JP2010151566A - Particle image analysis method and apparatus - Google Patents

Particle image analysis method and apparatus Download PDF

Info

Publication number
JP2010151566A
JP2010151566A JP2008328994A JP2008328994A JP2010151566A JP 2010151566 A JP2010151566 A JP 2010151566A JP 2008328994 A JP2008328994 A JP 2008328994A JP 2008328994 A JP2008328994 A JP 2008328994A JP 2010151566 A JP2010151566 A JP 2010151566A
Authority
JP
Japan
Prior art keywords
identification algorithm
image analysis
classification
particle
user
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
JP2008328994A
Other languages
Japanese (ja)
Inventor
Osamu Matsumoto
修 松本
Katsunori Iio
勝典 飯尾
Hakuo Owada
伯男 大和田
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hitachi High Tech Corp
Original Assignee
Hitachi High Technologies Corp
Hitachi High Tech Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hitachi High Technologies Corp, Hitachi High Tech Corp filed Critical Hitachi High Technologies Corp
Priority to JP2008328994A priority Critical patent/JP2010151566A/en
Publication of JP2010151566A publication Critical patent/JP2010151566A/en
Pending legal-status Critical Current

Links

Images

Landscapes

  • Investigating Or Analysing Biological Materials (AREA)

Abstract

<P>PROBLEM TO BE SOLVED: To solve the problem of a possible increase of the load on an operator or possible influence on fine classification results depending on the operator's experience, in commonly-used image analysis apparatus, where an operator finely classifies constituents or changes constituent names of the results automatically classified by the apparatus but the classified results may be ambiguous as photographing results of particle images. <P>SOLUTION: The present invention can be achieved by providing a user's identification algorithm which can be updated according to operator's contents of image review in addition to automatic classification by identification algorithm provided in the apparatus and including a means for displaying the classified results by the identification algorithm of the apparatus along with the classified results by the user's identification algorithm. <P>COPYRIGHT: (C)2010,JPO&INPIT

Description

本発明は、粒子が懸濁した液体の撮影画像の解析装置に係り、特に、尿，血液などの生体サンプルの撮影画像の解析装置、及び解析方法に関する。   The present invention relates to an apparatus for analyzing a captured image of a liquid in which particles are suspended, and more particularly, to an apparatus for analyzing a captured image of a biological sample such as urine and blood, and an analysis method.

従来、血液，尿，体液や組織液に存在する細胞を分類，分析するには、スライドガラス上に標本を作製し、顕微鏡で観察している。尿の場合には、尿中の粒子濃度が薄いため、測定試料を予め遠心分離器で遠心濃縮してから観察している。これらの観察や、検査の作業を自動化する装置としては、血液等の試料をスライドガラス上に塗沫したあと顕微鏡にセットし、顕微鏡ステージを自動的に走査させ、粒子の存在する位置で顕微鏡ステージを止めて粒子の静止画像を撮影し、画像処理技術による特徴抽出およびパターン認識手法を用いて試料中に存在する粒子の分類を行うものがある。   Conventionally, in order to classify and analyze cells present in blood, urine, body fluid, and tissue fluid, specimens are prepared on a slide glass and observed with a microscope. In the case of urine, since the concentration of particles in urine is thin, the measurement sample is observed after being concentrated in advance by a centrifugal separator. As a device for automating these observations and inspections, a sample such as blood is smeared on a slide glass, then set on a microscope, the microscope stage is automatically scanned, and the microscope stage is positioned where particles are present. In some cases, a static image of a particle is taken and the particles existing in the sample are classified using a feature extraction and pattern recognition technique based on an image processing technique.

しかし、上記手法は試料をスライドガラス上へ塗沫する標本作製作業や、顕微鏡ステージを機械的に移動しながら粒子を見つけ、粒子を画像取込み領域へ移動させる作業が必要であり、時間がかかる。   However, the above method requires time for preparing a specimen for smearing a sample on a slide glass and finding a particle while moving the microscope stage mechanically and moving the particle to an image capturing area.

検査の省力化を図るため、標本作製作業を必要としない方式として、洗浄剤であるシース液を外層とし、試料液を極めて偏平な流れにするフローセルを用いたフロー方式粒子画像解析装置があり、例えば、特許文献１，特許文献２に開示されている。   In order to save labor for inspection, there is a flow type particle image analyzer using a flow cell that uses a sheath liquid as a cleaning agent as an outer layer and makes the sample liquid flow very flat as a method that does not require sample preparation work. For example, it is disclosed in Patent Document 1 and Patent Document 2.

このフロー方式粒子画像解析装置は、フローセル中を移動する試料を例えばビデオカメラで撮影し、この撮像した静止画像を画像処理することにより、試料中の粒子を分類・計数するものである。   This flow-type particle image analyzer captures a sample moving in a flow cell with a video camera, for example, and performs image processing on the captured still image to classify and count particles in the sample.

また、上述したフロー方式画像解析装置において、撮影した粒子画像を粒子サイズ等により区分けして画面上に表示して、オペレータが粒子を分類する方法が特許文献３に提案されている。   Further, Patent Document 3 proposes a method in which the above-described flow method image analysis apparatus classifies captured particle images according to particle size or the like and displays them on a screen so that an operator can classify particles.

さらに、オペレータが粒子を分類するときに、予め指定した成分の種類のみをレビューする機能を搭載し、レビュー時間の短縮を図る方法が特許文献４に提案されている。   Furthermore, Patent Document 4 proposes a method for reducing the review time by installing a function of reviewing only the types of components designated in advance when the operator classifies particles.

また、特許文献４には、装置が自動分類した結果に対して、オペレータが成分を詳細に分類または成分名称を付け替える細分類作業を行い、それら細分類結果に基づいて自動分類結果を修正する方法が提案されている。   Further, Patent Document 4 discloses a method in which an operator performs a fine classification operation in which components are classified in detail or component names are changed, and an automatic classification result is corrected based on the fine classification results. Has been proposed.

特開昭６３−９４１５６号公報JP 63-94156 A 特開平４−７２５４４号公報JP-A-4-72544 特開昭６０−３８６５３号公報JP 60-38653 A 特開平８−２１０９６１号公報JP-A-8-210961

ところが、特許文献３に記載されたフロー方式粒子画像解析装置においては、撮影した粒子画像の粒子サイズ等により区分けしたが、粒子画像の撮影結果によっては曖昧な分類結果になってしまう課題があった。   However, in the flow-type particle image analysis device described in Patent Document 3, although the classification is performed based on the particle size of the photographed particle image, there is a problem that an ambiguous classification result is obtained depending on the photographing result of the particle image. .

この課題の解決策として、特許文献４には、曖昧な成分に対しては第２候補まで分類結果を出力し、オペレータの目視作業による細分類結果に基づいて自動分類結果の修正をするなど、撮影した画像の曖昧さを補正する方法が提案されている。   As a solution to this problem, Patent Literature 4 outputs classification results up to the second candidate for ambiguous components, corrects the automatic classification results based on the fine classification results by the operator's visual work, etc. A method for correcting the ambiguity of a photographed image has been proposed.

しかし、オペレータによる細分類作業は、成分毎に判断する必要があり効率が悪い。また、成分数が多い場合や経験の浅いオペレータの場合など、細分類を行うべき画像を見落としてしまう危険性もある。   However, the fine classification work by the operator needs to be determined for each component and is inefficient. There is also a risk that an image to be sub-classified may be overlooked when there are many components or an inexperienced operator.

さらに、装置が持つ識別アルゴリズムは、安定した分類ができるように調整しているものの、施設ごとの判断基準の相違などにより、撮影された画像によっては常に細分類作業が必要になる可能性がある。   Furthermore, although the identification algorithm of the device has been adjusted to enable stable classification, depending on the judgment criteria for each facility, etc., it may be necessary to always perform fine classification depending on the photographed image. .

この解決手段として、例えばオペレータによる細分類結果を常に装置が持つ識別アルゴリズムに反映すれば、撮影した画像の細分類を必要とする画像は減ると考えられる。しかし、識別アルゴリズムを更新する手段を備えただけでは、オペレータによる誤った分類結果も識別アルゴリズムに取り込まれてしまい、本来、細分類が必要ではない画像も細分類が必要になるなど更なるレビュー効率の低下や、測定結果の誤報告を引き起こす可能性がある。   As a means for solving this problem, for example, if the result of the fine classification by the operator is always reflected in the identification algorithm of the apparatus, it is considered that the number of images that require fine classification of the captured image is reduced. However, if only the means for updating the identification algorithm is provided, erroneous classification results by the operator are also included in the identification algorithm, and further review efficiency such as images that originally do not require fine classification need to be finely classified. May cause a decrease in measurement results and misreporting of measurement results.

本発明の目的は、成分の細分類作業によるオペレータの負担を軽減し、より正確な結果を迅速に出力できる方法、および装置を提供することにある。   An object of the present invention is to provide a method and an apparatus capable of reducing the burden on an operator due to a component sub-classification operation and outputting a more accurate result quickly.

上記目的を達成するための本発明の構成は以下の通りである。   The configuration of the present invention for achieving the above object is as follows.

生体液中に懸濁している粒子を撮影する撮影機構と、該撮影機構により撮影された画像を画像解析する画像解析機構と、を備えた粒子画像解析装置において、
前記画像解析機構が、解析条件が固定された識別アルゴリズムと、ユーザが解析条件を設定できるユーザ識別アルゴリズムの少なくとも２種類の識別アルゴリズムを有する粒子画像解析装置。 In a particle image analysis apparatus comprising an imaging mechanism for imaging particles suspended in a biological fluid, and an image analysis mechanism for image analysis of an image captured by the imaging mechanism,
A particle image analysis apparatus in which the image analysis mechanism has at least two types of identification algorithms: an identification algorithm in which analysis conditions are fixed, and a user identification algorithm in which a user can set analysis conditions.

生体液とは尿，血液が代表的なものであるが、粒子状成分を含む液体であればどのような生体液であっても本発明は適用できる。尿の場合は、結晶成分などが粒子状成分に対応し、血液の場合は、血球成分などが粒子状成分に対応する。撮影機構はＣＣＤカメラのような二次元画像を電子的に取り込むことが可能なものが代表例であるが、画像を取り込むことができれば、１次元センサーを使用してスキャンすることもでき、またフィルムに画像を取り込む方式のものについても本発明の適用が可能である。画像解析機構は代表的にはコンピュータである。取り込んだ画像情報を処理する為、画像解析プログラムが記憶手段に記憶され、該プログラムを起動して画像情報を解析する。識別アルゴリズムは、取り込んだ画像情報の中から粒子と認識したものの、周囲長，色，形状などの情報を画像処理により算出し、算出結果を予め定めた閾値と比較することにより、予め設定した複数の種類の粒子の中から、最も近いと思われる種類の粒子を特定するプログラムである。この閾値を変更することにより、識別アルゴリズムを変える事ができる。解析条件が固定された識別アルゴリズムとは、装置メーカが作成した標準的な解析条件を備えたプログラムである。これに対し、病院などの施設，オペレータ個人などにより、過去の経験などに基づき、粒子の分類の仕方が異なる場合がある。本発明は、ユーザが解析条件を設定できるユーザ識別アルゴリズムとはこのようにユーザが閾値などを変更できる解析プログラムを解析条件が固定された識別アルゴリズムとは別に有することを特徴とする。   The biological fluid is typically urine or blood, but the present invention can be applied to any biological fluid as long as it contains a particulate component. In the case of urine, the crystal component or the like corresponds to the particulate component, and in the case of blood, the blood cell component or the like corresponds to the particulate component. A typical example of the photographing mechanism is a CCD camera that can electronically capture a two-dimensional image. However, if the image can be captured, it can be scanned using a one-dimensional sensor, or a film. The present invention can also be applied to a system that captures an image. The image analysis mechanism is typically a computer. In order to process the captured image information, an image analysis program is stored in the storage means, and the program is activated to analyze the image information. The identification algorithm recognizes particles from the captured image information, but calculates information such as the perimeter, color, and shape by image processing, and compares the calculation results with a predetermined threshold value. This is a program that identifies the closest type of particles from among the types of particles. By changing this threshold value, the identification algorithm can be changed. An identification algorithm with fixed analysis conditions is a program with standard analysis conditions created by a device manufacturer. On the other hand, depending on the facility such as a hospital, the individual operator, etc., the particle classification method may differ based on past experience. The present invention is characterized in that the user identification algorithm that allows the user to set the analysis condition has an analysis program that allows the user to change the threshold value and the like separately from the identification algorithm in which the analysis condition is fixed.

装置が保持する識別アルゴリズムによって、ユーザの細分類結果に左右されない分類結果を取得でき、さらに、ユーザ用の識別アルゴリズムによって、細分類が必要な画像を自動的に摘出することが可能となる。   A classification result that does not depend on a user's fine classification result can be acquired by the identification algorithm held by the apparatus, and an image that needs fine classification can be automatically extracted by the identification algorithm for the user.

また、上記摘出結果を表示することで、多数の成分画像がある場合でも細分類が必要な画像の見落としを抑制できることから、オペレータの負担を軽減できる。   Further, by displaying the extraction result, it is possible to suppress oversight of an image that requires fine classification even when there are a large number of component images, thereby reducing the burden on the operator.

以下、図面を用いて本発明の実施例を説明する。   Embodiments of the present invention will be described below with reference to the drawings.

図１は本発明の一実施例であるフロー方式粒子画像解析装置のフローセルを中心とした構成図である。このフロー方式粒子画像解析装置は、フローセル１０と、粒子検出部１０３と、画像撮影部１０９で構成される。   FIG. 1 is a configuration diagram centering on a flow cell of a flow-type particle image analyzer according to an embodiment of the present invention. This flow-type particle image analysis apparatus includes a flow cell 10, a particle detection unit 103, and an image photographing unit 109.

サンプルノズル３で吸引した試料２を、あらかじめ染色液１が入っている染色槽４に吐出する。次に、一定時間が経過したら、ダイレクトサンプル機構６のダイレクトサンプルノズル５で上記染色槽４内の染色試料１２を吸引し、フローセル１０に注入する。そのとき、シース液容器７内のシース液８をシリンジ機構９で吸引し染色試料１２を挟み込むようにフローセル１０に注入する。フローセル１０においては試料とシース液の流量比に応じて測定流路の染色試料の厚さを調整する。   The sample 2 sucked by the sample nozzle 3 is discharged to a staining tank 4 in which the staining solution 1 is previously stored. Next, when a certain time has elapsed, the stained sample 12 in the staining tank 4 is sucked by the direct sample nozzle 5 of the direct sample mechanism 6 and injected into the flow cell 10. At that time, the sheath liquid 8 in the sheath liquid container 7 is sucked by the syringe mechanism 9 and injected into the flow cell 10 so as to sandwich the stained sample 12. In the flow cell 10, the thickness of the stained sample in the measurement channel is adjusted according to the flow rate ratio between the sample and the sheath liquid.

レーザ光源１０１から照射されたレーザ光が粒子検出領域１０８を照射し、粒子から得られる散乱光１０２を粒子検出部１０３が受光する。粒子検出部１０３は、粒子の有無を判断する粒子判断論理に従って粒子を検出する。粒子検出部１０３で粒子を検出した情報からフラッシュランプ１０４を発光し、その光束１０５が顕微鏡コンデンサレンズ１０６と顕微鏡対物レンズ１０７を通ることで、フローセル１０中を流れる染色試料１２内の粒子を拡大し、例えばＴＶカメラなどの画像撮影部１０９で、撮影画像１１０として撮影される。   The laser light emitted from the laser light source 101 irradiates the particle detection region 108, and the particle detection unit 103 receives the scattered light 102 obtained from the particles. The particle detector 103 detects particles in accordance with particle determination logic for determining the presence or absence of particles. The flash lamp 104 emits light from the information detected by the particle detector 103, and the luminous flux 105 passes through the microscope condenser lens 106 and the microscope objective lens 107, thereby enlarging the particles in the stained sample 12 flowing in the flow cell 10. The image is captured as a captured image 110 by an image capturing unit 109 such as a TV camera.

撮影画像１１０の撮影後の処理フローについて図２を用いて説明する。まず、画像撮像部１０９で撮影後、撮影画像１１０を成分毎に分ける。これを領域分割という（Ｓtep１）。次に成分毎に番号を付けて区分けする。これをラベリングという（Ｓtep２）。その後、成分毎に大きさや色情報などの特徴パラメータを抽出する（Ｓtep３）。抽出した特徴パラメータを識別アルゴリズムで分類する（Ｓtep４）。分類された成分の画像はレビュー用画像として格納する（Ｓtep５）。   A processing flow after photographing the photographed image 110 will be described with reference to FIG. First, after shooting by the image pickup unit 109, the shot image 110 is divided into components. This is called area division (Step 1). Next, each component is numbered and divided. This is called labeling (Step 2). Thereafter, feature parameters such as size and color information are extracted for each component (Step 3). The extracted feature parameters are classified by an identification algorithm (Step 4). The classified component images are stored as review images (Step 5).

次に、本発明のユーザ用識別アルゴリズムを用いた撮影後の成分の処理フローについて図３を用いて説明する。画像撮影後、Ｓtep１〜Ｓtep３までは図２記載の処理フローと同じ処理を行う。その後、図２に記載のＳtep４に相当する装置の識別アルゴリズムによる分類（Ｓtep４ａ）と共にユーザ用識別アルゴリズムによる分類（Ｓtep４ｂ）を行う。Ｓtep４ａとＳtep４ｂの処理は同時に実行しても、Ｓtep４ａまたはＳtep４ｂを先に実施しても構わない。   Next, a processing flow of components after photographing using the user identification algorithm of the present invention will be described with reference to FIG. After image shooting, Step 1 to Step 3 perform the same processing as the processing flow shown in FIG. Thereafter, the classification (Step 4b) by the identification algorithm for the user is performed together with the classification (Step 4a) by the identification algorithm of the apparatus corresponding to Step 4 shown in FIG. The processing of Step 4a and Step 4b may be executed simultaneously, or Step 4a or Step 4b may be performed first.

次に、ユーザ用識別アルゴリズムで分類した結果の表示について図５を用いて説明する。分類された成分の画像は、赤血球３１１や白血球３１２や扁平上皮３１３のように成分毎に分けて表示される。成分毎の表示として成分画像３０１を表示するが、ユーザ用識別アルゴリズムで分類した成分画像には、ユーザ分類結果有無表示３０２を表示する。   Next, display of results classified by the user identification algorithm will be described with reference to FIG. The classified component images are displayed separately for each component, such as red blood cells 311, white blood cells 312, and squamous epithelium 313. The component image 301 is displayed as the display for each component, but the user classification result presence / absence display 302 is displayed on the component image classified by the user identification algorithm.

ユーザ分類結果有無表示３０２は、ユーザ用識別アルゴリズムが分類した内容を表示することで、オペレータに詳しい情報を提供することができる。   The user classification result presence / absence display 302 can provide detailed information to the operator by displaying the contents classified by the user identification algorithm.

例えば、図６に示すようにユーザ分類結果有無表示３０２は例えばマウスなどのポインティングデバイスのカーソル３０３を近づけることによる重ね合わせ表示などで分類コード３０２ａを表示しても良いし、分類名称３０２ｂを表示しても良い。また、分類コードや分類名称は重ね合わせでなく、別の表示領域３０２ｃに表示しても良い。   For example, as shown in FIG. 6, the user classification result presence / absence display 302 may display the classification code 302a in a superimposed display by bringing the cursor 303 of a pointing device such as a mouse close to each other, or displays a classification name 302b. May be. Further, the classification code and the classification name may be displayed in another display area 302c instead of being superimposed.

ユーザ分類結果有無表示３０２は、図７に示すように画像の周囲を他の画像とは別の色で囲むなどの矩形表示３０２ｄでも良い。   As shown in FIG. 7, the user classification result presence / absence display 302 may be a rectangular display 302d that surrounds an image with a different color from other images.

一般にユーザ分類結果有無表示３０２を持つ画像は、項目毎に表示する中で、項目の先頭など一箇所にまとめて表示する方がオペレータの認識率が上がるが、まとめなくても良い。   In general, an image having the user classification result presence / absence display 302 is displayed for each item, and the operator's recognition rate increases when the images are displayed together in one place such as the head of the item.

ユーザ分類結果有無表示３０２を持つ切出し画像を効率良く細分類するための手段について図８を用いて説明する。   A means for efficiently finely classifying a cutout image having the user classification result presence / absence display 302 will be described with reference to FIG.

通常、測定した検体は、検体リスト５０２のように一覧表示して見ることができる。オペレータが検体リスト５０２から任意の検体を選択するなどのレビュー開始指示をすると、レビュー画面５０３を表示し、検体リスト５０２で選択した検体の詳細な情報を表示する。詳細な情報には、画像の他に項目毎の計算値を一覧表示する結果表示領域５０４がある。   Normally, the measured samples can be displayed as a list as in the sample list 502. When the operator gives an instruction to start a review such as selecting an arbitrary sample from the sample list 502, a review screen 503 is displayed, and detailed information on the sample selected in the sample list 502 is displayed. The detailed information includes a result display area 504 that displays a list of calculated values for each item in addition to the image.

オペレータが検体リスト５０２から検体を選択するとき、その検体がユーザ分類結果有無表示３０２の付いた画像を持つことを示すユーザ分類結果保有記号５０１を検体リスト５０２に表示すれば、画像レビューを優先して行うなどの効果が得られる。   When the operator selects a sample from the sample list 502, a user classification result possession symbol 501 indicating that the sample has an image with the user classification result presence / absence display 302 is displayed on the sample list 502, giving priority to image review. The effect of performing etc. is obtained.

ユーザ分類結果保有記号５０１を結果表示領域５０４にも表示することで、ユーザ分類結果有無表示３０２を持つ項目を重点的に確認することができる。   By displaying the user classification result possession symbol 501 also in the result display area 504, the items having the user classification result presence / absence display 302 can be confirmed with priority.

ユーザ用識別アルゴリズムは、常に有効動作させても良いが、一時的に動作させないことで効果的なレビューのサポートができるようになる場合もある。そのための設定例として、ユーザ用識別アルゴリズムの設定画面例を図９に示す。設定は、ユーザ用識別アルゴリズム分類実施有無設定４０１と、オペレータの分類操作によるユーザ用識別アルゴリズム更新有無設定４０２を持つ。この設定は、どちらか片方だけの設定でも良い。   The user identification algorithm may always be operated effectively, but there may be a case where effective reviews can be supported by temporarily not operating. As a setting example for that purpose, FIG. 9 shows a setting screen example of the user identification algorithm. The setting includes a user identification algorithm classification execution presence / absence setting 401 and a user identification algorithm update presence / absence setting 402 by the operator's classification operation. This setting may be only one of the settings.

オペレータの経験が豊富で、レビュー処理にユーザ用識別アルゴリズムによるサポートが必要でない場合、ユーザ用識別アルゴリズム分類実施有無設定４０１を無効と設定する。また、ユーザ用識別アルゴリズム更新有無設定４０２を有効としておけば、経験豊かなオペレータの分類結果でユーザ用識別アルゴリズムが更新され、効果的である。   If the operator has abundant experience and the review processing does not require support by the user identification algorithm, the user identification algorithm classification execution setting 401 is set to invalid. Further, if the user identification algorithm update presence / absence setting 402 is validated, the user identification algorithm is updated with the result of classification of experienced operators, which is effective.

一方、オペレータの経験が浅く、レビュー処理で誤分類に近い分類をされてしまうことが考えられる場合、ユーザ用識別アルゴリズム更新有無設定４０２を無効と設定する。この設定が無効である間、オペレータによる細分類処理でユーザ用識別アルゴリズムが更新されることはなくなる。   On the other hand, if the operator has little experience and it is considered that the classification is close to an erroneous classification in the review process, the user identification algorithm update presence / absence setting 402 is set to invalid. While this setting is invalid, the user identification algorithm is not updated by the fine classification processing by the operator.

細分類操作によるユーザ用識別アルゴリズムの更新処理フローについて図４を用いて説明する。まず細分類操作で切り取り画像の分類結果を修正する（Ｓtep２０１）。変更した成分があれば、変更した成分の項目を一意に示すＩＤとその個数を登録し（Ｓtep２０２）、測定結果を再計算する（Ｓtep２０３）。ユーザ用識別アルゴリズムの更新を実施する指定があれば、ユーザ用識別アルゴリズムを更新（Ｓtep２０４）し、更新内容を保存する（Ｓtep２０５）。そして、変更した特徴パラメータを保存する（Ｓtep２０６）。   The update processing flow of the user identification algorithm by the fine classification operation will be described with reference to FIG. First, the classification result of the cut image is corrected by the fine classification operation (Step 201). If there is a changed component, an ID uniquely indicating the item of the changed component and the number thereof are registered (Step 202), and the measurement result is recalculated (Step 203). If there is an instruction to update the user identification algorithm, the user identification algorithm is updated (Step 204), and the updated contents are saved (Step 205). Then, the changed feature parameter is saved (Step 206).

ユーザ用識別アルゴリズムの来歴更新について図１０を用いて説明する。   The history update of the user identification algorithm will be described with reference to FIG.

ユーザ用識別アルゴリズムの来歴を記録するための更新記録来歴６０１とユーザ用識別アルゴリズム６１１がある。更新記録来歴６０１の記録媒体の材質や記録方式については規定しない。   There is an update record history 601 and a user identification algorithm 611 for recording the history of the user identification algorithm. The material and recording method of the recording medium of the update recording history 601 are not specified.

次に、来歴更新の例を説明する。例えば、特徴量６１２を入力すると識別結果に分類コードＡを出力するユーザ用識別アルゴリズム６１１に、特徴量６１２と分類コードＢ６１３を入力すると、ユーザ用識別アルゴリズム６１１の判定論理が変更され、特徴量６１２の入力で分類コードＢ６１３を出力するようになる。   Next, an example of history update will be described. For example, if the feature quantity 612 and the classification code B 613 are input to the user identification algorithm 611 that outputs the classification code A as the identification result when the feature quantity 612 is input, the determination logic of the user identification algorithm 611 is changed, and the feature quantity 612 is changed. With this input, the classification code B613 is output.

更新記録来歴６０１は特徴量６１２と、更新前分類コードと更新後分類コードを複数保持するファイルなどの記録媒体で、ユーザ用識別アルゴリズムを更新する毎に記録する領域を変更しながら、更新内容を記録する。   The update record history 601 is a recording medium such as a file that holds a plurality of feature quantities 612, a pre-update classification code and a post-update classification code, and changes the recorded area every time the user identification algorithm is updated. Record.

上記、更新記録来歴６０１にはオペレータの細分類処理内容が記録されているため、オペレータの判断誤りを見つけることができる。分類異常が発生した場合などにその原因を特定することができる。   Since the details of the operator's fine classification process are recorded in the update record history 601, an operator's judgment error can be found. When a classification abnormality occurs, the cause can be identified.

また、更新記録来歴６０１を新しい来歴から順番に取り出し、ユーザ用識別アルゴリズム６１１に入力すると、ユーザ用識別アルゴリズム６１１を更新前の状態に順次戻すことができる。任意の時点のユーザ用識別アルゴリズム６１１に戻し、更新をやり直すことで、ユーザ用識別アルゴリズム６１１の分類精度を上げることができる。   In addition, when the update record history 601 is sequentially extracted from the new history and input to the user identification algorithm 611, the user identification algorithm 611 can be sequentially returned to the state before the update. The classification accuracy of the user identification algorithm 611 can be improved by returning to the user identification algorithm 611 at an arbitrary point in time and updating again.

更新記録来歴６０１を用いたユーザ用識別アルゴリズム６１１の再更新は、記録した更新記録の内、任意の更新記録だけを選択して実施しても良い。   The re-update of the user identification algorithm 611 using the update record history 601 may be performed by selecting only an arbitrary update record among the recorded update records.

構成図。Diagram. 画像処理フロー。Image processing flow. 本発明の画像処理フロー。The image processing flow of this invention. 画像レビュー処理フロー。Image review processing flow. ユーザ分類結果表示の例。An example of user classification result display. ユーザ分類結果表示の拡張表示例。An example of extended display of user classification result display. ユーザ分類結果表示の矩形表示例。A rectangular display example of user classification result display. ユーザ分類結果保持検体のレビュー方法例。The example of a review method of a user classification result holding specimen. ユーザ用識別アルゴリズム設定画面例。An example of a user identification algorithm setting screen. ユーザ用識別アルゴリズム更新記録例。Example of user identification algorithm update record.

符号の説明Explanation of symbols

１ 染色液
２ 試料
３ サンプルノズル
４ 染色槽
５ ダイレクトサンプルノズル
６ ダイレクトサンプル機構
７ シース液容器
８ シース液
９ シリンジ機構
１０ フローセル
１２ 染色試料
１０１ レーザ光源
１０２ 散乱光
１０３ 粒子検出部
１０４ フラッシュランプ
１０５ 光束
１０６ 顕微鏡コンデンサレンズ
１０７ 顕微鏡対物レンズ
１０８ 粒子検出領域
１０９ 画像撮影部
１１０ 撮影画像
３０１ 成分画像
３０２ ユーザ分類結果有無表示
３０２ａ ユーザ分類結果有無表示の分類コード表示例
３０２ｂ ユーザ分類結果有無表示の分類名称表示例
３０２ｃ ユーザ分類結果有無表示の表示領域例
３０２ｄ ユーザ分類結果有無表示の矩形表示例
３０３ カーソル
３１１ 赤血球
３１２ 白血球
３１３ 扁平上皮
４０１ ユーザ用識別アルゴリズム分類実施有無設定
４０２ ユーザ用識別アルゴリズム更新有無設定
５０１ ユーザ分類結果保有記号
５０２ 検体リスト
５０３ レビュー画面
５０４ 結果表示領域
６０１ 更新記録来歴
６１１ ユーザ用識別アルゴリズム
６１２ 特徴量
６１３ 分類コードＢ DESCRIPTION OF SYMBOLS 1 Staining liquid 2 Sample 3 Sample nozzle 4 Staining tank 5 Direct sample nozzle 6 Direct sample mechanism 7 Sheath liquid container 8 Sheath liquid 9 Syringe mechanism 10 Flow cell 12 Stained sample 101 Laser light source 102 Scattered light 103 Particle detection part 104 Flash lamp 105 Light flux 106 Microscope condenser lens 107 Microscope objective lens 108 Particle detection region 109 Image capturing unit 110 Captured image 301 Component image 302 User classification result presence / absence display 302a User classification result presence / absence display classification code display example 302b User classification result presence / absence display classification name display example 302c Example of display area 302d for displaying presence / absence of user classification result Example of rectangular display 303 for displaying presence / absence of user classification result Cursor 311 Red blood cell 312 White blood cell 313 Squamous epithelium 401 User identification algorithm classification presence / absence setting 02 for user identification algorithm update indicator set 501 user classification result held symbols 502 sample list 503 review screen 504 result display area 601 updated recording history 611 for user identification algorithm 612 feature quantity 613 Classification Code B

Claims (6)

生体液中に懸濁している粒子を撮影する撮影機構と、該撮影機構により撮影された画像を画像解析する画像解析機構と、を備えた粒子画像解析装置において、
前記画像解析機構が、解析条件が固定された識別アルゴリズムと、ユーザが解析条件を設定できるユーザ識別アルゴリズムの少なくとも２種類の識別アルゴリズムを有することを特徴とする粒子画像解析装置。 In a particle image analysis apparatus comprising an imaging mechanism for imaging particles suspended in a biological fluid, and an image analysis mechanism for image analysis of an image captured by the imaging mechanism,
The particle image analysis apparatus, wherein the image analysis mechanism has at least two types of identification algorithms: an identification algorithm in which analysis conditions are fixed, and a user identification algorithm in which a user can set analysis conditions. 請求項１記載の粒子画像解析装置において、
前記ユーザ識別アルゴリズムを用いて画像解析した結果については、その旨を表示する表示機能を備えたことを特徴とする粒子画像解析装置。 The particle image analysis apparatus according to claim 1,
A particle image analysis apparatus comprising a display function for displaying the result of image analysis using the user identification algorithm. 請求項１記載の粒子画像解析装置において、
画像解析結果が、前記ユーザ識別アルゴリズムを用いた分類結果を持つかどうかを表示する機能を備えたことを特徴とする粒子画像解析装置。 The particle image analysis apparatus according to claim 1,
A particle image analysis apparatus comprising a function of displaying whether an image analysis result has a classification result using the user identification algorithm. 請求項１記載の粒子画像解析装置において、
前記ユーザ識別アルゴリズムを更新するか否かを選択する選択手段を備えたことを特徴とする粒子画像解析装置。 The particle image analysis apparatus according to claim 1,
A particle image analysis apparatus comprising: selection means for selecting whether or not to update the user identification algorithm. 請求項４記載の粒子画像解析装置において、
前記選択手段により更新することを選択した場合は、オペレータが粒子成分の詳細分類または成分名称の付け替えを実行した際に、前記ユーザ識別アルゴリズムを更新することを特徴とする粒子画像解析装置。 The particle image analyzer according to claim 4, wherein
The particle image analysis apparatus according to claim 1, wherein the user identification algorithm is updated when an operator performs detailed classification of a particle component or reassignment of a component name when updating is selected by the selection unit. 請求項４記載の粒子画像解析装置において、
前記選択手段により更新することを選択した場合は、更新対象となった粒子成分の特徴パラメータと、識別アルゴリズムの更新内容を記録することを特徴とする粒子画像解析装置。 The particle image analyzer according to claim 4, wherein
A particle image analyzer characterized by recording the feature parameter of the particle component to be updated and the update contents of the identification algorithm when updating is selected by the selection means.
JP2008328994A 2008-12-25 2008-12-25 Particle image analysis method and apparatus Pending JP2010151566A (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2008328994A JP2010151566A (en) 2008-12-25 2008-12-25 Particle image analysis method and apparatus

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2008328994A JP2010151566A (en) 2008-12-25 2008-12-25 Particle image analysis method and apparatus

Publications (1)

Publication Number Publication Date
JP2010151566A true JP2010151566A (en) 2010-07-08

Family

ID=42570842

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2008328994A Pending JP2010151566A (en) 2008-12-25 2008-12-25 Particle image analysis method and apparatus

Country Status (1)

Country Link
JP (1) JP2010151566A (en)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014145989A1 (en) * 2013-03-15 2014-09-18 Iris International, Inc. Method and composition for staining and processing a urine sample
JP2016517989A (en) * 2013-05-08 2016-06-20 セラビジョン アーベーＣｅｌｌａｖｉｓｉｏｎ Ａｂ Graphical user interface for red blood cell analysis
JP2016526185A (en) * 2013-05-15 2016-09-01 ジ アドミニストレーターズ オブ ザ テュレーン エデュケーショナル ファンド Microscopic observation of tissue samples using structured illumination
WO2018128091A1 (en) * 2017-01-05 2018-07-12 コニカミノルタ株式会社 Image analysis program and image analysis method
JP2019144262A (en) * 2011-06-17 2019-08-29 ロッシュ ダイアグノスティクス ヘマトロジー インコーポレイテッド System and method for displaying and reviewing sample
US10794900B2 (en) 2013-03-15 2020-10-06 Iris International, Inc. Flowcell, sheath fluid, and autofocus systems and methods for particle analysis in urine samples
JP7489968B2 (en) 2018-09-14 2024-05-24 ザ リージェンツ オブ ザ ユニバーシティ オブ カリフォルニア Cell sorting device and method

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2019144262A (en) * 2011-06-17 2019-08-29 ロッシュ ダイアグノスティクス ヘマトロジー インコーポレイテッド System and method for displaying and reviewing sample
CN105102960A (en) * 2013-03-15 2015-11-25 艾瑞思国际股份有限公司 Method and composition for staining and processing a urine sample
US9322753B2 (en) 2013-03-15 2016-04-26 Iris International, Inc. Method and composition for staining and processing a urine sample
US9939356B2 (en) 2013-03-15 2018-04-10 Iris International, Inc. Method and composition for staining and processing a urine sample
WO2014145989A1 (en) * 2013-03-15 2014-09-18 Iris International, Inc. Method and composition for staining and processing a urine sample
US10794900B2 (en) 2013-03-15 2020-10-06 Iris International, Inc. Flowcell, sheath fluid, and autofocus systems and methods for particle analysis in urine samples
JP2016517989A (en) * 2013-05-08 2016-06-20 セラビジョン アーベーＣｅｌｌａｖｉｓｉｏｎ Ａｂ Graphical user interface for red blood cell analysis
US10768402B2 (en) 2013-05-15 2020-09-08 The Administrators Of The Tulane Educational Fund Microscopy of a tissue sample using structured illumination
JP2016526185A (en) * 2013-05-15 2016-09-01 ジ アドミニストレーターズ オブ ザ テュレーン エデュケーショナル ファンド Microscopic observation of tissue samples using structured illumination
US10042150B2 (en) 2013-05-15 2018-08-07 The Administrators Of The Tulane Educational Fund Microscopy of a tissue sample using structured illumination
WO2018128091A1 (en) * 2017-01-05 2018-07-12 コニカミノルタ株式会社 Image analysis program and image analysis method
JPWO2018128091A1 (en) * 2017-01-05 2019-11-07 コニカミノルタ株式会社 Image analysis program and image analysis method
JP7489968B2 (en) 2018-09-14 2024-05-24 ザ リージェンツ オブ ザ ユニバーシティ オブ カリフォルニア Cell sorting device and method

Similar Documents

Publication Publication Date Title
EP3785021B1 (en) System and method for performing automated analysis of air samples
US20200158624A1 (en) Urine analysis system, image capturing apparatus, urine analysis method
JP2010151566A (en) Particle image analysis method and apparatus
US9766445B2 (en) Cell suction support system
JP5470625B2 (en) Particle image analysis method and apparatus
US10267813B1 (en) Monitoring specimen integrity in automated blood sample processing system
US20090191585A1 (en) Cell image processing apparatus, cell image displaying system and cell image displaying method
US10311569B1 (en) Identifying liquid blood components from sensed data to monitor specimen integrity
JP2004294358A (en) Method and apparatus for inspecting defect
US9972079B2 (en) Wafer appearance inspection apparatus
JP2007298444A (en) Analyzer
US11125764B1 (en) Specimen integrity monitoring device for automated blood sample processing systems
US10545163B1 (en) Sample extraction and rotation device for automated blood sample processing systems
JP2010151523A (en) Method and device for analyzing particle image
JP6049052B2 (en) Wafer visual inspection apparatus and sensitivity threshold setting method in wafer visual inspection apparatus
CN115713491A (en) Liquid crystal display panel defect detection method and device and electronic equipment
KR102602005B1 (en) charged particle beam device
JP2023047003A (en) Machine learning system, learning data collection method and learning data collection program
CN111337696B (en) In-vitro diagnosis equipment and sample analysis method thereof
JP2012238401A (en) Defect review method and device
JP2016217913A (en) X-ray inspection device
KR101914777B1 (en) Method and system for inspecting freshness of raw fish
JP6696172B2 (en) Analytical apparatus, analytical method, and analytical system
JP2003294639A (en) Automatic inspection method and apparatus for non-metal inclusion
JP2006226916A (en) Quantitative analyzer, analytical method, and analytical program