) * | 1986-08-29 | 1988-03-14 | Fujirebio Inc | Particle aggregation deciding device |
| JP2007127657A (en) * | 1995-05-23 | 2007-05-24 | Olympus Corp | Imaging apparatus, imaging method, color classification device, color classification method, and color nonuniformity inspecting device |
| JP2002312762A (en) * | 2001-04-12 | 2002-10-25 | Seirei Ind Co Ltd | Grain sorting apparatus utilizing neural network |
| JP2002310896A (en) * | 2001-04-19 | 2002-10-23 | Mitsubishi Heavy Ind Ltd | Road surface condition discriminating device and road surface condition discriminating method |
| JP2005535892A (en) * | 2002-08-15 | 2005-11-24 | キネティック リミテッド | Histological assessment |
| JP2005003474A (en) * | 2003-06-11 | 2005-01-06 | Seiko Epson Corp | Method, apparatus and program for evaluating color display panel |
| JP2007504478A (en) * | 2003-06-12 | 2007-03-01 | サイティック コーポレイション | A system for classifying slides using a scatter plot distribution |
| JP2005283376A (en) * | 2004-03-30 | 2005-10-13 | Sysmex Corp | Method and program for displaying specimen image |
| JP2006338191A (en) * | 2005-05-31 | 2006-12-14 | Olympus Corp | Image processor and domain division program |
| JP2006349431A (en) * | 2005-06-15 | 2006-12-28 | Matsushita Electric Ind Co Ltd | Image processing method and image processing device |
| JP2007148894A (en) * | 2005-11-29 | 2007-06-14 | Fuji Electric Retail Systems Co Ltd | Crime prevention apparatus, crime prevention system, and crime prevention program |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2018508837A (en) * | 2015-01-22 | 2018-03-29 | イデア・バイオメディカル・リミテッドＩｄｅａ Ｂｉｏｍｅｄｉｃａｌ Ｌｔｄ． | Autofocus method and autofocus device |
| US10345566B2 (en) | 2015-01-22 | 2019-07-09 | Idea Bio-Medical Ltd. | Method and device for scanning wells in a multi-well plate |
| US11092791B2 (en) | 2015-01-22 | 2021-08-17 | Idea Bio-Medical Ltd. | Method and device for scanning wells in a multi-well plate |
| CN107167616A (en) * | 2017-03-13 | 2017-09-15 | 中国科学院苏州生物医学工程技术研究所 | Blood type testing methods and device |
| CN107167616B (en) * | 2017-03-13 | 2019-06-07 | 中国科学院苏州生物医学工程技术研究所 | Blood type testing methods and device |
| RU2814958C2 (en) * | 2019-03-28 | 2024-03-07 | Био-Рад Юроп Гмбх | Device and method for classification of images of reactions in gel cards |
| CN113096077A (en) * | 2021-03-25 | 2021-07-09 | 深圳力维智联技术有限公司 | Abnormal proportion detection method, device, equipment and computer readable storage medium |
| CN113096077B (en) * | 2021-03-25 | 2024-05-03 | 深圳力维智联技术有限公司 | Abnormal proportion detection method, device, equipment and computer readable storage medium |
| CN117570852A (en) * | 2024-01-15 | 2024-02-20 | 钛玛科（北京）工业科技有限公司 | Method, device and equipment for detecting polar lug vertex coordinates |
| CN117570852B (en) * | 2024-01-15 | 2024-03-26 | 钛玛科（北京）工业科技有限公司 | Method, device and equipment for detecting polar lug vertex coordinates |
Also Published As
| Publication number | Publication date |
|---|---|
| JP5401062B2 (en) | 2014-01-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP5178069B2 (en) | Aggregated image automatic determination method, apparatus, program, and recording medium using MT system | |
| US10430640B2 (en) | System and method for classification of particles in a fluid sample | |
| JP5401062B2 (en) | Image pattern determination method, system, apparatus, program, and computer-readable recording medium storing the program | |
| US11009467B2 (en) | Model-based methods and apparatus for classifying an interferent in specimens | |
| JP4542386B2 (en) | Image display system, image providing apparatus, image display apparatus, and computer program | |
| JP4346923B2 (en) | Target cell automatic search system | |
| EP2280358B1 (en) | A urine work area manager and a urine work area | |
| WO2010143420A1 (en) | Technique for determining the state of a cell mass, image processing program and image processing device using said technique, and method for producing a cell mass | |
| CN101918809B (en) | Method and apparatus for the identification and handling of particles | |
| US10408735B2 (en) | In vitro method for the label-free determination of a cell type of a cell | |
| US5715182A (en) | Device for the classification and examination of particles in fluid | |
| CN103823051A (en) | Method and apparatus for determining red blood cell indices of blood sample by utilizing the intrinsic pigmentation of hemoglobin contained within the red blood cells | |
| JP2010078377A (en) | Sample imaging apparatus | |
| JPH11101797A (en) | Method for detecting abnormal reaction in cassette used in order to classify emagglutination | |
| JPWO2017169770A1 (en) | Cell analysis system | |
| JP2012502266A (en) | Method and apparatus for classification, visualization and search of biological data | |
| EP3715833A1 (en) | Fluorescence image analyzer and fluorescence image analyzing method | |
| JP5201472B2 (en) | Blood cell analyzer, blood cell analysis method and computer program | |
| JP2019052932A (en) | Data analyzer, program and recording medium, and data analysis method | |
| ADDO et al. | Optimizing the determination of blood groups via image processing | |
| JP2024507652A (en) | Assay system calibration system and method |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A711 Effective date: 20100205 |
|
| RD03 | Notification of appointment of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7423 Effective date: 20100225 |
|
| RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20100312 |
|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20110831 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20130305 |
|
| A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20130605 |
|
| A602 | Written permission of extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A602 Effective date: 20130610 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20130905 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20131001 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20131028 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 5401062 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| LAPS | Cancellation because of no payment of annual fees |