JP6619732B2 - 顕微鏡画像内の個々の細胞を分類および識別するための方法およびシステム - Google Patents
顕微鏡画像内の個々の細胞を分類および識別するための方法およびシステム Download PDFInfo
- Publication number
- JP6619732B2 JP6619732B2 JP2016522089A JP2016522089A JP6619732B2 JP 6619732 B2 JP6619732 B2 JP 6619732B2 JP 2016522089 A JP2016522089 A JP 2016522089A JP 2016522089 A JP2016522089 A JP 2016522089A JP 6619732 B2 JP6619732 B2 JP 6619732B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- module
- rules
- filters
- applying
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 48
- 238000012549 training Methods 0.000 claims description 74
- 238000012545 processing Methods 0.000 claims description 22
- 238000001914 filtration Methods 0.000 claims description 20
- 238000003708 edge detection Methods 0.000 claims description 10
- 238000005259 measurement Methods 0.000 claims description 10
- 238000004422 calculation algorithm Methods 0.000 claims description 8
- 238000003066 decision tree Methods 0.000 claims description 7
- 238000007637 random forest analysis Methods 0.000 claims description 6
- 238000013528 artificial neural network Methods 0.000 claims description 5
- 238000009499 grossing Methods 0.000 claims description 5
- 238000003064 k means clustering Methods 0.000 claims description 5
- 238000012706 support-vector machine Methods 0.000 claims description 5
- 238000004163 cytometry Methods 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 4
- 238000007670 refining Methods 0.000 claims description 2
- 210000004027 cell Anatomy 0.000 description 125
- 238000010586 diagram Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 241000257465 Echinoidea Species 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000012472 biological sample Substances 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000010261 cell growth Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 235000013601 eggs Nutrition 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 210000003470 mitochondria Anatomy 0.000 description 1
- 210000004498 neuroglial cell Anatomy 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/19—Recognition using electronic means
- G06V30/191—Design or setup of recognition systems or techniques; Extraction of features in feature space; Clustering techniques; Blind source separation
- G06V30/19167—Active pattern learning
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12M—APPARATUS FOR ENZYMOLOGY OR MICROBIOLOGY; APPARATUS FOR CULTURING MICROORGANISMS FOR PRODUCING BIOMASS, FOR GROWING CELLS OR FOR OBTAINING FERMENTATION OR METABOLIC PRODUCTS, i.e. BIOREACTORS OR FERMENTERS
- C12M1/00—Apparatus for enzymology or microbiology
- C12M1/34—Measuring or testing with condition measuring or sensing means, e.g. colony counters
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
- C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
- C12Q1/02—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving viable microorganisms
- C12Q1/04—Determining presence or kind of microorganism; Use of selective media for testing antibiotics or bacteriocides; Compositions containing a chemical indicator therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/217—Validation; Performance evaluation; Active pattern learning techniques
- G06F18/2178—Validation; Performance evaluation; Active pattern learning techniques based on feedback of a supervisor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
- G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
- G06V20/695—Preprocessing, e.g. image segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
- G06V20/698—Matching; Classification
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2223/00—Investigating materials by wave or particle radiation
- G01N2223/40—Imaging
- G01N2223/42—Imaging image digitised, -enhanced in an image processor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10056—Microscopic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30024—Cell structures in vitro; Tissue sections in vitro
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Organic Chemistry (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Wood Science & Technology (AREA)
- Zoology (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Multimedia (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
- Biotechnology (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Microbiology (AREA)
- Biochemistry (AREA)
- Genetics & Genomics (AREA)
- Analytical Chemistry (AREA)
- Toxicology (AREA)
- Biophysics (AREA)
- Immunology (AREA)
- Geometry (AREA)
- Databases & Information Systems (AREA)
- Medicinal Chemistry (AREA)
- Sustainable Development (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
- Investigating Or Analysing Biological Materials (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
- Apparatus Associated With Microorganisms And Enzymes (AREA)
Description
本願は、2013年10月28日に出願された、米国仮特許出願第61/896,282号の利益を主張するものであり、該仮特許出願の内容は、その全体が本明細書中に援用される。
本発明は、例えば、以下を提供する。
(項目1)
画像内のオブジェクトと関連付けられた画素を分類するコンピュータ実装方法であって、
画像を受信するステップと、
訓練データを受信するステップであって、前記訓練データは、前記画像内の特定のタイプのオブジェクトと関連付けられた画素を識別する、ステップと、
前記画像の複数のフィルタ処理されたバージョンを展開するステップと、
前記訓練データおよび前記画像の複数のフィルタ処理されたバージョンを処理し、前記特定のタイプのオブジェクトと関連付けられた画素を分類するための訓練されたモデルを展開するステップと、
前記訓練されたモデルを前記画像に適用し、前記画像内の前記特定のタイプの複数のオブジェクトと関連付けられた画素を識別するステップと、
オブジェクトセグメント化を精緻化するための画像処理ステップと、
を含む、方法。
(項目2)
前記訓練されたモデルを適用するステップは、前記画像内の前記特定のタイプの集密的オブジェクト間の境界と関連付けられた画素を識別する、項目1に記載のコンピュータ実装方法。
(項目3)
前記特定のタイプは、生物学的細胞であり、前記訓練されたモデルを適用するステップは、前記画像内の集密的生物学的細胞間の境界と関連付けられた画素を識別する、項目1に記載のコンピュータ実装方法。
(項目4)
さらなる画像を受信するステップと、前記訓練されたモデルを前記さらなる画像に適用し、前記さらなる画像内の複数の細胞と関連付けられた画素を識別するステップとをさらに含む、項目3に記載のコンピュータ実装方法。
(項目5)
前記訓練されたモデルを前記さらなる画像に適用するステップは、前記さらなる画像の複数のフィルタ処理されたバージョンを展開するステップを含む、項目4に記載のコンピュータ実装方法。
(項目6)
前記画像の複数のフィルタ処理されたバージョンのそれぞれを展開するステップは、第1のフィルタのセットから選択されるフィルタを適用するステップを含み、
前記さらなる画像の複数のフィルタ処理されたバージョンのそれぞれを展開するステップは、第2のフィルタのセットから選択されるフィルタを適用するステップを含み、
前記第1のフィルタのセットおよび前記第2のフィルタのセットは、同じではない、
項目5に記載のコンピュータ実装方法。
(項目7)
前記訓練されたモデルを適用するステップは、ランダムフォレスト決定木アルゴリズム、神経ネットワーク、サポートベクトルマシン、およびk−平均クラスタリングアルゴリズムのうちの1つを使用するステップを含む、項目3に記載のコンピュータ実装方法。
(項目8)
前記画像のフィルタ処理されたバージョンを展開するステップは、エッジ検出フィルタ、ピーク検出フィルタ、サブサンプリングフィルタ、および平滑化演算子のうちの1つを適用するステップを含む、項目3に記載のコンピュータ実装方法。
(項目9)
前記画像内の複数の細胞と関連付けられた識別された画素によって表される細胞の数を判定するステップをさらに含む、項目3に記載のコンピュータ実装方法。
(項目10)
識別された細胞の識別された部分を拡張または精緻化し、前記細胞と関連付けられた付加的画素を選択するステップをさらに含む、項目3に記載のコンピュータ実装方法。
(項目11)
画像内のオブジェクトを識別するためのシステムであって、
画像を受信する、画像取得モジュールと、
訓練データを受信する、ユーザインターフェースモジュールであって、前記訓練データは、前記画像内の特定のタイプのオブジェクトと関連付けられた画素を識別する、ユーザインターフェースモジュールと、
前記画像の複数のフィルタ処理されたバージョンを展開する、フィルタ処理モジュールと、
前記訓練データおよび前記画像の複数のフィルタ処理されたバージョンを処理し、前記特定のタイプのオブジェクトと関連付けられた画素を分類するための訓練されたモデルを展開する、訓練モジュールと、
前記訓練されたモデルを前記画像に適用し、前記画像内の前記特定の複数のオブジェクトと関連付けられた画素を識別する、オブジェクト識別モジュールと、
分類結果を精緻化し、オブジェクトセグメント化を得る、画像処理モジュールと、
を備える、システム。
(項目12)
前記オブジェクト識別モジュールは、前記特定のタイプの集密的オブジェクト間の境界と関連付けられた画素を識別する、項目11に記載のシステム。
(項目13)
前記特定のタイプは、生物学的細胞であり、前記オブジェクト識別モジュールは、前記画像内の集密的生物学的細胞間の境界と関連付けられた画素を識別する、項目11に記載のシステム。
(項目14)
前記画像取得モジュールは、さらなる画像を受信し、細胞識別モジュールは、前記訓練されたモデルを前記さらなる画像に適用し、前記さらなる画像内の複数の細胞と関連付けられた画素を識別する、項目13に記載のシステム。
(項目15)
前記フィルタ処理モジュールは、前記さらなる画像のフィルタ処理されたバージョンを展開し、前記細胞識別モジュールは、前記さらなる画像のフィルタ処理されたバージョンを使用し、前記画像内の複数の細胞と関連付けられた画素を識別する、項目14に記載のシステム。
(項目16)
前記フィルタ処理モジュールは、第1のフィルタのセットを使用し、前記画像の複数のフィルタ処理されたバージョンを展開し、第2のフィルタのセットを使用し、前記さらなる画像の複数のフィルタ処理されたバージョンを展開し、前記第1のフィルタのセットおよび前記第2のフィルタのセットは、同じではない、項目15に記載のシステム。
(項目17)
前記オブジェクト識別モジュールは、ランダムフォレスト決定木アルゴリズム、神経ネットワーク、サポートベクトルマシン、およびk−平均クラスタリングアルゴリズムのうちの1つを使用する、項目13に記載のシステム。
(項目18)
前記フィルタ処理モジュールは、前記画像に、エッジ検出フィルタ、ピーク検出フィルタ、サブサンプリングフィルタ、および平滑化演算子のうちの1つを適用する、項目13に記載のシステム。
(項目19)
前記画像内の複数の細胞と関連付けられた識別された画素によって表される細胞の数を判定する、細胞測定モジュールをさらに備える、項目13に記載のシステム。
(項目20)
前記細胞測定モジュールは、前記画像内の複数の細胞と関連付けられた統計を計算する、項目13に記載のシステム。
本発明の多数の修正が、前述の説明に照らして、当業者に明白となるであろう。本明細書に説明される方法およびシステムは、種々の照明条件下において、異なる顕微鏡技法を使用して取得された画像内のオブジェクト、特に、細胞を識別するために使用されてもよい。故に、本説明は、例証のみとして解釈されるべきであって、当業者が本発明を作製および使用することを可能にする目的のために、かつそれを実施する最良の形態を教示するために提示される。添付の請求項の範囲内にある、あらゆる修正に対する排他的権利が、留保される。
Claims (16)
- 画像内のオブジェクトに関連付けられた画素を分類するコンピュータ実装方法であって、前記コンピュータ実装方法は、
画像を受信することと、
訓練データを受信することであって、前記訓練データは、前記画像内の特定のタイプのオブジェクトに関連付けられた画素を識別する、ことと、
第1の組のフィルタを前記画像に適用することによって、前記画像の複数のフィルタ処理されたバージョンを展開することと、
前記訓練データおよび前記画像の複数のフィルタ処理されたバージョンを処理することにより、前記画像内の前記特定のタイプのオブジェクトに関連付けられた画素を分類するための訓練されたモデルを展開することであって、前記訓練されたモデルは、前記画像に適用されるべき第1の組のルールを含む、ことと、
前記訓練されたモデルを前記画像に適用することにより、前記画像内の前記特定のタイプのオブジェクトに関連付けられた画素を識別することであって、前記訓練されたモデルを前記画像に適用することは、前記第1の組のルールの各ルールを前記画像に適用することを含む、ことと、
前記特定のタイプのオブジェクトに関連付けられた画素を識別する際に、前記第1の組のルールの各ルールの有効性を評価することと、
前記第1の組のルールから1つ以上のルールを選択することにより、第2の組のルールを展開することであって、各選択されたルールは、前記画像内の画素の少なくとも所定のパーセンテージを正しく分類することが可能である、ことと、
さらなる画像に適用されるべき第2の組のフィルタを識別することであって、前記第2の組のフィルタは、前記第2の組のルールに関連付けられたフィルタのみを含む、ことと
を含み、
前記特定のタイプは、生物学的細胞であり、前記訓練されたモデルを適用することは、前記画像内の集密的生物学的細胞間の境界に関連付けられた画素を識別する、コンピュータ実装方法。 - 前記さらなる画像を受信することと、前記第2の組のルールの各ルールを前記さらなる画像に適用することにより、前記さらなる画像内の複数の細胞に関連付けられた画素を識別することとをさらに含む、請求項1に記載のコンピュータ実装方法。
- 前記第2の組のルールの各ルールを前記さらなる画像に適用することは、前記さらなる画像の複数のフィルタ処理されたバージョンを展開することを含む、請求項2に記載のコンピュータ実装方法。
- 前記画像の複数のフィルタ処理されたバージョンのそれぞれを展開することは、前記第1の組のフィルタから選択されるフィルタを適用することを含み、
前記さらなる画像の複数のフィルタ処理されたバージョンのそれぞれを展開することは、前記第2の組のフィルタから選択されるフィルタを適用することを含み、
前記第1の組のフィルタおよび前記第2の組のフィルタは同一ではない、請求項3に記載のコンピュータ実装方法。 - 前記訓練されたモデルを適用することは、ランダムフォレスト決定木アルゴリズム、神経ネットワーク、サポートベクトルマシン、k−平均クラスタリングアルゴリズムのうちの1つを使用することを含む、請求項1〜4のうちのいずれか一項に記載のコンピュータ実装方法。
- 前記画像のフィルタ処理されたバージョンを展開することは、エッジ検出フィルタ、ピーク検出フィルタ、サブサンプリングフィルタ、平滑化演算子のうちの1つを適用することを含む、請求項1〜5のうちのいずれか一項に記載のコンピュータ実装方法。
- 前記画像内の複数の細胞に関連付けられた識別された画素によって表される細胞の数を判定することをさらに含む、請求項1〜6のうちのいずれか一項に記載のコンピュータ実装方法。
- 識別された細胞の識別された部分を拡張または精緻化することにより、前記細胞に関連付けられた付加的画素を選択することをさらに含む、請求項1〜7のうちのいずれか一項に記載のコンピュータ実装方法。
- 画像内のオブジェクトを識別するためのシステムであって、前記システムは、
画像を受信する画像取得モジュールと、
訓練データを受信するユーザインターフェースモジュールであって、前記訓練データは、前記画像内の特定のタイプのオブジェクトに関連付けられた画素を識別する、ユーザインターフェースモジュールと、
第1の組のフィルタを前記画像に適用することによって、前記画像の複数のフィルタ処理されたバージョンを展開するフィルタ処理モジュールと、
前記訓練データおよび前記画像の複数のフィルタ処理されたバージョンを処理することにより、前記特定のタイプのオブジェクトに関連付けられた画素を分類するための訓練されたモデルを展開する訓練モジュールであって、前記訓練されたモデルは、前記画像に適用されるべき第1の組のルールを含む、訓練モジュールと、
前記訓練されたモデルを前記画像に適用することにより、前記画像内の前記特定のタイプのオブジェクトに関連付けられた画素を識別するオブジェクト識別モジュールであって、前記訓練されたモデルを前記画像に適用することは、前記第1の組のルールの各ルールを前記画像に適用することを含む、オブジェクト識別モジュールと
を備え、
前記訓練モジュールは、前記特定のタイプのオブジェクトに関連付けられた画素を識別する際に、前記第1の組のルールの各ルールの有効性を評価し、
前記訓練モジュールは、前記第1の組のルールから1つ以上のルールを選択することにより、第2の組のルールを展開し、各選択されたルールは、前記画像内の画素の少なくとも所定のパーセンテージを正しく分類することが可能であり、
前記フィルタ処理モジュールは、さらなる画像に適用されるべき第2の組のフィルタを識別し、前記第2の組のフィルタは、前記第2の組のルールに関連付けられたフィルタのみを含み、
前記特定のタイプは、生物学的細胞であり、前記オブジェクト識別モジュールは、前記画像内の集密的生物学的細胞間の境界に関連付けられた画素を識別する、システム。 - 前記画像取得モジュールは、前記さらなる画像を受信し、前記オブジェクト識別モジュールは、前記第2の組のルールの各ルールを前記さらなる画像に適用することにより、前記さらなる画像内の複数の細胞に関連付けられた画素を識別する、請求項9に記載のシステム。
- 前記フィルタ処理モジュールは、前記さらなる画像のフィルタ処理されたバージョンを展開し、前記オブジェクト識別モジュールは、前記さらなる画像のフィルタ処理されたバージョンを使用することにより、前記画像内の複数の細胞に関連付けられた画素を識別する、請求項10に記載のシステム。
- 前記フィルタ処理モジュールは、前記第2の組のフィルタを使用することにより、前記さらなる画像の複数のフィルタ処理されたバージョンを展開し、前記第1の組のフィルタおよび前記第2の組のフィルタは同一ではない、請求項11に記載のシステム。
- 前記オブジェクト識別モジュールは、ランダムフォレスト決定木アルゴリズム、神経ネットワーク、サポートベクトルマシン、k−平均クラスタリングアルゴリズムのうちの1つを使用する、請求項9に記載のシステム。
- 前記フィルタ処理モジュールは、前記画像に、エッジ検出フィルタ、ピーク検出フィルタ、サブサンプリングフィルタ、平滑化演算子のうちの1つを適用する、請求項9に記載のシステム。
- 前記画像内の複数の細胞に関連付けられた識別された画素によって表される細胞の数を判定する細胞測定モジュールをさらに備える、請求項9に記載のシステム。
- 前記細胞測定モジュールは、前記画像内の複数の細胞に関連付けられた統計を計算する、請求項15に記載のシステム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201361896282P | 2013-10-28 | 2013-10-28 | |
US61/896,282 | 2013-10-28 | ||
PCT/US2014/060417 WO2015065697A1 (en) | 2013-10-28 | 2014-10-14 | Method and system for classifying and identifying individual cells in a microscopy image |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2016534709A JP2016534709A (ja) | 2016-11-10 |
JP2016534709A5 JP2016534709A5 (ja) | 2017-11-09 |
JP6619732B2 true JP6619732B2 (ja) | 2019-12-11 |
Family
ID=53004937
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016522089A Active JP6619732B2 (ja) | 2013-10-28 | 2014-10-14 | 顕微鏡画像内の個々の細胞を分類および識別するための方法およびシステム |
Country Status (6)
Country | Link |
---|---|
US (2) | US9830502B2 (ja) |
EP (1) | EP3063289B1 (ja) |
JP (1) | JP6619732B2 (ja) |
KR (1) | KR102273115B1 (ja) |
CN (1) | CN105849274B (ja) |
WO (1) | WO2015065697A1 (ja) |
Families Citing this family (31)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102359391B1 (ko) * | 2016-11-08 | 2022-02-04 | 삼성전자주식회사 | 디바이스가 이미지를 보정하는 방법 및 그 디바이스 |
WO2018088794A2 (ko) * | 2016-11-08 | 2018-05-17 | 삼성전자 주식회사 | 디바이스가 이미지를 보정하는 방법 및 그 디바이스 |
KR101883350B1 (ko) * | 2016-11-22 | 2018-08-02 | (주) 테크로스 | 샘플수 분석장치 및 방법 |
KR101844928B1 (ko) * | 2016-11-24 | 2018-04-03 | (주) 테크로스 | 샘플수 분석장치 및 방법 |
GB201705876D0 (en) * | 2017-04-11 | 2017-05-24 | Kheiron Medical Tech Ltd | Recist |
GB201705911D0 (en) | 2017-04-12 | 2017-05-24 | Kheiron Medical Tech Ltd | Abstracts |
JP7030423B2 (ja) | 2017-04-27 | 2022-03-07 | シスメックス株式会社 | 画像解析方法、装置、プログラムおよび深層学習アルゴリズムの製造方法 |
CN107729932B (zh) * | 2017-10-10 | 2019-07-26 | 杭州智微信息科技有限公司 | 骨髓细胞标记方法和*** |
CN107977684B (zh) * | 2017-12-20 | 2018-10-23 | 杭州智微信息科技有限公司 | 一种快速修正骨髓有核细胞分类的交互方法 |
KR102072445B1 (ko) * | 2018-01-30 | 2020-02-03 | 서강대학교 산학협력단 | 마이크로웰 어레이의 이미지 분석을 위한 분석 알고리즘 형성방법 |
KR102237288B1 (ko) * | 2018-02-07 | 2021-04-07 | 울산과학기술원 | 기계학습 알고리즘을 이용한 이미지 변환 방법 및 장치 |
US10586129B2 (en) | 2018-02-21 | 2020-03-10 | International Business Machines Corporation | Generating artificial images for use in neural networks |
KR20200141044A (ko) * | 2018-03-07 | 2020-12-17 | 베르딕 홀딩스 피티와이 엘티디 | 현미경으로 생물학적 물질을 식별하는 방법 |
JP2019195304A (ja) | 2018-05-10 | 2019-11-14 | 学校法人順天堂 | 画像解析方法、装置、コンピュータプログラム、及び深層学習アルゴリズムの生成方法 |
CN108961301B (zh) * | 2018-07-12 | 2021-11-02 | 中国海洋大学 | 一种基于无监督逐像素分类的角毛藻图像分割方法 |
US10853943B2 (en) * | 2018-07-31 | 2020-12-01 | Element Ai Inc. | Counting objects in images based on approximate locations |
EP3608701A1 (de) * | 2018-08-09 | 2020-02-12 | Olympus Soft Imaging Solutions GmbH | Verfahren zur bereitstellung wenigstens einer auswertemethode für proben |
EP3629242B1 (de) * | 2018-09-28 | 2024-07-03 | Siemens Healthcare Diagnostics Inc. | Verfahren zum konfigurieren einer bildauswerteeinrichtung sowie bildauswerteverfahren und bildauswerteeinrichtung |
DE102018217901A1 (de) * | 2018-10-18 | 2020-04-23 | Leica Microsystems Cms Gmbh | Optimierung von Arbeitsabläufen von Mikroskopen |
JP7339337B2 (ja) * | 2018-11-07 | 2023-09-05 | トラスティーズ オブ タフツ カレッジ | 表面を識別する原子間力顕微鏡法 |
KR102084682B1 (ko) | 2019-01-07 | 2020-03-04 | 기초과학연구원 | 인공신경망을 이용한 특수 현미경 영상 생성 방법 및 영상 처리 장치 |
EP3951710A4 (en) | 2019-03-29 | 2022-05-18 | FUJIFILM Corporation | IMAGE PROCESSING DEVICE, METHOD FOR OPERATING AN IMAGE PROCESSING DEVICE AND PROGRAM FOR OPERATING AN IMAGE PROCESSING DEVICE |
CA3141859A1 (en) | 2019-04-11 | 2020-10-15 | Agilent Technologies, Inc. | User interface configured to facilitate user annotation for instance segmentation within biological sample |
JP7381003B2 (ja) | 2019-04-26 | 2023-11-15 | 学校法人順天堂 | 疾患解析を支援する方法、装置、及びコンピュータプログラム、並びにコンピュータアルゴリズムを訓練する方法、装置、及びプログラム |
KR102338050B1 (ko) * | 2019-08-30 | 2021-12-13 | 포항공과대학교 산학협력단 | 주사투과전자현미경 이미지에서의 원자 구조 해석 방법 |
JP7242882B2 (ja) * | 2019-09-27 | 2023-03-20 | 富士フイルム株式会社 | 情報処理装置、情報処理装置の作動方法、情報処理装置の作動プログラム |
JP2021083431A (ja) | 2019-11-29 | 2021-06-03 | シスメックス株式会社 | 細胞解析方法、細胞解析装置、細胞解析システム、及び細胞解析プログラム |
JP2023541993A (ja) * | 2020-09-21 | 2023-10-04 | モレキュラー デバイシーズ, エルエルシー | 顕微鏡検査システムの性能を最適化するための撮像構成を開発する方法およびシステム |
CN116431597A (zh) * | 2021-12-31 | 2023-07-14 | 戴尔产品有限公司 | 用于训练数据分类模型的方法、电子设备和计算机程序产品 |
CN114418995B (zh) * | 2022-01-19 | 2023-02-03 | 生态环境部长江流域生态环境监督管理局生态环境监测与科学研究中心 | 一种基于显微镜图像的级联藻类细胞统计方法 |
WO2024137382A1 (en) * | 2022-12-21 | 2024-06-27 | Nanostring Technologies, Inc. | Systems and methods utilizing improved definition of cell boundaries in biological images |
Family Cites Families (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1996009594A1 (en) * | 1994-09-20 | 1996-03-28 | Neopath, Inc. | Apparatus for automated identification of thick cell groupings on a biological specimen |
US5978497A (en) | 1994-09-20 | 1999-11-02 | Neopath, Inc. | Apparatus for the identification of free-lying cells |
US20060269135A1 (en) | 2005-03-15 | 2006-11-30 | Ramsay Thomas E | System and method for identifying objects of interest in image data |
US20080292194A1 (en) * | 2005-04-27 | 2008-11-27 | Mark Schmidt | Method and System for Automatic Detection and Segmentation of Tumors and Associated Edema (Swelling) in Magnetic Resonance (Mri) Images |
US8295575B2 (en) * | 2007-10-29 | 2012-10-23 | The Trustees of the University of PA. | Computer assisted diagnosis (CAD) of cancer using multi-functional, multi-modal in-vivo magnetic resonance spectroscopy (MRS) and imaging (MRI) |
US8488863B2 (en) * | 2008-11-06 | 2013-07-16 | Los Alamos National Security, Llc | Combinational pixel-by-pixel and object-level classifying, segmenting, and agglomerating in performing quantitative image analysis that distinguishes between healthy non-cancerous and cancerous cell nuclei and delineates nuclear, cytoplasm, and stromal material objects from stained biological tissue materials |
US8175369B2 (en) * | 2008-12-12 | 2012-05-08 | Molecular Devices, Llc | Multi-nucleated cell classification and micronuclei scoring |
JP5396977B2 (ja) * | 2009-04-09 | 2014-01-22 | 株式会社ニコン | データ処理装置、データ処理方法およびプログラム |
WO2011015952A1 (en) * | 2009-08-07 | 2011-02-10 | Medinol Ltd. | Method and system for stabilizing a series of intravascular ultrasound images and extracting vessel lumen from the images |
CN102175625A (zh) * | 2010-11-29 | 2011-09-07 | 樊潮 | 一种癌细胞识别方法 |
US8934698B2 (en) * | 2011-06-22 | 2015-01-13 | The Johns Hopkins University | System and device for characterizing cells |
US8731278B2 (en) * | 2011-08-15 | 2014-05-20 | Molecular Devices, Inc. | System and method for sectioning a microscopy image for parallel processing |
WO2013068781A1 (en) | 2011-11-08 | 2013-05-16 | Perkinelmer Cellular Technologies Germany Gmbh | Methods and apparatus for image analysis using profile weighted intensity features |
US8705834B2 (en) | 2011-11-08 | 2014-04-22 | Perkinelmer Cellular Technologies Germany Gmbh | Methods and apparatus for image analysis using threshold compactness features |
US20130138352A1 (en) * | 2011-11-30 | 2013-05-30 | Molecular Devices, Llc | System and method for determining a baseline measurement for a biological response curve |
CN102682305B (zh) * | 2012-04-25 | 2014-07-02 | 深圳市迈科龙医疗设备有限公司 | 宫颈液基细胞学自动筛查方法和*** |
US20130329987A1 (en) * | 2012-06-11 | 2013-12-12 | Genesis Group Inc. | Video segmentation method |
US9147132B2 (en) | 2013-09-11 | 2015-09-29 | Digitalglobe, Inc. | Classification of land based on analysis of remotely-sensed earth images |
-
2014
- 2014-10-14 WO PCT/US2014/060417 patent/WO2015065697A1/en active Application Filing
- 2014-10-14 JP JP2016522089A patent/JP6619732B2/ja active Active
- 2014-10-14 US US15/031,523 patent/US9830502B2/en active Active
- 2014-10-14 KR KR1020167008003A patent/KR102273115B1/ko active IP Right Grant
- 2014-10-14 CN CN201480059295.8A patent/CN105849274B/zh active Active
- 2014-10-14 EP EP14857738.0A patent/EP3063289B1/en active Active
-
2017
- 2017-10-25 US US15/793,547 patent/US10061974B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
US9830502B2 (en) | 2017-11-28 |
US20180165509A1 (en) | 2018-06-14 |
KR20160078955A (ko) | 2016-07-05 |
JP2016534709A (ja) | 2016-11-10 |
WO2015065697A1 (en) | 2015-05-07 |
EP3063289A4 (en) | 2017-06-21 |
CN105849274B (zh) | 2020-01-21 |
US20160259963A1 (en) | 2016-09-08 |
US10061974B2 (en) | 2018-08-28 |
CN105849274A (zh) | 2016-08-10 |
KR102273115B1 (ko) | 2021-07-06 |
EP3063289B1 (en) | 2020-01-08 |
EP3063289A1 (en) | 2016-09-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6619732B2 (ja) | 顕微鏡画像内の個々の細胞を分類および識別するための方法およびシステム | |
US11341375B2 (en) | Image processing apparatus and method based on deep learning and neural network learning | |
JP5546317B2 (ja) | 外観検査装置、外観検査用識別器の生成装置及び外観検査用識別器生成方法ならびに外観検査用識別器生成用コンピュータプログラム | |
KR101932009B1 (ko) | 다중 객체 검출을 위한 영상 처리 장치 및 방법 | |
US20150278710A1 (en) | Machine learning apparatus, machine learning method, and non-transitory computer-readable recording medium | |
KR101969022B1 (ko) | 영상 분석 장치 및 방법 | |
CN104424482A (zh) | 图像处理设备和图像处理方法 | |
JP7477517B2 (ja) | 画像分析システムおよび画像分析システムを使用する方法 | |
JP2018142097A (ja) | 情報処理装置、情報処理方法及びプログラム | |
CN107918767B (zh) | 目标检测方法、装置、电子设备及计算机可读介质 | |
US11334743B2 (en) | System and method for image analysis of multi-dimensional data | |
JP2007048006A (ja) | 画像処理装置および画像処理プログラム | |
WO2019076867A1 (en) | SEMANTIC SEGMENTATION OF AN OBJECT IN AN IMAGE | |
KR101990123B1 (ko) | 영상 분석 장치 및 방법 | |
KR102158967B1 (ko) | 영상 분석 장치, 영상 분석 방법 및 기록 매체 | |
JP5716504B2 (ja) | 画像処理装置、画像処理方法および画像処理プログラム | |
Sanders et al. | Learning-guided automatic three dimensional synapse quantification for drosophila neurons | |
WO2021049119A1 (ja) | 学習装置、学習方法及び学習プログラムが格納された非一時的なコンピュータ可読媒体 | |
Parveen et al. | Traffic sign detection and recognition using colour features towards intelligent vehicle/driver assistance system | |
JP6331914B2 (ja) | アルゴリズム生成装置、アルゴリズム生成方法及びアルゴリズム生成用コンピュータプログラム | |
KR102044525B1 (ko) | 이식 거부반응 판별 모델 생성 방법 및 장치 | |
CN115937224A (zh) | 用于实例分割的显微镜***和方法 | |
Zhang et al. | Multistage spatial property based segmentation for quantification of fluorescence distribution in cells | |
Gupta | Automatic Number Plate Recognition Using Raspberry Pi2 in Shovel-Dumper Combination |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20170928 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20170928 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20180725 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20180803 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20181105 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190423 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190717 |
|
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: 20191105 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20191115 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6619732 Country of ref document: JP 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 |