JP4864857B2 - 有糸***活性の測定 - Google Patents

Description

本発明は、組織検体において生ずる細胞***を示す有糸***活性（ｍｉｔｏｔｉｃ ａｃｔｉｖｉｔｙ）を測定するための方法、装置、およびコンピュータプログラムに関する。具体的には、乳癌組織の如き潜在的癌性組織に対して測定を行うことに関する。該方法は、結腸および子宮頚癌の如き他の形態の癌にも対応する。

乳癌は、よくある女性の癌の形態であり、より少ない程度で男性にも発生する。乳癌を示す病変が検知されると、組織病理の専門家によって組織細胞が採取されかつ検査されて、診断、予後、および治療計画が確立される。しかし、組織試料の病理解析は、時間がかかり、不正確なプロセスである。組織試料の病理解析には、極めて主観的な人間の目による画像の解釈が必要となる。組織試料の病理解析は、異なる観察者が同じ試料を観察し、さらに同じ観察者が異なる時間に観察する際に、特にかなりの主観性によって特徴付けられる。例えば、同じ１０の組織試料を評価する２人の異なる観察者が、３つのスライドについて異なる意見を提示することがあり、３０％の誤差になる。その問題は、異質性、すなわちいくつかの組織試料の特徴の複雑性によって悪化する。

公開された国際出願第ＷＯ０２／４７０３２ Ａ１は、有糸***段階を示す細胞画像からの細胞のＤＮＡの測定に関するものである。この出願には、他の画像解析パラメータの利用が示され、一例として、すなわち強度ばらつきの大きさが提示されているが、有糸***活性を示すのに、このばらつきをどのように利用できるかについての詳細は提示されていない。

病理医による診断および患者治療を示すための客観的な形態の有糸***活性の測定法を提供する必要性がある。

一態様において、本発明は、組織病理検体画像データから有糸***活性を測定する方法であって、
ａ）有糸***像に関連づけられる輝度を有する画像データにおける画素を識別する工程と、
ｂ）基準色を提供するために、位置および輝度が他の識別された画素と十分に近い基準画素を、識別された画素の中から選択する工程と、
ｃ）可能性がある有糸***を示すために、輝度が基準色の輝度と十分に近い画像データにおける画素を位置特定する工程と、
ｄ）画素をそれに追加することによって、位置特定された画素からの可能性がある有糸***像に対応する画像領域を増加させる工程であって、画像領域に対する可能性がある増加は、それら画素の輝度がそれぞれの画像領域輝度に十分に近く、かつ画像データ背景輝度から十分に遠いか否かに応じて実施または拒絶される、画像領域を増加させる工程と、
ｅ）画像領域面積に関する閾値、緻密度に関する閾値、および幅／高さ比に関する閾値に基づいて、成長画像領域を選択する工程と、
ｆ）当該領域の数の閾値に基づいて、有糸***像を実際に示すものとして選択され成長画像領域をカウントする工程とを有することを特徴とする方法を提供する。

本発明は、病理医の診断および患者治療を示すための有糸***活性の客観的な測定法を提供するという利点を与える。

成長画像領域を選択する工程は、背景輝度に対する画像領域輝度の比に関する閾値、および複数の閾値を用いて各画像領域を成長させることによって導かれた面積間の面積差に関する閾値も含むことができる。画像領域面積に関する閾値は、３５５画素＜面積＜１７００画素であり、緻密度に関する閾値は、０．１７＜緻密度＜０．７７であり、幅／高さ比に関する閾値は、幅／高さ比＜２．７であり、輝度に関する閾値は、輝度百分率＜４４％であり、かつ面積差に関する閾値は、面積差＜２３面積／１００でありうる。

選択された成長画像領域をカウントする工程は、領域面積に関する閾値および輝度に関する閾値も含むことができる。画像領域に対する連続的な可能性がある増加は、個別の画素であってもよく、該個別の各画素が、既存の画像領域画素の行または列の直接隣接する画素である。工程ｂ）は、２つの画像寸法の小さい方の２％以下の距離だけ離れた他の識別された画素に比べて、８％未満の輝度差の輝度を有する基準画素によって実施されうる。

工程ａ）は、有糸***像に対応する輝度を有する画素を識別するのに先だって、画像データの白バランシングを行うことおよび中央値フィルタリングを行うことを含むことができる。工程ｃ）において、画素は、
ａ）有糸***像の画像に関連づけられる強度が欠如した画素を除去するために、色画像データの閾値を定め、
ｂ）すべての色に存在しない画素を除去し、かつ
ｃ）小さすぎたり、大きすぎたりするため可能性がある有糸***像にならない画素を除去するために、画像領域面積の閾値を定めることによって、有糸***像を示すことに関しての受け入れまたは拒絶のために編成されうる。

工程ｃ）において、代替的に、画素は、
ａ）有糸***像の画像に関連づけられる強度を有する画素を識別するために分割し、
ｂ）小さすぎたり、大きすぎたりするため可能性がある有糸***像にならない画素を除去するために画像領域面積の閾値を定め、
ｃ）画素の画像領域が十分に大きいクラスタであるか否かを判断するためにクラスタ解析を行い、かつ
ｄ）壊死性またはヘアリ（ｈａｉｒｙ）エッジフィルタリングを行うことによって、
有糸***像を示すことに関しての受け入れまたは拒絶のために編成されうる。

他の態様において、本発明は、組織病理検体画像データから有糸***活性を測定する方法であって、
ａ）可能性がある有糸***像に対応する画像領域の強度プロファイルを測定する工程と、
ｂ）その強度プロファイルが、有糸***像の画像に関連づけられる強度を有する強度プロファイル内の位置における予め設定された閾値より大きい値を有する場合に、有糸***像を示すものとして画像領域をカウントする工程とを有することを特徴とする方法を提供する。

この態様は、好ましくは、その強度プロファイルが、有糸***像の画像に関連づけられる強度を有する強度プロファイル内の位置における予め設定された閾値を超えない第１の値と、予め設定された第２の閾値より大きい第２の値と、予め設定された第３の閾値より大きい第３の値と、予め設定された第４の閾値より小さい最小値とを有する場合に、有糸***像を示すものとして画像領域をカウントすることを含む。第１の値は、強度プロファイルの一端にあり、第１および第２の値は、強度プロファイル内で互いに隣接し、第３の値は、第２の値と隣接していないものとすることができる。

画像データは、着色画像データの主成分解析（ＰＣＡ）によって得られた第１の主成分を含むことができ、工程ａ）は、
ａ）画像データを重複する副画像に分解し、
ｂ）ＰＣＡを副画像に適用して、第１の主成分画像を導き、
ｃ）ブロブ（ｂｌｏｂ）および背景の２値画像を生成するために、第１の主成分画像の閾値を定め、
ｄ）副画像境界に隣接または交差するブロブを拒絶し、
ｅ）ブロブの穴を満たし、
ｆ）小さすぎて可能性がある有糸***像に対応しないブロブを拒絶し、かつ
ｇ）工程ａ）で先述した画像領域プロファイル測定のために、副画像を単一画像に再編成することによって、画像データを前処理することを含むことができる。

工程ｇ）の後に、画素は、
ａ）有糸***像の画像に関連づけられる強度が欠如した画素を除去するために、色画像データの閾値を定め、
ｂ）すべての色に存在しない画素を除去し、かつ
ｃ）小さすぎたり、大きすぎたりするため可能性がある有糸***像にならない画素を除去するために、画像領域面積の閾値を定めることによって、有糸***像を示すことに関しての受け入れまたは拒絶のために編成されうる。

工程ｇ）の後に、代替的に、画素は、
ａ）有糸***像の画像に関連づけられる強度を有する画素を識別するために分割し、
ｂ）小さすぎたり、大きすぎたりするため可能性がある有糸***像にならない画素を除去するために画像領域面積の閾値を定め、
ｃ）画素の画像領域が十分に大きいクラスタであるか否かを判断するためにクラスタ解析を行い、かつ
ｄ）壊死性またはヘアリエッジフィルタリングを行うことによって、有糸***像を示すことに関しての受け入れまたは拒絶のために編成されうる。

他の態様において、本発明は、組織病理検体画像データから有糸***活性を測定するためのコンピュータ装置であって、
ａ）有糸***像に関連づけられる輝度を有する画像データにおける画素を識別する工程と、
ｂ）基準色を提供するために、位置および輝度が他の識別された画素と十分に近い基準画素を、識別された画素の中から選択する工程と、
ｃ）可能性がある有糸***を示すために、輝度が基準色の輝度と十分に近い画像データにおける画素を位置特定する工程と、
ｄ）画素をそれに追加することによって、位置特定された画素からの可能性がある有糸***像に対応する画像領域を増加させる工程であって、画像領域に対する可能性がある増加は、それら画素の輝度がそれぞれの画像領域輝度に十分に近く、かつ画像データ背景輝度から十分に遠いか否かに応じて、実施または拒絶される、画像領域を増加させる工程と、
ｅ）画像領域面積に関する閾値、緻密度に関する閾値、および幅／高さ比に関する閾値に基づいて、成長画像領域を選択する工程と、
ｆ）当該領域の数に関する閾値に基づいて、有糸***像を実際に示すものとして選択された画像領域をカウントする工程とを、実行するようにプログラムされることを特徴とするコンピュータ装置を提供する。

組織病理検体画像データから有糸***活性を測定するためのコンピュータ装置であって、
ａ）可能性がある有糸***像に対応する画像領域の強度プロファイルを測定する工程と、
ｂ）その強度プロファイルが、有糸***像の画像に関連づけられる強度を有する強度プロファイル内の位置における予め設定された閾値より大きい値を有する場合に、有糸***像を示すものとして画像領域をカウントする工程とを、実行するようにプログラムされることを特徴とするコンピュータ装置を提供する。

さらに他の態様において、本発明は、組織病理検体画像データから有糸***活性を測定するのに使用されるコンピュータプログラムであって、
ａ）有糸***像に関連づけられる輝度を有する画像データにおける画素を識別する工程と、
ｂ）基準色を提供するために、位置および輝度が他の識別された画素と十分に近い基準画素を、識別された画素の中から選択する工程と、
ｃ）可能性がある有糸***を示すために、輝度が基準色の輝度と十分に近い画像データにおける画素を位置特定する工程と、
ｄ）画素をそれに追加することによって、位置特定された画素からの可能性がある有糸***像に対応する画像領域を増加させる工程であって、画像領域に対する可能性のある増加は、それら画素の輝度がそれぞれの画像領域輝度に十分に近く、かつ画像データ背景輝度から十分に遠いか否かに応じて、実施または拒絶される、画像領域を増加させる工程と、
ｅ）画像領域面積に関する閾値、緻密度に関する閾値、および幅／高さ比に関する閾値に基づいて、成長画像領域を選択する工程と、
ｆ）当該領域の数に関する閾値に基づいて、有糸***像を実際に示すものとして選択された成長画像領域をカウントする工程とを、実施するようにコンピュータを制御するための命令を含むことを特徴とするコンピュータプログラムを提供する。

さらなる態様において、本発明は、組織病理検体画像データから有糸***活性を測定するのに使用されるコンピュータプログラムであって、その命令は、
ａ）可能性がある有糸***像に対応する画像領域の強度プロファイルを測定する工程と、
ｂ）その強度プロファイルが、有糸***像の画像に関連づけられる強度を有する強度プロファイル内の位置における予め設定された閾値より大きい値を有する場合に、有糸***像を示すものとして画像領域をカウントする工程とを、実施させることを特徴とするコンピュータプログラムを提供する。

本発明のコンピュータ装置およびコンピュータプログラムの態様は、本発明の対応する方法の態様に相当する好ましい特徴を有することができる。

本発明がより十分に理解されうるように、例示のみを目的とし、添付の図面を参照しながら、次にその実施形態を説明する。

図１を参照すると、可能性がある乳癌の組織病理スライドの形態の組織試料を評価するための手順１０が示されている。この図面は、患者診断を評価するための基礎として病理医によって使用されるパラメータを作成するために、有糸***活性を測定するためのプロセスを示す。

手順１０は、後に説明する組織スライドから得られたデジタル画像データを維持するデータベース１２を採用する。切片が、胸の組織試料（生検）から採取（切断）され、それぞれのスライド上に置かれる。スライドは、組織および細胞構造を描写するための一般的な着色剤である、ヘマトキシリン＆エオシン（Ｈ＆Ｅ）着色剤を使用して着色される。Ｈ＆Ｅで着色された組織は、有糸***活性を評価するのに使用される。

組織検体における有糸***活性の測定は、生じている細胞***の度合いについての指標を与える。組織病理スライドは、細胞***プロセスにおける非常に短い時間間隔を表すスナップショットであるため、当該スライドが、有糸***活性の特定の段階を示す可能性は極めて小さい。そのような段階がスライドに実際に存在すれば、潜在的な腫瘍がどの程度の速さで成長しているかということについての良好な指標となる。

有糸***活性を記録するための従来技術の手動の手順では、臨床医が、スライドを顕微鏡下に配置し、有糸***の指標について、４０倍の倍率でその領域（タイルと称する）を調べる。この手動手順は、病理医が、組織試料における細胞の異常な色、大きさ、形状、および境界鮮明度を、主観的かつ個別的に推定することを含む。このようにして得られた値は、病理医によって組み合わされて、診断に使用される単一の測定値が与えられる。本例において以後記載されるプロセスは、従来技術の手動手順の代わりに客観的な手順を用いる。

本発明は、組織スライドからの画像データを使用する。本例では、画像データは、Ｚｅｉｓｓ Ａｘｉｏｓｋｏｐ顕微鏡とＪｅｎｏｐｔｉｋｓ Ｐｒｏｇｒｅｓ ３０１２デジタルカメラを使用して、病理医によって得られたものである。各スライドからの画像データは、４０倍の線倍率（すなわち４０倍）で得られたデジタル画像の集合体であり、各画像はタイルの電子相当物である。

画像を選択するために、病理医は、スライドに対して顕微鏡を走査し、４０倍の倍率で、有糸***活性の解析の点で最も有望に見えるスライドの領域（タイル）を選択する。次いで、それらの領域の各々は、上述の顕微鏡およびデジタルカメラを使用して撮影され、これにより、各領域について、三色、すなわち赤、緑、および青（Ｒ、Ｇ、およびＢ）のそれぞれのデジタル画像が生成される。画素アレイにおける各画素に対して３つの強度値が得られて、Ｒ、Ｇ、およびＢ画像平面の組合せとして画像が提供される。この画像データは、後の使用に備えて、１２で一時的に保存される。次に２８での診断報告への入力を提供する、１４での有糸***活性の測定に１０のデジタル画像が必要とされる。

所定の試料における有糸***活性を測定するためのいくつかの代替的なプロセス１６から２４を説明する。これらは、２つの代替的な有糸***編成プロセス１６および１８と、２つの代替的な有糸***特徴検出プロセス２０および２４とを含む。有糸***活性の測定は、２６において、病理医による使用に向けて有糸***カウントに変換される。

次に図２を参照すると、第１の代替的な有糸***編成プロセス１６が、より詳細に示されている。それが使用に向けて選択されると、上述の１０のデジタル画像の各々に対して実施されるが、ここでは入力画像と称する１つのそのような画像について説明する。それは、有糸***細胞に対応しうる暗画像領域を編成または識別するのに使用される。

段階３０において、入力画像から、画素強度の発生頻度を示す３つのヒストグラム、すなわちＲ（赤）強度を表すヒストグラム、Ｂ（青）強度を表すヒストグラム、およびＧ（緑）強度を表すヒストグラムが形成される。例えば、画素毎に一色あたり８ビットを有する画像は、０から２５５の２５６の強度値のヒストグラム横軸と、各強度値を有する画像における画素の数のヒストグラム縦軸とを有する。各ヒストグラムは、２５６の要素を有するベクトルで、各ベクトルのｉ番目の要素（ｉ＝０から２５５）は、Ｒ、Ｇ、またはＢ画像平面における強度ｉを有する画素の数である。

次の段階は、３２においてＲ、Ｇ、またはＢ画像平面の範囲を定めることである。これを実施するためには、まず、画像平面における画素の全数Ｎ_Ｔをカウントする（これは、３つのすべての画像平面について同じ値になる）。次いで、各画像平面について、本発明を実施した経験から求められたそれぞれの経験的なＲパラメータＰ_Ｒ、、ＧパラメータＰ_Ｇ、またはＢパラメータＰ_ＢでＮ_Ｔを割る。上述のＺｅｉｓｓ Ａｘｉｏｓｋｏｐ顕微鏡およびＪｅｎｏｐｔｉｋｓ Ｐｒｏｇｒｅｓ３０１２カメラを使用して得られた２５０の試験画像の集合体から、パラメータ値、Ｐ_Ｒ＝１００、Ｐ_Ｇ＝１００、およびＰ_Ｂ＝１４０が手動でかつ経験的に導かれた。異なる顕微鏡／カメラの組合せを使用して生成された画像は、異なるパラメータを必要としうる。この手順は、それぞれＮ_Ｔ／Ｐ_Ｒ、Ｎ_Ｔ／Ｐ_Ｇ、およびＮ_Ｔ／Ｐ_Ｂに等しい３つの閾値Ｔ_Ｒ、Ｔ_Ｇ、およびＴ_Ｂを与える。

次いで、各画像平面に対してヒストグラムおよび閾値Ｔ_Ｒ、Ｔ_ＧおよびＴ_Ｂを用いて、その全数がＴ_Ｒ、Ｔ_Ｇ、またはＴ_Ｂを超えない低強度画素を選択する。したがって、例えば、画素の全数Ｎ_Ｔが２００００に等しい画像は、Ｐ_Ｒ＝１００、Ｐ_Ｇ＝１００、そしてＴ_ＲおよびＴ_Ｇが２００に等しい赤および緑の画像平面を有することになる。青の画像平面については、Ｔ_Ｂは、２×１０^４／１４０、１４１または１４２である。０から２５５の値の画素強度の８ビット範囲では、赤の画像平面のヒストグラムは、０から６の画素強度値において、それぞれ３、２０、５０、７、２０、８０、および６５の画素数を有することになる。０から６の画素強度値を有する画素の全数は、赤の画像平面の閾値Ｔ_Ｒの２００を超える２４５であるが、０から５の画素強度値に対する全数は２００未満であるため、これらは保持され、強度値が６から２５５の画素は拒絶される。その手順は、赤の画像平面のより暗い領域に対応するヒストグラムの小部分を保持する（有糸***細胞は暗くなる傾向がある）。この手順は、緑および青の画像平面について、それぞれの閾値を用いて繰り返される。その目的は、画像内の画素の数に恐らく比例する数の画素を各画像平面に保持することである。

次の段階３４は、空間フィルタリングである。ここでは、赤、緑、および青の保持画素が比較され、閾値設定後に３つのすべての画像平面に保持されていないあらゆる画素が拒絶される。次いで、空間フィルタリング後に残留している各画素は、それに２進値の１を割り当てることによって編成され、拒絶された画像内の他のすべての画素は２進の０に設定される。これによって、段階３４から出力するための単一の組み合わされた２値画像が形成される。

３６では、段階３４からの組合わされた２値画像に「接続成分標識（Ｃｏｎｎｅｃｔｅｄ Ｃｏｍｐｏｎｅｎｔ Ｌａｂｅｌｌｉｎｇ）」（ＣＣＬ）として知られる技術が適用される。これは、Ｋｌｅｔｔｅ Ｒ．、Ｚａｍｐｅｒｏｎｉｕ Ｐ．、「Ｈａｎｄｂｏｏｋ ｏｆ Ｉｍａｇｅ Ｐｒｏｃｅｓｓｉｎｇ Ｏｐｅｒａｔｏｒｓ」、Ｊｏｈｎ Ｗｉｌｅｙ ＆ Ｓｏｎｓ、１９９６年、およびＲｏｓｅｎｆｅｌｄ Ａ．、Ｋａｋ Ａ．Ｃ．、「Ｄｉｇｉｔａｌ Ｐｉｃｔｕｒｅ Ｐｒｏｃｅｓｓｉｎｇ」、１および２巻、Ａｃａｄｅｍｉｃ Ｐｒｅｓｓ、Ｎｅｗ Ｙｏｒｋ、１９８２年によって公表されている、知られている画像処理技術（「ブロブ着色」と称する場合もある）である。ＣＣＬは、２値画像において「ブロブ」である画像領域に数値的標識を与え、ブロブは、０および１のみを含む２値画像における同じ値１の隣接または接続画素がそのグループになる。各グループまたはブロブは、他のグループと異なる番号（標識）が割り当てられて、個々のブロブを他から区別することを可能にする。ＣＣＬは、画素数の観点でブロブ面積をも提供する。

次いで、ブロブは、それらの寸法に基づいて保持（１に設定された画素）または拒絶（０に設定された画素）される。ブロブは、ともに９５から５０００の画素を含み、２０００画素以下の高さおよび幅を有する場合に保持される。本例では、可能な有糸***活性の対象になりうるあまりにも多くのブロブを拒絶するのを回避するために、９５の画素の最小面積がことさら小さい値に設定される。同じ理由で、最大面積が大きい値に設定される。段階３６の出力は、後述するように、有糸***活性に対する解析のための標識ブロブの集合体を含む２値画像である。段階３６は、後の処理にさほど関係ないと見なされるブロブを除去するのに有用であるが、必須ではない。

次に図３を参照すると、第２の有糸***編成プロセス１８が詳細に示されている。先述の例と同様に、そのプロセス１８が選択されて用いられる場合は、それは、上述の１０のデジタル画像の各々に対して実施されるが、ここでは１つのそのような画像について説明する。段階４０では、タイルの原色（ＲＧＢ）入力画像の赤色成分に対して、「隠れマルコフ無作為フィールド分割」として知られる技術が一度繰り返される。この分割は、知られている画像処理技術である（Ｄｅｖｉｊｖｅｒ Ｐ．Ａ．、「Ｉｍａｇｅ ｓｅｇｍｅｎｔａｔｉｏｎ ｕｓｉｎｇ ｃａｕｓａｌ Ｍａｒｋｏｖ Ｒａｎｄｏｍ Ｆｉｅｌｄ ｍｏｄｅｌｓ」、Ｐａｔｔｅｒｎ Ｒｅｃｏｇｎｉｔｉｏｎ、Ｊ．Ｋｉｔｔｌｅｒ（編集）、Ｌｅｃｔｕｒｅ Ｎｏｔｅｓ ｉｎ Ｃｏｍｐｕｔｅｒ Ｓｃｉｅｎｃｅ ３０１、Ｓｐｒｉｎｇｅｒ−Ｖｅｒｌａｇ、１９８８年、およびＤｕｃｋｓｂｕｒｙ Ｐ．Ｇ．、「Ｐａｒａｌｌｅｌ ｍｏｄｅｌ ｂａｓｅｄ ｓｅｇｍｅｎｔａｔｉｏｎ ｕｓｉｎｇ ａ ３ｒｄ ｏｒｄｅｒ ｈｉｄｄｅｎ Ｍａｒｋｏｖ ｍｏｄｅｌ」、第４回ＩＥＥ国際会議、Ｉｍａｇｅ Ｐｒｏｃｅｓｓｉｎｇ ａｎｄ ｉｔｓ Ａｐｐｌｉｃａｔｉｏｎｓ、Ｍａａｓｔｒｉｃｈｔ、１９９２年４月７〜９日を参照）。入力画像は、４つのレベルに量子化される（すなわち、潜在的に２５６のグレーレベルからわずか４つのレベルに減少される）。これらレベルの第１のレベルは、入力画像の非常に暗い部分に対応し、第２および第３のレベルは、次第に暗くなくなり、第４のレベルは、明るい画像部分に対応する。入力画像のグレーレベルヒストグラムが計算され、画素値ｘの関数としての画素の数（Ｎｘ）の４つのガウス分布の集合体に最初に適合され、その分布は、様々な平均μおよび標準偏差σを有し、それぞれ以下の形をとる。

本例において、式（１）の分布は、デジタル画像における背景からのオブジェクトの分離として定められる画像分割の基礎を形成する。ガウス分布は、それぞれ１から４に番号付けされる。画像画素が、ｊ番（ｊ＝１、２、３、または４）のガウス分布に当たる場合は、その分割標識はｊになる。しかし、図４における陰影部のようにガウスの重複がある場合は、選択すべき最良の分割標識は何かということに関する確率的判断を行う上で、マルコフ分割アルゴリズムの機能が効果を発揮する。この段階４０からの出力は、各画素に４つの番号の１つ（１、２、３、または４）が割り当てられたマスク画像である。（暗い画像部分に対応する）標識１を有する画素のみが、次の処理段階に使用される。標識１の画素のみが保持されても、良好な画像分割のためには、適切な数（この場合は４つ）のレベルまたは標識を使用し、画素を正確に割り当てるほうがよい。これによって標識１に対する結果が向上する。使用する分割レベルが少なすぎると、分割される領域が大きくなりすぎて、不適切な画素を含むおそれがあり、レベルが多すぎると、分割された領域が小さくなりすぎて、***するおそれがある。

後の処理に最も小さい番号の画素を使用するにもかかわらず、４つのレベルへの分割は、良好な妥協点であることが見出された。段階４０は、有用な分割技術であるが、代わりに他の技術を使用することも可能である。

４２では、Ｋ平均クラスタ化プロセスが実施される。これは、「Ａ Ｋ−ｍｅａｎｓ ｃｌｕｓｔｅｒｉｎｇ ａｌｇｏｒｉｔｈｍ」、（Ａｌｇｏｒｉｔｈｍ ＡＳ １３６、Ａｐｐｌｉｅｄ Ｓｔａｔｉｓｔｉｃｓ Ｊｏｕｒｎａｌ、１９７９年）という題名の文献の中でＪ．Ａ．ＨａｒｔｉｇａｎおよびＭ．Ａ．Ｗｏｎｇが記載している、知られたプロセスである。Ｋ平均は、データの集合から最適なクラスタ（ある共通の特性を共有するデータ項目のグループ）の集合を計算するための反復統計技術である。このプロセスは、４０において、タイル入力の原色（ＲＧＢ）入力画像の赤色成分からの生画像画素を使用する。それは、４０において生成されたマスク画像における標識１の画素と同じ画像位置に配置されている赤色画素を選択する。標識１の生画像画素の値の最大値および最小値をそれぞれ「最大」および「最小」とすると、３つのクラスタが使用され、最初にＫ平均技術に対するクラスタセンタが、以下のように、３つの画素のダイナミックレンジ（最大−最小）に対して相対的に設定される。

Ｋ平均技術の結果から、２つのマスクが生成される。１つのマスクは、クラスタ１またはクラスタ２を含む部分にマーク付けする（ジョイントクラスタマスクである）のに対して、第２のマスクは、クラスタ１のみに隔離的にマーク付けする（クラスタ１マスクである）。後の処理にクラスタ１および２のみが必要とされ、第３のクラスタは、単にデータをより合理的に分離するのに使用される。

４４において、ジョイントクラスタ（クラスタ１またはクラスタ２）にマーク付けする、４２で生成されたマスクに接続成分標識（先述のＣＣＬ）が適用される。また、ＣＣＬは、画素の数に関して標識付けられたブロブの面積を与える。受け入れられた面積範囲の外部にあるブロブは拒絶され、この範囲内のブロブは、以下の表に示されるように保持され、上に向かって標識１から順次番号付けされる。段階４４からの出力は、標識付けられたブロブの集合体である。

可能性がある該当するブロブの著しい損失を回避するために、最大および最小の受け入れ可能なブロブ面積（２６２１４４画素および７０画素）を十分に大きく隔たるように選択した。該当するブロブサイズについてより多くの知識が入手可能であれば、このダイナミックレンジは縮小可能である。段階４４は、不必要なブロブを除去するのに有用であるが、省略することも可能である。

４６において、４４で生成された各標識付けられたブロブが考慮され、そのクラスタ１／（クラスタ１＋クラスタ２）のスコアのコンテクスチュアル（ｃｏｎｔｅｘｔｕａｌ）解析に基づいて受け入れ、または拒絶される。すなわち４２の結果から、各ブロブについて、その画素の中でクラスタ１にある画素の数（ＮＣ１）と、クラスタ２にある画素の数（ＮＣ２）を確認し、次いでＮＣ１／（ＮＣ１＋ＮＣ２）比を計算し、その比が０．６以上であれば、さらなる処理のためにブロブを受け入れる。その比が０．６未満であれば、ブロブを拒絶する。その結果、ブロブの集合体が小さくなる。

４８において、４６で生成された、小さくなったブロブの集合体を採取し、「壊死性フィルタ（ｎｅｃｒｏｔｉｃ ｆｉｌｔｅｒ）」を使用して拒絶を行う。そのようなフィルタは、（後述する）正規化された量子化境界段階のユークリッド距離Ｍ_ＥＵと称する標準的な距離を計算する。ユークリッド距離Ｍ_ＥＵは、以下の形をとる。

上式において、ｘ_ｉおよびｙ_ｉ（ｉ＝１〜ｎ）は、それぞれ比較すべき２つの量を表すベクトルｘおよびｙの要素である。「壊死性フィルタ」プロセスは、以下の通りである。まず、工程４４から得られた標識付けられた画像にソーベル（Ｓｏｂｅｌ）エッジフィルタを適用し、生（すなわち未処理の）画像、すなわち元の（ＲＧＢ）入力画像の赤色成分を段階４０のタイルに入力する。標識付けられた画像は、有糸***像に対応しうるブロブの境界を得るために使用され、生画像は、生画像における画素の位相角を得るのに使用される。ソーベルは、Ｋｌｅｔｔｅ Ｒ．およびＺａｍｐｅｒｏｎｉ Ｐ．、「Ｈａｎｄｂｏｏｋ ｏｆ ｉｍａｇｅ ｐｒｏｃｅｓｓｉｎｇ ｏｐｅｒａｔｏｒｓ」、Ｊｏｈｎ Ｗｉｌｅｙ ＆ Ｓｏｎｓ、１９９５年に公表されている標準的な画像処理技術である。ソーベルフィルタは、各々が画像における画素の連続的な３×３アレイと結合する、番号がＳ_ＰおよびＳ_Ｑの２つの３×３アレイよりなる。

標識付けられた画像の左上の角に、第１の３×３の画素アレイが選択される。行ｉおよび列ｊの一般的な標識付けられた画素をＣ_ｉｊとし、画像の左上の角は、画素Ｃ_１１からＣ_１３、Ｃ_２１からＣ_２３、およびＣ_３１からＣ_３３よりなる。次いで、Ｃ_ｉｊが３×３シアン画素アレイにあるときに、Ｓ_ｐアレイ内に位置するＳ_ｐのそれぞれの数字をＣ_ｉｊにかける。すなわち、Ｃ_１１からＣ_１３に、それぞれ１、２および１をかけ、Ｃ_２１からＣ_２３にそれぞれゼロをかけ、Ｃ_３１からＣ_３３に、それぞれ−１、−２および−１をかける。そのようにして形成された積を代数的に加算し、値ｐを与える。ｐの値は、Ｃ_２２の行の両側の第１の行と第３の行との間で緩やかに変化する画素値に対しては比較的小さく、それらの行の間で急激に変化する画素値に対しては比較的大きい。その結果、ｐは、それらの行にわたるエッジ鮮鋭度の指標を与える。同じ画素アレイであるが、Ｓ_ｐの代わりにＳ_Ｑを用いた画素アレイを使用してこの手順を繰り返し、値ｑを得る。ｑは、Ｃ_２２の列の両側の第１の列と第３の列との間で緩やかに変化する画素値に対しては比較的小さく、それらの列の間で急激に変化する画素値に対しては比較的大きいため、ｑは、それぞれの列にわたるエッジ鮮鋭度の指標を与える。次いで、「エッジ量」と定義され、変換画像において（３×３アレイの中央の画素Ｃ_２２を置換する）Ｔ_２２になる、ｐとｑの平方の合計の平方根、すなわち

を計算する。また、各画素におけるｔａｎ^−１ｐ／ｑを得て、それを「位相角」と定義する。

変換画像における一般的な画素Ｔ_ｉｊ（行ｉ、列ｊ）を、標識付けられた画像のＣ_{ｉ−１、ｊ−１}からＣ_{ｉ−１、ｊ＋１}へ、Ｃ_{ｉ、ｊ−１}からＣ_{ｊ、ｊ＋１}へ、そしてＣ_{ｉ＋１、ｊ−１}からＣ_{ｉ＋１、ｊ＋１}へ誘導する。式（３）におけるソーベルフィルタの中央の行列はそれぞれゼロで、他の係数は１および２であるため、Ｔ_ｉｊに対するｐおよびｑを以下のように計算することが可能である。

ｉ＝ｊ＝２から開始して、ｊを１だけ増加させ、行の末端に到達するまで各々の当該アレイに対して式（２）および（３）を評価することによって、連続的な３×３画素アレイに対するｐおよびｑを計算し、次いでｊを１だけ増加させ、画像全体が変換されるまで、第２の行以降に対してその手順を繰り返す。ソーベルフィルタは、その一方または他方の側に近隣画素を有さない画像エッジの画素に対する値を計算することができない。すなわち、Ｎ行およびＭ列を有する画素アレイにおいて、エッジ画素は、最上行および最下行ならびに最初の列および最後の列で、変換画像においては、画素Ｔ_１１からＴ_１Ｍ、Ｔ_Ｎ１からＴ_ＮＭ、Ｔ_１１からＴ_１Ｍ、およびＴ_１ＭからＴ_ＮＭである。ソーベルフィルタリングの慣行により、これらのエッジ画素はゼロに設定される。ソーベルフィルタの出力は、２つの変換画像を含み、その一方（エッジフィルタ画像）は、４４で生成された標識付けられたブロブの境界を含むのに対して、他方は、生入力画像の「位相角」を含む。

標識付けられたブロブの画素は、ソーベルエッジフィルタ画像における同様に位置特定された画素が、ゼロ以外であれば、境界画素である。境界画素毎に、ソーベル位相角画像における同様に位置特定された画素から位相角を抽出する。次いで、この位相角情報を量子化して、それを４つの方位範囲（０から４４度、４５から８９度、９０から１３４度、１３５から１７９度）に低減し、各方位における境界画素の数を、ブロブの周囲における画素の数で割ることによって正規化する。これにより、各ブロブに対して正規化方位または量子化段階のそれぞれの４要素ベクトルが得られる。式（２）を用いて、これらの各ベクトルのユークリッド測定値を計算し、４つのベクトル要素が等しい値を有する完全円のそれと比較する。こうして、真円度から比較的離れたブロブを探す。標識付けられたブロブのユークリッド測定値を、０．４３５４のユークリッド閾値と比較し、閾値より大きい場合は拒絶する。ユークリッド閾値は、試験データ集合のＫ平均解析から導かれたものである。残りのブロブの集合体を出力する。

５０において、工程４８の後で残留する各々のブロブを調べ、「ヘアリエッジフィルタ」処理を実施する。「ヘアリエッジフィルタ」は、ブロブ付近の部分におけるエッジ構造の量を測定するもので、これは、有糸***像の付近に見られることがある「ヘアリ繊維」に概ね類似するものである。これをブロブ毎に以下のように計算する。

ａ）以下に示すようにサイズが５×５および１３×１３画素のフィルタを使用する２つの形態的拡張を適用する。

形態的拡張は、拡大処理である。元の２値画像（すなわち画素値１および０のみを有する）に対しては、拡大処理は、値１の各画素を位置特定し、その近傍の画素も１に設定することを含む。上記２つのアレイにおいて、中央の１は、画像における１と見なされる画素を示し、他の１は、形態的拡張を実施するために１に設定された近傍画素の相対位置を示し、０は、変化されていない画素を表す。

形態法は、形状および幾何学構造に基づく画像処理技術である。それは、Ｕｍｂａｕｇｈ Ｓ．Ｃ．、「Ｃｏｌｏｕｒ ｖｉｓｉｏｎ ａｎｄ ｉｍａｇｅ ｐｒｏｃｅｓｓｉｎｇ」、Ｐｒｅｎｔｉｃｅ Ｈａｌｌ、１９８８年に公表されている標準的な画像処理手順である。形態法は、あるサイズおよび形状のフィルタを画像に適用する。各画素位置における最も単純な意味での拡張（オブジェクトの拡張（または拡大））では、拡張の出力は、入力の論理和である。使用されるフィルタは、上記のように円に対する近似を含む。２つの拡張処理を適用すると、２つの拡張結果が得られる。式（６）および（７）を参照しながら説明したように、各ブロブは２つの異なる量で拡張される。次いで、５×５フィルタによるブロブを、１３×１３フィルタによるブロブから引くと、ブロブの付近に境界が得られる。これを、工程４８後に残留するブロブの各々に対して繰り返す。

ｂ）（上述した）ソーベルフィルタを適用して、生画像、すなわち４０で入力されたタイルの元の（ＲＧＢ）入力画像の赤色成分の勾配を得る。勾配値の合計を、ａ）で各ブロブの付近に確定された境界（マスク）の部分内に形成し、以下の表に示されるように、ブロブの受け入れおよび拒絶に向けてヘアリ閾値と比較するためのフィルタ測定値として使用する。

工程ｂ）の出力は、後述する有糸***特徴検出での使用に有効であると見なされる、編成されたブロブの集合体である。段階４６、４８および５０は、不必要なブロブを減らすのに望ましいが、有糸***特徴検知の結果的な処理負担が許容できるのであれば必須ではない。

次に図５を参照すると、上記の１０のデジタル化入力画像の各々に対して実施され、１つの画像に対して記載される、有糸***特徴検知プロセス２０の流れ図が示されている。第１の段階６０において、入力ＲＧＢ画像を、その最も高輝度の画素を白に再マッピングすることにより白バランスするのが好ましい。この画像における各画素ｉ（ｉ＝１から画像内の全画素数）について、以下の式を用いて、画素輝度Ｌ_ｉを、赤色強度Ｒ_ｉ、緑色強度Ｇ_ｉ、および青色強度Ｂ_ｉから計算する。
Ｌ_ｉ＝０．２９９×Ｒ_ｉ＋０．５８７×Ｇ_ｉ＋０．１１４×Ｂ_ｉ （８）

次に、入力（ＲＧＢ）画像のすべての画素の輝度値の中で最大の輝度値を有する画素を位置特定し、それを用いて、最大輝度画素位置に存在し、ＬｕｍＭａｘＲ、ＬｕｍＭａｘＧ、およびＬｕｍＭａｘＢで表される、Ｒ、Ｇ、およびＢの対応する値を記録する。次いで、３つの画像平面の各々に対する比を以下のように計算する。
ＲａｔｉｏＲ＝（２５５／ＬｕｍＭａｘＲ）×１．０５ （９）
ＲａｔｉｏＧ＝（２５５／ＬｕｍＭａｘＧ）×１．０５ （１０）
ＲａｔｉｏＢ＝（２５５／ＬｕｍＭａｘＢ）×１．０５ （１１）

ここで、元のＲＧＢ画素値にこれら３つの比をかけて、各画素ｉに対して以下の値を有する３つの画像平面を有する白バランス画像を生成する。
ＢａｌａｎｃｅｄＲ_ｉ＝Ｒ_ｉ×ＲａｔｉｏＲ （１２）
ＢａｌａｎｃｅｄＧ_ｉ＝Ｇ_ｉ×ＲａｔｉｏＧ （１３）
ＢａｌａｎｃｅｄＢ_ｉ＝Ｂ_ｉ×ＲａｔｉｏＢ （１４）

最終段階は、８ビット範囲（０から２５５）の外の画素値がなくなるように、新たな白バランス画像をクリップするものである。何らかの画素値が０より小さい場合は、それをゼロに設定し、何らかの画素値が２５５より大きい場合は、それを２５５に設定する。白バランス画像の生成は必須ではないが、画像間のばらつきを抑えるのに望ましい。

６２において、工程６０からのクリップされた白バランス画像を、３×３中央値フィルタでフィルタリングして、空間ノイズを除去する（これは望ましいが、必須ではない）。フィルタは、６０で計算したバランス赤色（ＢａｌａｎｃｅｄＲ）、緑色（ＢａｌａｎｃｅｄＧ）、および青色（ＢａｌａｎｃｅｄＢ）画像平面の各々に対して個別的に適用される。中央値フィルタ処理は、（エッジ画素以外の）３つの画像平面における各画素を順次選択し、選択された画素を中心としたそれらの画素の３×３アレイを採取するものである。次いで、「クイックソート」と呼ばれるものを用いて、３×３アレイの画素を、画素値の小さい順に分類する。クイックソートは、Ｋｌｅｔｔｅ Ｒ．、Ｚａｍｐｅｒｏｎｉｕ Ｐ．、「Ｈａｎｄｂｏｏｋ ｏｆ Ｉｍａｇｅ Ｐｒｏｃｅｓｓｉｎｇ Ｏｐｅｒａｔｏｒｓ」、Ｊｏｈｎ Ｗｉｌｅｙ ＆ Ｓｏｎｓ、１９９６年に公表されている、知られた技術であり、その説明は省略する。それは、必須ではないが便利である。次いで、中央値画素値（９個のうちの５番目）をフィルタ出力として採取して、選択された画素の値に代える。これを、クリップされた白バランス画像にわたって繰り返す。エッジ行列の画素は、必要な３×３アレイを有しておらず、これらに対しては、クリップされた白バランス画像画素値を中央値フィルタ画像に保持する。

６４では、中央値フィルタ画像において最も低輝度の（最も暗い）画素（同様の輝度の画素から比較的離れた遠くの画素を除く）を、選択または位置特定する「オートピックカラー」プロセスを適用する。これは、選択された画素は、それ自体の輝度と類似した輝度を有する少なくとも１つの比較的近傍の画素を有することを意味する。従来の組織スライド調製技術を用いると、有糸***像は比較的低輝度を有する傾向があるため、暗い画素が選択される。計算は次のように行われる。すなわち、中央値フィルタ画像における各画素位置に対して、輝度Ｌ_ｉを以下のように計算する。
Ｌ_ｉ＝０．２９９９×Ｒ_ｉ＋０．５８７×Ｇ_ｉ＋０．１１４×Ｂ_ｉ （１５）

式（１５）を用いた中央値フィルタリングされた画像における各画素位置に対するＬ_ｉの計算によって、輝度画像が得られる。輝度画像において、第１の画素値およびその位置を、現在最も暗い画素として記憶する。その画像における連続した画素を、第１の画素と比較する。いずれかの比較画素が、現在最も暗い画素より暗いＬ_ｉ（低い輝度値）を有している場合は、その画素値およびその位置を、最も暗い画素のリストに記憶する。そのリストが１０のエントリに達した後で、その中の現在最も明るい画素を除去し、後の画素が最も明るい画素より暗くなる毎に後の画素と取り替える。このプロセスは、すべての画素を比較し、適宜リストに追加するまで継続する。輝度画像全体を処理した後に、（上述の）クイックソートを用いて、最も暗い画素が最初にくるように、最も暗い画素のリストを暗い順に記憶する。その手順により、最も暗い画素の数が１０未満になれば、最初の画素から最初に得られた記憶された比較輝度値を大きくし、手順を繰り返す。

次の工程は、その最も暗い画素が、最も暗い１０の画素のうちの他の画素の比較的近くに位置するという条件を満たしているか否かを判断するものである。すなわち、その条件は、これら２つの画素が、任意の方向において（対角線上に行、列に沿って、または対角線と行または列の間において）２０画素未満の距離だけ離間しているということである。この条件は、１４７６画素×１１６０画素の寸法の画像に当てはまるため、最大離間距離は、より小さい画像寸法の２％である。この条件が満たされる場合は、類似した輝度の比較的近い近隣画素を有するため、外部の画素と見なされない最も暗い画素が配置されている。この最も暗い画素の輝度は、Ｌ_{ｐｉｃｋｅｄ ｃｏｌｏｕｒ}で表される。この条件が満たされない場合は、現在最も暗い画素をリストから破棄し、残りの最も暗い画素を採取することによってその手順を繰り返す。条件が満たされるまで繰り返しが継続する。先述したように選択された１０の画像の解析によって１０のリストサイズを決定したが、それは重要ではなく、異なる数を選択することも可能である。したがって、そこからＬ_{ｐｉｃｋｅｄ ｃｏｌｏｕｒ}を採取する画素は、最も暗い画素の小さいグループ（２０以下）から選択される必要がある。

６６では、２０未満（すなわち０から２５５の８ビット強度範囲に対して８％未満）の差でＬ_{ｐｉｃｋｅｄ ｃｏｌｏｕｒ}と異なる輝度を有する中央値フィルタリングされた画像における画像画素を位置特定する「色近接強調（ｃｏｌｏｕｒ ｐｒｏｘｉｍｉｔｙ ｈｉｇｈｌｉｇｈｔｉｎｇ）」を実施する。これは、以下のようにマスク画像を生成することによって実施される。中央値フィルタリングされた画像における各画素に対して、以下の輝度不等条件（１６）が真であれば、その画素を受け入れ、マスク画像における同等位置の値２５５で表現する。
｜（０．２９９×Ｒ_ｉ＋０．５８７×Ｇ_ｉ＋０．１１４×Ｂ_ｉ）−（Ｌ_{ｐｉｃｋｅｄ ｃｏｌｏｕｒ}）｜＜２０ （１６）

不等条件（１６）が真でなければ、現在の画素を拒絶し、マスク画像における０で表現する。編成プロセス１６および１８のいずれかによる結果を工程６６に導入する。すなわち、プロセス１６または１８からの結果による有糸***編成画像における同じ位置に配置された対応する画素に対して、それぞれ１または０値が存在するか否かに応じて、不等条件（１６）が真である画素を受け入れるか、または拒絶する。プロセス１６または１８を用いることは必須ではないが、処理負担を低減するのに有用である。

６８では、画素が、細胞の一部ではなく、細胞全体に対応するように受け入れられた画素を「成長」させる。輝度近接を用いて、成長が継続するかどうかを調べる。すなわち、選択された画素と試験画素の間には、Ｌ_Ｔ（本例ではＬ_Ｔ＝７５）で表される輝度差閾値と比較してあまりにも大きな輝度差が存在することを示す場合は、選択された画素による成長は継続しないことを、６６で計算したマスク画像が示す。

成長画素のプロセス６８は以下の通りである。第１に、画素位置が「成長される」か「成長されていない」かを示す、「成長」と標識付けられた画像記憶物を生成し、「成長」における各エントリまたは画素を、画素がまだ「成長」していないことを示す「偽」（偽＝０）に最初に設定する。「真」（真＝１）は、「成長される」ことを示す。第２に、白色の画素以外のすべての画素を平均化する（すなわち、Ｒ、Ｇ、およびＢをすべて最大値の２５５に等しくすること）ことによって、画像「成長」に対する背景色を中央値フィルタリングされた画像から計算する。この背景色の値は、記録される。ここで、成長プロセスは、以下のコンピュータプログラム工程に従って進行する。これらの工程では、ラインの右側への挿入は、そのラインと、そのラインに続く等しい挿入およびより大きい挿入のラインとを含む反復ループを示し、より小さい挿入のラインに到達するときにそのループが終わる従来の方法が用いられる。

中央値フィルタリングされた画像における各画素に対して、
マスク画像画素が受け入れられ、同位置にある対応する「成長」の画素が０である場合は、
「成長」の画素を真（１）に設定する。
「成長」の画素の位置を「アクションリスト」という名称のリストに入力する。
アクションリストが空でなければ、
最後に追加された画素をアクションリストから除去するが、画像位置をメモリに保持し、それを「除去された画素」と呼ぶ。
除去された画素の最も近い画素である４つの「成長」の画素、すなわち、対角線上の近隣画素ではなく、同じ列または行のみで除去された画素と隣り合う画素を選択する。
まだマスク画像画素と比較されていない最も近い近隣画素の１つを選択する。
以下の３つの基準、すなわち（ａ）マスク画像画素と選択された最も近い近隣画素の輝度の差がＬ_Ｔ未満であること、（ｂ）マスク画像画素と背景色の輝度の差がＬ_Ｔより大きいこと、および（ｃ）マスク画像画素と白色画素の輝度の差がＬ_Ｔより大きいことが満たされる場合は（または満たされる場合のみ）、
選択された最も近い近隣画素と同じ位置に配置された「成長」の画素を偽（０）から真（１）に変更し、選択された最も近い近隣画素の位置をアクションリストに追加する。
基準（ａ）、（ｂ）および（ｃ）のいずれか１つ以上が満たされない場合は、該当する成長の「画素」を変化させず、その位置をアクションリストに追加しない。
まだマスク画像画素と比較されていない次の最も近い近隣画素についても繰り返す。
アクションリストへの次のエントリについても繰り返す。
他のすべてのマスク画像画素についても繰り返す。

上記コンピュータプログラム工程は、成長についてさらなる画素を再評価することによって、マスク画像における元の単一画素から細胞を継続的に成長させるための機構を提供する。成長すべき「シード」マスク画像画素の最も近い近隣画素を評価する。成長に追加される（１に変更される）最も近い近隣画素の各々も、比較されていない最も近いその近隣画素を評価するためにアクションリストに追加される。したがって、成長は、成長細胞の一部ではなく隣接するすべての画素が評価され、３つの輝度基準（ａ）、（ｂ）、および（ｃ）の１つ以上を満たさなくなるまで進行する。次いで、成長は、その細胞については終了し、新たな「シード」マスク画像画素に基づいて他の細胞について再開する。

６８の結果は、有糸***の対象となりそうな真の細胞の位置を示すための候補であるブロブ（値１の連続画素の画像領域）の集合体を含む新たな画像「成長」である。７０において、先述した接続成分標識によりブロブを処理する。これにより、以下のようなブロブ毎の測定値の集合が導かれる。
面積Ａ（ブロブにおける画素数）
周長Ｐ（ブロブの境界上の画素数）
緻密度（４πＡ／Ｐ^２）
幅（ブロブを横切る行における最大画素数）
高さ（ブロブを下がる列における最大画素数）
幅／高さ比
輝度百分率：ブロブの画素と同じ位置に配置された中央値フィルタリングされた画像画素を使用して、最も暗い中央値フィルタリングされた画像画素の輝度を、背景色の輝度で割った結果に１００をかけることによって測定値を計算する
摂動差（ｐｅｒｔｕｒｂｅｄ ｄｉｆｆｅｒｅｎｃｅ）（それぞれ予め設定された増分および減分によって摂動された、Ｌ_Ｔに対応する閾値を用いて得られた成長ブロブサイズ間の差）
色相差（平均色相と入力画像からの背景色相との差の絶対値）。

摂動差は、以下のようにして計算される。
本例では摂動係数Ｐ_Ｆ（Ｐ_Ｆ＝４）を加えることによって閾値Ｌ_Ｔを調整し、
成長プロセス６８を適用して、より大きい新たなブロブを得て、
摂動係数Ｐ_Ｆを減算することによって閾値Ｌ_Ｔを調整し、かつ
成長プロセス６８を適用して、より小さい新たなブロブを得る。

次いで、より大きい新たなブロブとより小さい新たなブロブとの間で排他的論理和関数を計算する。すなわち、より小さいブロブにおける各画素と、より大きいブロブにおける同位置のそれぞれの画素との排他的論理和をとる。小さいブロブに同様の位置の画素が存在しないより大きいブロブの外部画素は、異なる画素値と排他的論理和をとるものとして扱われる。排他的論理和は、異なる値の画素の対に対しては１を与え、同じ値の画素の対に対しては０を与える。その結果は、それを与えるブロブ画素と同じ位置の画素として配置される各排他的論理和値を有する排他的論理和画像を提供する。次いで、排他的論理和画像における１に等しい画素の数をカウントし、この数を摂動差とする。

以下のようにしてブロブ毎に色相差を得る。ブロブの画素と同じ位置に配置された中央値フィルタリングされた画像画素の平均色を計算する。次いで、この平均色と、既に得られた背景画素色とを、赤／緑／青（ＲＧＢ）から異なる画像空間の色相／飽和／値（ＨＳＶ）に変換する。ＲＧＢからＨＳＶへの変換については、Ｋ．Ｊａｃｋ、「Ｖｉｄｅｏ Ｄｅｍｙｓｔｉｆｉｅｄ」、第２編、ＨｉｇｈＴｅｘｔ Ｐｕｂｌｉｃａｔｉｏｎｓ、 Ｓａｎ Ｄｉｅｇｏ、１９９６年に記載されている。本例では、ＶおよびＳ成分を必要としない。以下のようにして、各ブロブの平均色および背景画素色に対してＨを計算する。
Ｍ＝（Ｒ、Ｇ、Ｂ）の最大値 （１７）
ｍ＝（Ｒ、Ｇ、Ｂ）の最小値 （１８）
このとき
ｎｅｗｒ＝（Ｍ−Ｒ）／（Ｍ−ｍ） （１９）
ｎｅｗｇ＝（Ｍ−Ｇ）／（Ｍ−ｍ） （２０）
ｎｅｗｂ＝（Ｍ−Ｂ）／（Ｍ−ｍ） （２１）

次に、以下の式によって色相（Ｈ）を与える。
ＲがＭに等しい場合は、Ｈ＝６０（ｎｅｗｂ−ｎｅｗｇ） （２２）
ＧがＭに等しい場合は、Ｈ＝６０（２＋ｎｅｗｒ−ｎｅｗｂ） （２３）
ＢがＭに等しい場合は、Ｈ＝６０（４＋ｎｅｗｇ−ｎｅｗｒ） （２４）
Ｈが３６０以上の場合は、Ｈ＝Ｈ−３６０ （２５）
Ｈが０未満の場合は、Ｈ＝Ｈ＋３６０ （２６）

次いで、ブロブにおける中央値フィルタリングされた画像画素と背景画素との平均色のＨ値の差をブロブ毎に計算し、それを当該ブロブに対する色相差とする。

ブロブのパラメータが、以下の表のすべての条件を満たす場合は、さらなる処理に向けてブロブを受け入れるか、そうでなければ、そのすべての画素を０に設定することによってそのブロブを拒絶（削除）する。

本例では、色相差は、（上の表におけるゼロ閾値により）実質的に常に真となる。しかし、状況によっては、非ゼロ閾値を有することが望ましいこともある。輝度百分率、摂動差、および色相差は、必須ではなく、さらなる処理等を決定づける上記表における閾値から除くことが可能である。

７２では、（既に定義した）２つのクイックソートをブロブに適用して、一方がブロブ面積の小さい順にブロブを並べたブロブのリストであり、他方が中央値フィルタリングされた画像におけるブロブ輝度の低い順にブロブを並べたリストである、２つのリストにブロブを分類する。ここで、２つのリストにおけるブロブは、それらがその末端にマーク付けをするグループに従って名付けられる。すなわち、それより輝度の低いブロブ（存在する場合）とともに全ブロブ数のＸ％を占めることを示すブロブは、「最も暗いＸ％ブロブ」と称する。同様に、それより大きい面積のブロブ（存在する場合）とともに全ブロブ数のＹ％を占めることを示すブロブは、「最大Ｙ％ブロブ」と称する。

ここで、中央値面積のブロブ（面積リストの中央の「中央値ブロブ」）を識別する。面積リスト内に偶数個のブロブがある場合、２つの中央ブロブの平均面積を、中央値面積とする。また７２では、以下のようにして、不必要なブロブを取り除いて、有糸***像に対応するものと見なされるブロブを残す。Ａより多くのブロブが存在し、最大のブロブが、中央値ブロブの面積のＢパーセントより大きい場合は、最も暗いＤパーセントブロブの輝度以下の輝度を有する最大ブロブＣの各々を保持する。あるいは、最大ブロブが、中央値ブロブの面積のＢパーセント以下である場合は、最大のＦパーセントブロブの面積以下の面積を有する最も暗いＥブロブの各々を保持する。本例では、Ａ、Ｂ、Ｃ、Ｄ、Ｅ、およびＦの値は、Ａ＝２ブロブ、Ｂ＝２００パーセント、Ｃ＝３ブロブ、Ｄ＝３０パーセント、Ｅ＝２ブロブ、Ｆ＝８０パーセントである。プロセス７２は、以下のようにして計算される。

ブロブの数がＡ以下である場合は、各ブロブを有糸***像として受け入れる。有糸***像のカウントがＡになり、現在の画像の処理が終了する。

あるいは、ブロブの数がＡより大きい場合は、
最大ブロブの面積を取得し、
中央値ブロブの面積を取得し、
最大ブロブの面積が、中央値ブロブ面積のＢパーセントより大きい場合は、
最も暗いＤパーセントのブロブの輝度を取得し、Ｄパーセントの位置にブロブが存在しない場合は、より暗く、かつ輝度リストにおける概念的なＤパーセントのブロブの位置に最も近いブロブの輝度をとる。
最大のＣブロブの各々に対して、
ブロブ輝度が、最も暗いＤパーセントのブロブ以下である場合は、
検知された有糸***像であるとしてそのブロブを受け入れ、
有糸***像のカウントを１だけ増加させ、
未評価のブロブがなくなるまで最大のＣのブロブの残りについて繰り返し、有糸***像のカウントを出力する。

あるいは、最大ブロブ面積が、中央値ブロブ面積のＢパーセント以下の場合は、
最大のＦパーセントのブロブの面積を取得し、Ｆパーセントの位置にブロブが存在しない場合は、面積リストにおける概念的なＦパーセントのブロブの位置に（面積が）最も近いブロブの面積をとる。
最も暗いＥのブロブの各々に対して、
ブロブ面積が、最大のＦパーセントのブロブの面積以下である場合は、
検知された有糸***像であるとしてそのブロブを受け入れ、
（最初は０である）有糸***像のカウントを１だけ増加させ、
未評価のブロブがなくなるまで最大のＥのブロブの残りについて繰り返し、有糸***像のカウントを出力する。

ブロブの基準数はＡ以下で、要望に応じて１つのみ使用してもよく、これが満たされない場合は、有糸***カウントをゼロとする。「別の」基準、すなわちＡより多いブロブ数、およびそれに続く基準は、さらなる選択肢を提供する。

先述したように、１０の画像またはタイルのすべてに対してプロセス２０を実施する。この繰り返しは、有糸***活性を観察する尤度を高めるものである。次いで、それら１０の画像に対する有糸***カウントを合算して、後述する有糸***活性格付けに変換される合計を与える。

次に図６を参照すると、上述の１０のデジタル化画像の各々に対して実施される、代替的な有糸***像検知プロセス２４の流れ図が示されている。全画像を使用することが可能であるが、１２０では、デジタル化画像（以降「入力画像」と称する）を、便宜上、１２８×１２８画素サイズの重複窓に分割する。それらの窓は、水平および垂直方向に６４の画素と重なる。したがって、各窓は、その前の上または左（存在する場合）の窓の半分と重なる。各窓において、主成分解析（ＰＣＡ、Ｋａｒｈｕｎｅｎ−Ｌｏｅｖｅ変換）を適用する。ＰＣＡは、Ｊｏｌｌｉｅ Ｉ．Ｔ．、「Ｐｒｉｎｃｉｐａｌ Ｃｏｍｐｏｎｅｎｔ Ａｎａｌｙｓｉｓ」、Ｓｐｒｉｎｇｅｒ ｓｅｒｉｅｓ ｉｎ ｓｔａｔｉｓｔｉｃｓ、Ｓｐｒｉｎｇｅｒ Ｖｅｒｌａｇ、１９８６年に記載されている標準的な数学的技術である。それは、Ｊａｃｋｓｏｎ Ｊ．Ｅ．、「Ａ Ｕｓｅｒ Ｇｕｉｄｅ ｔｏ Ｐｒｉｎｃｉｐａｌ Ｃｏｍｐｏｎｅｎｔｓ」、ｐｐ．１〜２５、Ｊｏｈｎ Ｗｉｌｅｙ ＆ Ｓｏｎｓ、１９９１年にも記載されている。ＰＣＡは、（恐らくは相関した）変数の集合を、主成分と呼ばれるより少ない数の非相関変数に変換するための技術である。第１の主成分は、他の成分と比較すると、変数の集合におけるばらつきのできるだけ多くに対応する。このため、この段階では選択肢である、赤、緑、または青の画像平面またはその平均をとることに比べて優れているといえる。ＰＣＡは、変数の集合の共分散行列を取得し、その固有値および固有ベクトルについて解くことを含む。共分散マトリックスは、以下の式を用いて計算される。

上式において、Ｃ_ｉ，ｊは、変数ｉと変数ｊの共分散で、ｘ_ｋおよびｙ_ｋは、ｋ番目のオブジェクトのｉ番目およびｊ番目の特徴値で、μ_ｘは、ｘ_ｋのＮ個のすべての値の平均値で、μ_ｋは、ｙ_ｋのＮ個のすべての値の平均値である。共分散行列は３×３であり、ＰＣＡは３つの固有ベクトルを与える。それらの固有ベクトルは、Ｎ×３の画像行列の転置を増大させて、積行列を与えるのに使用される３×３の行列として処理される。積行列は、最も重要な成分と見なすことのできる第１の主成分であるＮ×１の第１の列を有する。それは最大の固有値を有する成分であり、他の成分に関連づけられる同等物と比較して最大の範囲の情報を有するグレースケール副画像（Ｎの画素の各々に対して１つの画素値）を提供する。ＰＣＡは、上記の重複窓の各々に対して実施され、それぞれが、１２８×１２８画素サイズのそれぞれ第１の主成分およびグレースケール副画像を提供する。

１２２では、「Ｏｔｓｕ」と称する閾値設定法を適用することによって、１２０から得られる各副画像を対応する２値副画像に変換する。Ｏｔｓｕは、Ｏｔｓｕ Ｎ．、「Ａ ｔｈｒｅｓｈｏｌｄｉｎｇ ｓｅｌｅｃｔｉｏｎ ｍｅｔｈｏｄ ｆｒｏｍ ｇｒｅｙ ｌｅｂｅｌ ｈｉｓｔｏｇｒａｍｓ」、ＩＥＥＥ Ｔｒａｎｓ Ｓｙｓｔｅｍｓ、Ｍａｎ ＆ Ｃｙｂｅｒｎｅｔｉｃｓ、第９巻、１９７９年、ｐｐ．６２〜６６に公表されている標準的な閾値設定技術である。Ｏｔｓｕ閾値選定法は、２つのクラスについて、クラス内のばらつきに対するクラス間のばらつきの比を最小限にすることを目的とする。すなわち、クラス間のばらつきが高くなるほど、分離が良好になる。本例では、２つのクラスは、閾値を下回るクラス（画素値０）および閾値を上回るクラス（画素値１）であるため、Ｏｔｓｕ閾値設定を適用することによって、グレースケール副画像は、ブロブの集合体を含む２値副画像に変換される。

１２４では、副画像境界に接触または交差するすべてのブロブ（オブジェクト）を除去する。したがって、任意の画素においてブロブが境界と接触すると、その画素を背景画素値に設定することによってそれを除去する。当該境界は、それらに接触するブロブに、後に誤った結果をもたらしうる人工的な直線エッジを与えるからである。副画素が重なるため、１つの画像の一部に出現するブロブは、他の副画像全体に出現することができる。この工程１２４は、副画像を使用することによってのみ行われる。

１２６では、１２４からの出力を反転させ、ブロブにおけるあらゆる穴を除去できるように、接続成分標識（先述したＣＣＬ）を適用する。これは、必須ではないが、結果をある程度向上させる空間フィルタリングを提供する。本発明により、ＣＣＬ標識によって標識付けられた画素値１の部分は、背景画素およびブロブ内の穴になる。穴、すなわち背景画素以外のすべての標識付けられた部分は、各ブロブ内の穴の画素を、ブロブの他の画素の値に設定することによって除去（充填）される。

１２８では、１２６からの出力をもう一度反転させ、ＣＣＬを適用する。この反転の後に、標識付けられた部分は、１２６において充填された副画素内のブロブになる。ＣＣＬは、後に使用するブロブ中央位置を与える。４００画素の最小面積閾値より小さいあらゆるブロブを拒絶し、すなわち以下の表に従って画像背景値に設定する。これは、望ましいが必須ではない他の空間フィルタリング工程である。

１３０では、１２８で出力された複数の副画像を、１２０における分解の前の元と同じサイズの新たな２値画像に再構成する。新たな２値画像は、フィルタリングが施され、今や後の有糸***プロセスの対象となるブロブのみを含む。画像前処理は工程１３０で終了する。残留するブロブの集合体は、不必要な小ブロブおよびブロブ内の穴が排除されている。工程１２０から１３０を用いる画像前処理は、ブロブ外周の形状に大きな影響を与えないため有益であり、これは有糸***解析にとって重要である。有糸***指示プロセス１６および１８のいずれかを用いたことによる結果を、この工程１３０に導入する。すなわち、ブロブは、実質的に同じ位置にある有糸***指示画像にブロブが存在するか否かに応じて、受け入れられるか、または拒絶させる（これは、論理和演算を用いて実施されうる）。プロセス１６または１８を用いることは必須ではないが、処理負担を低減するのに有用である。

１３２では、主成分解析（先述のＰＣＡ）を入力（ＲＧＢ）画像全体に適用する。以前と同様に、赤、緑、または青の画像平面またはその平均を使用することが可能であるが、ＰＣＡが好ましい。ＰＣＡは、他の成分より良好な情報範囲を有するグレースケール画像である第１の成分を与える。１３０における前処理で識別され、グレースケール画像に出現するブロブの各々の中央を中心とした５１×５１画素の局所的な窓に、特徴抽出手順１３４を適用する。手順１３４は、各ブロブに対応するグレースケール画像のそれぞれの領域に対する平均断面（プロファイル）を決定する。この計算を目的として、使用される各グレースケール値を、２５５で割ることによって範囲０から１にくるように正規化する。そのブロブに対応し、かつブロブ中央を中心としたそれぞれのグレースケール画像領域を横切って延びる５１画素長のラインを使用して、各ブロブそれぞれの一連のプロファイルを採取する。これは、プロファイル当たり５１の画素値またはヒストグラム点を与え、プロファイルは、２０度の間隔の９つの異なる角度方向で採取される。次いで、各ブロブの９つのプロファイルのそれぞれの平均を計算する。

次いで、各平均プロファイルのそれぞれのヒストグラムを取得し、以下のようにちょうど５つの間隔またはビン１から５に量子化する。すなわち、（１）０≦プロファイル＜０．２、（２）０．２≦プロファイル＜０．４、（３）０．４≦プロファイル＜０．６、（４）０．６≦プロファイル＜０．８、および０．８≦プロファイル≦１．０とする。ビンは、それぞれ０．１、０．３、０．５、０．７、および０．９に中心を有する。各ビンは、それぞれの強度値を有する平均プロファイルにおける画素の数を含む。ビン１は、画像強度値の最も暗いグループ、すなわち有糸***像の画像に関連づけられる種類の低グレースケール値に対応する。有糸***像は、従来の着色技術を用いると通常は暗いため、比較的暗い度合いのグレーレベルがより興味深い。ビン２から４は、次第に高輝度の値に対応し、ビン５は、５つの値の中で最も高輝度の値に対応する。しかし、プロファイルは全て比較的暗い画像領域からのものなので、これらは相対的なものである。およその平均プロファイルは、５つの値によって表される。５つの値の各集合は、ここでは実際の細胞を示すものとして扱われるブロブを特徴づける。各平均プロファイルの最小値は、可変の「最小プロファイル」として記録される。

１３６では、ビン１、２、および４のコンテンツを使用して、現在のブロブに対応する現在の細胞が、有糸***細胞か否かを判断する。具体的には、各ブロブに対して以下の基準が適用される（ただし、「ビン（ｎ）」は、ｎ番目のビンのコンテンツを意味し、ｎ＝１、２、または４である）。

ビン（１）＞７．６である場合は
現在の細胞は有糸***細胞である。
それ以外の場合、すなわちビン（１）≦７．６である場合は、
ビン（２）＞２５．５、びん（４）＞０、かつ最小プロフィル＜０．１５であれば、
現在の細胞は有糸***細胞であり、
それ以外の場合、ビン（２）≦２５．５、かつ／またはビン（４）≦０、かつ／または最小プロフィル≧０．１５であれば、
現在の細胞は有糸***細胞ではない。

要望に応じて、第１の基準、すなわちビン（１）＞７．６を、細胞が有糸***細胞であるかどうかを判断するのに使用する唯一の基準としてもよい。「それ以外の場合の」基準、すなわちビン（１）≦７．６は随意である。

各々の代替的な有糸***像検知技術２０および２４は、１０の画像から導かれる測定値を生成する。既に述べたように、各有糸***像検知技術を、１０の画像またはタイルに適用する。有糸***像を各画像についてカウントし、そのカウントを合算して、１０の画像に対する合計を求める。技術に対する有糸***像カウントは、以下の表に示すように、それが、０から５か、または６から１０か、または１１以上であるかに応じて、ポイント１の小、ポイント２の中、またはポイント３の大である。

有糸***の測定値を、異なる方法により多型および細管に対して得られた他の測定値と組み合わせて、医療分野では「ブルームアンドリチャードソン格付け（Ｂｌｏｏｍ ａｎｄ Ｒｉｃｈａｒｄｓｏｎ ｇｒａｄｉｎｇ）」と呼ばれる包括的な格付けを導くことができる。それは、臨床医により、癌の状態の測度として利用される。

中間的な量および結果を計算するための先述の説明に提示された例は、担持媒体上に記録され、従来のコンピュータシステム上で動作する適切なコンピュータプログラムによって明確に評価されうる。プログラム工程の例を提示した。当該プログラムは、手順がよく知られているため、熟練したプログラマが、発明を必要とすることなく、容易に実施するものである。したがって当該プログラムおよびシステムについてさらに説明することはしない。

有糸***編編成、特徴検知、およびカウンティングを組み込んだ、本発明の有糸***活性を測定する手順のブロック図である。 図１の手順における有糸***編成をより詳細に示す図である。 図１の手順における有糸***編成に対する代替的なアプローチのブロック図である。 図３の有糸***編成手順における隠れマルコフ無作為フィールド分割の使用法を示す図である。 図１の手順における有糸***特徴検知をより詳細に示す図である。 図１の手順における有糸***特徴検知に対する代替的なアプローチのブロック図である。

Claims (17)

1. 組織病理検体画像データから有糸***活性を測定する方法であって、
   ａ）可能性がある有糸***像に対応する画像領域の強度プロファイル、すなわち平均断面を測定する工程と、
   ｂ）１組のビンを生成するために、所定の強度に関連する画素の数をカウントする工程であって、各々のビンがそれぞれの強度値を有する画素の数を含む、前記カウントする工程と、
   ｃ）有糸***像の画像に関連づけられる強度を有するビンが、予め設定された閾値より大きい値を有する場合に、画像領域が有糸***像を示すものと判断する工程とを有することを特徴とする方法。
2. 有糸***像の画像に関連づけられる強度を有するビンが予め設定された閾値を超えない第１の値を有し、他のビンが予め設定された第２の閾値より大きい第２の値を有し、さらなるビンが予め設定された第３の閾値より大きい第３の値を有し、強度プロファイルの最小値が予め設定された第４の閾値より小さい場合に、画像領域が有糸***像を示すものと判断することを含むことを特徴とする、請求項１に記載の方法。
3. 第１の値が、強度プロファイルの一端にあり、第１および第２の値が、強度プロファイル内で互いに隣接し、第３の値が、第２の値と隣接していないことを特徴とする、請求項２に記載の方法。
4. 画像データが、着色画像データの主成分解析（ＰＣＡ）によって得られた第１の主成分を含むことを特徴とする、請求項２に記載の方法。
5. 工程ａ）が、
   ａ）画像データを重複する副画像に分解し、
   ｂ）ＰＣＡを副画像に適用して、第１の主成分画像を導き、
   ｃ）ブロブおよび背景の２値画像を生成するために第１の主成分画像の閾値を定め、
   ｄ）副画像境界に隣接または交差するブロブを拒絶し、
   ｅ）ブロブの穴を満たし、
   ｆ）小さすぎて可能性がある有糸***像に対応しないブロブを拒絶し、かつ
   ｇ）工程ａ）で先述した画像領域のプロファイル測定のために、副画像を単一画像に再構成することによって、画像データを前処理することを含むことを特徴とする、請求項２に記載の方法。
6. 工程ｇ）の後に、画素が、
   ａ）有糸***像の画像に関連づけられる強度が欠如した画素を除去するために色画像データの閾値を定め、
   ｂ）すべての色に存在しない画素を除去し、かつ
   ｃ）小さすぎたり、大きすぎたりするため可能性がある有糸***像にならない画素を除去するために画像領域面積の閾値を定めることによって、有糸***像を示すことに関しての受け入れまたは拒絶のために編成されることを特徴とする、請求項５に記載の方法。
7. 工程ｇ）の後に、画素が、
   ａ）有糸***像の画像に関連づけられる強度を有する画素を識別するために分割し、
   ｂ）小さすぎたり、大きすぎたりするため可能性がある有糸***像にならない画素を除去するために画像領域面積の閾値を定め、
   ｃ）画素の画像領域が十分に大きいクラスタであるか否かを判断するためにクラスタ解析を行い、かつ
   ｄ）壊死性およびヘアリエッジフィルタリングを行うことによって、有糸***像を示すことに関しての受け入れまたは拒絶のために編成されることを特徴とする、請求項５に記載の方法。
8. 組織病理検体画像データから有糸***活性を測定するためのコンピュータ装置であって、
   ａ）可能性がある有糸***像に対応する画像領域の強度プロファイル、すなわち平均断面を測定する工程と、
   ｂ）１組のビンを生成するために、所定の強度に関連する画素の数をカウントする工程であって、各々のビンがそれぞれの強度値を有する画素の数を含む、前記カウントする工程と、
   ｃ）有糸***像の画像に関連づけられる強度を有するビンが、予め設定された閾値より大きい値を有する場合に、画像領域が有糸***像を示すものと判断する工程とを、実行するようにプログラムされることを特徴とする装置。
9. 有糸***像の画像に関連づけられる強度を有するビンが予め設定された閾値を超えない第１の値を有し、他のビンが予め設定された第２の閾値より大きい第２の値を有し、さらなるビンが予め設定された第３の閾値より大きい第３の値を有し、強度プロファイルの最小値が予め設定された第４の閾値より小さい場合に、画像領域が有糸***像を示すものと判断するようにプログラムされることを特徴とする、請求項８に記載の装置。
10. 第１の値が、強度プロファイルの一端にあり、第１および第２の値は、強度プロファイル内で互いに隣接し、第３の値は、第２の値と隣接していないことを特徴とする、請求項９に記載の装置。
11. 画像データが、着色画像データの主成分解析（ＰＣＡ）によって得られた第１の主成分を含むことを特徴とする、請求項９に記載の装置。
12. 組織病理検体画像データから有糸***活性を測定するのに使用されるコンピュータプログラムであって、命令が、
    ａ）可能性がある有糸***像に対応する画像領域の強度プロファイル、すなわち平均断面を測定する工程と、
    ｂ）１組のビンを生成するために、所定の強度に関連する画素の数をカウントする工程であって、各々のビンがそれぞれの強度値を有する画素の数を含む、前記カウントする工程と、
    ｃ）有糸***像の画像に関連づけられる強度を有するビンが、予め設定された閾値より大きい値を有する場合に、画像領域が有糸***像を示すものと判断する工程とを、実施させることを特徴とするコンピュータプログラム。
13. 命令は、有糸***像の画像に関連に対応づけられる強度を有するビンが予め設定された閾値を超えない第１の値を有し、他のビンが予め設定された第２の閾値より大きい第２の値を有し、さらなるビンが予め設定された第３の閾値より大きい第３の値を有し、強度プロファイルの最小値が予め設定された第４の閾値より小さい場合に、画像領域が有糸***像を示すものと判断させることを特徴とする、請求項１２に記載のコンピュータプログラム。
14. 第１の値は、強度プロファイルの一端にあり、第１および第２の値は、強度プロファイル内で互いに隣接し、第３の値は、第２の値と隣接していないことを特徴とする、請求項１３に記載のコンピュータプログラム。
15. 命令が、
    ａ）画像データを重複する副画像に分解し、
    ｂ）ＰＣＡを副画像に適用して、第１の主成分画像を導き、
    ｃ）ブロブおよび背景の２値画像を生成するために第１の主成分画像の閾値を定め、
    ｄ）副画像境界に隣接または交差するブロブを拒絶し、
    ｅ）ブロブの穴を満たし、
    ｆ）小さすぎて可能性がある有糸***像に対応しないブロブを拒絶し、かつ
    ｇ）工程ａ）で先述した画像領域プロファイル測定のために、副画像を単一画像に再編成することによって、画像データを前処理することを工程ａ）に含めることを特徴とする請求項１３に記載のコンピュータプログラム。
16. ａ）有糸***像の画像に関連づけられる強度が欠如した画素を除去するために色画像データの閾値を定め、
    ｂ）すべての色に存在しない画素を除去し、かつ
    ｃ）小さすぎたり、大きすぎたりするため可能性がある有糸***像にならない画素を除去するために画像領域面積の閾値を定めることによって、
    後続の有糸***評価のために、有糸***像を示すことに関しての受け入れまたは拒絶のために画素を編成することを含むことを特徴とする、請求項１に記載の方法。
17. ａ）有糸***像の画像に関連づけられる強度を有する画素を識別するために分割し、
    ｂ）小さすぎたり、大きすぎたりするため可能性がある有糸***像にならない画素を除去するために画像領域面積の閾値を定め、
    ｃ）画素の画像領域が十分に大きいクラスタであるか否かを判断するためにクラスタ解析を行い、かつ
    ｄ）壊死性およびヘアリエッジフィルタリングを行うことによって、
    後続の有糸***評価のために、有糸***像を示すことに関しての受け入れまたは拒絶のために画素を編成することを含むことを特徴とする、請求項１に記載の方法。

Images