JP6860043B2 - Nerve cell evaluation method, nerve cell evaluation program and nerve cell evaluation method - Google Patents
Nerve cell evaluation method, nerve cell evaluation program and nerve cell evaluation method Download PDFInfo
- Publication number
- JP6860043B2 JP6860043B2 JP2019136135A JP2019136135A JP6860043B2 JP 6860043 B2 JP6860043 B2 JP 6860043B2 JP 2019136135 A JP2019136135 A JP 2019136135A JP 2019136135 A JP2019136135 A JP 2019136135A JP 6860043 B2 JP6860043 B2 JP 6860043B2
- Authority
- JP
- Japan
- Prior art keywords
- feature amount
- moving image
- movement
- analysis target
- analysis
- 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
Images
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
- Apparatus Associated With Microorganisms And Enzymes (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
- Image Analysis (AREA)
Description
本技術は、分析対象を経時的に撮像した動画像を分析対象とする分析システム、分析プログラム及び分析方法に関する。 The present technology relates to an analysis system, an analysis program, and an analysis method for analyzing a moving image obtained by capturing an analysis target over time.
ｉＰＳ細胞の作成（特許文献１参照）により、再生医療、組織工学、細胞工学等の分野の進歩は著しく、細胞の状態の評価や、細胞に対する薬物等の効果や影響の評価に対する要望が非常に大きくなっている。特に神経細胞においても、ｉＰＳ細胞等の胚性幹細胞から神経細胞を作製する方法が確立されてきており（特許文献２参照）、神経細胞の有効な分析方法が求められている。 With the creation of iPS cells (see Patent Document 1), advances in fields such as regenerative medicine, tissue engineering, and cell engineering are remarkable, and there is a great demand for evaluation of cell status and evaluation of the effects and effects of drugs on cells. It's getting bigger. In particular, for nerve cells, a method for producing nerve cells from embryonic stem cells such as iPS cells has been established (see Patent Document 2), and an effective analysis method for nerve cells is required.
細胞の分析方法として、分析対象の細胞を経時的に撮像した動画を解析し、そこから得られる情報に基づいて細胞の分析を行う方法が研究されている。例えば特許文献３には、細胞を含む動画において動きベクトルを検出し、動画に含まれる細胞の動きの協同性を評価する画像処理装置が開示されている。
As a cell analysis method, a method of analyzing a moving image of a cell to be analyzed over time and analyzing the cell based on the information obtained from the moving image is being studied. For example,
しかしながら、特許文献３に記載の画像処理装置は、動画からひとつの評価値を算出するものであり、動画における細胞の経時的な動きを評価するものではない。本発明者らは、細胞等の分析対象が経時的に撮像された動画像において、分析対象の経時的な動きを評価することが可能な分析手法を新たに見出した。
However, the image processing apparatus described in
以上のような事情に鑑み、本技術の目的は、分析対象を経時的に撮像した動画像から分析対象の経時的な動きを評価することが可能な分析システム、分析プログラム及び分析方法を提供することにある。 In view of the above circumstances, an object of the present technology is to provide an analysis system, an analysis program, and an analysis method capable of evaluating the movement of an analysis target over time from a moving image of the analysis target over time. There is.
上記目的を達成するため、本技術の一形態に係る分析システムは、特徴量算出部を具備する。
上記特徴量算出部は、分析対象を経時的に撮像した分析対象動画像において、動き量の特徴を示す特徴量を時間範囲毎に算出する。
In order to achieve the above object, the analysis system according to one form of the present technology includes a feature amount calculation unit.
The feature amount calculation unit calculates the feature amount indicating the feature of the movement amount for each time range in the analysis target moving image obtained by capturing the analysis target over time.
分析対象動画像おける動き量（動きベクトル）は、分析対象動画像に含まれる分析対象の動きに応じて変動し、各時間範囲における特徴量は当該時間範囲における動き量の特徴を表す。したがって、特徴量を指標として動き量の時間変化を評価することが可能であり、即ち分析対象の動きを評価することが可能である。 The movement amount (motion vector) in the analysis target moving image fluctuates according to the movement of the analysis target included in the analysis target moving image, and the feature amount in each time range represents the feature of the movement amount in the time range. Therefore, it is possible to evaluate the time change of the movement amount using the feature amount as an index, that is, it is possible to evaluate the movement of the analysis target.
上記分析システムは、上記特徴量の時間変化又は空間変化を可視化する特徴量表示部をさらに具備してもよい。 The analysis system may further include a feature quantity display unit that visualizes a temporal change or a spatial change of the feature quantity.
この構成によれば、ユーザが可視化された特徴量の時間変動や空間変動を利用して分析対象の動きを評価することが可能となる。 According to this configuration, the user can evaluate the movement of the analysis target by utilizing the time variation and the spatial variation of the visualized feature amount.
上記分析システムは、上記特徴量の時間変化を可視化して上記分析対象動画像に重畳させ、特徴量表示動画像を生成する特徴量表示部をさらに具備してもよい。 The analysis system may further include a feature amount display unit that visualizes the time change of the feature amount and superimposes it on the analysis target moving image to generate the feature amount display moving image.
特徴量表示動画像には分析対象動画像と、分析対象動画像に伴なって変動する特徴量が表示されるため、ユーザは特徴量によって表される動き量の特徴を参照しながら分析対象動画像を観察することが可能となる。 Since the feature amount display moving image displays the analysis target moving image and the feature amount that fluctuates with the analysis target moving image, the user can refer to the feature of the movement amount represented by the feature amount and analyze the analysis target moving image. It becomes possible to observe the image.
上記分析システムは、上記分析対象動画像の特定の範囲を算出範囲として指定する範囲指定部をさらに具備し、上記特徴量算出部は、上記算出範囲毎に上記特徴量を算出してもよい。 The analysis system may further include a range designation unit that designates a specific range of the analysis target moving image as a calculation range, and the feature amount calculation unit may calculate the feature amount for each calculation range.
この構成によれば、分析対象動画像の特定の範囲（算出範囲）毎に特徴量が算出されるため、その範囲毎に分析対象の動きを評価することが可能である。算出範囲は、ユーザによって指定された範囲であってもよく、分析対象動画像を複数に分割した範囲であってもよい。 According to this configuration, since the feature amount is calculated for each specific range (calculation range) of the moving image to be analyzed, it is possible to evaluate the movement of the analysis target for each range. The calculation range may be a range specified by the user, or may be a range obtained by dividing the analysis target moving image into a plurality of parts.
上記特徴量は、動きの量や方向の平均値、最大値、最小値、、標準偏差、分散、変動係数又は周波数特徴量若しくはこれらの組み合わせであってもよい。 The feature amount may be an average value of the amount of motion or a direction, a maximum value, a minimum value, a standard deviation, a variance, a coefficient of variation, a frequency feature amount, or a combination thereof.
上記各種の特徴量は動き量の特徴を表すため、これらの特徴量を指標として分析対象の動きを評価することが可能である。なお、これらの特徴量は、いずれか一つ又は複数が利用されてもよい。特徴量の種類によって表される動き量の特徴が異なるため、評価したい分析対象の動きに応じて適切な特徴量を選択することが可能である。 Since the various feature quantities described above represent the characteristics of the motion amount, it is possible to evaluate the motion of the analysis target using these feature quantities as indexes. In addition, any one or more of these feature quantities may be used. Since the characteristics of the movement amount represented by the type of the feature amount differ, it is possible to select an appropriate feature amount according to the movement of the analysis target to be evaluated.
上記周波数特徴量は、周波数解析によって得られる平均強度、ピーク周波数又は平均パワー周波数であってもよい。 The frequency feature may be the average intensity, peak frequency or average power frequency obtained by frequency analysis.
上記各種の周波数特徴量は、高速フーリエ変化（ＦＦＴ）、ウェーブレット変換、最大エントロピー法（ＭＥＭ）等の周波数解析によって得られ、動き量の周波数に関する情報を含む。しがって、これらの特徴量を指標として分析対象の動きを動き量の周波数の点から評価することが可能である。なお、これらの特徴量は、いずれか一つ又は複数が利用されてもよい。 The various frequency features are obtained by frequency analysis such as fast Fourier transform (FFT), wavelet transform, maximum entropy method (MEM), and include information on the frequency of motion. Therefore, it is possible to evaluate the movement of the analysis target in terms of the frequency of the movement amount using these feature amounts as an index. In addition, any one or more of these feature quantities may be used.
上記分析対象は神経細胞であってもよい。 The analysis target may be a nerve cell.
神経細胞の動き（振動等）は、神経細胞に印加されている刺激の種類（抑制性や興奮性等）や神経細胞ネットワークの形成状態によって影響を受ける。しかしその動きは心筋細胞の拍動等と比較して微小であり、より精度の高い分析が要求される。本分析システムは、特徴量を指標として細胞の動きを高精度に分析することが可能であるため、神経細胞は本分析システムによる分析対象として好適である。 The movement of nerve cells (vibration, etc.) is affected by the type of stimulus applied to the nerve cells (inhibitory, excitatory, etc.) and the state of formation of the nerve cell network. However, the movement is minute compared to the pulsation of cardiomyocytes, and more accurate analysis is required. Since this analysis system can analyze cell movements with high accuracy using feature quantities as an index, nerve cells are suitable as analysis targets by this analysis system.
上記分析システムは、上記分析対象動画像を構成する静止画において、分析対象が存在する領域である分析対象領域を特定する分析対象領域特定部をさらに具備し、
上記特徴量算出部は、上記分析対象動画像において、上記分析対象領域について上記特徴量を算出してもよい。
The analysis system further includes an analysis target area specifying unit that specifies an analysis target area, which is an area in which the analysis target exists, in the still image constituting the analysis target moving image.
The feature amount calculation unit may calculate the feature amount for the analysis target area in the analysis target moving image.
この構成によれば、特徴量算出部は、分析対象動画像において、分析対象（細胞等）が存在する領域のみについて、特徴量を算出することが可能である。分析対象動画像において分析対象が存在しない領域（細胞の間等）については特徴量が算出されないため、
特徴量算出部は高速に特徴量を算出することができ、ノイズの発生を防止することも可能である。
According to this configuration, the feature amount calculation unit can calculate the feature amount only in the region where the analysis target (cell or the like) exists in the analysis target moving image. Since the feature amount is not calculated for the region (between cells, etc.) where the analysis target does not exist in the analysis target moving image,
The feature amount calculation unit can calculate the feature amount at high speed, and can prevent the generation of noise.
上記特徴量算出部は、上記分析対象領域において動き速度が閾値以上の領域である動き領域を利用して上記特徴量を算出してもよい。 The feature amount calculation unit may calculate the feature amount by using the movement area in which the movement speed is equal to or higher than the threshold value in the analysis target area.
動き領域は、分析対象領域のうち動き速度が閾値以上の領域であり、即ち分析対象において動きが大きい部分である。分析対象の中には、特定の部分（例えば神経細胞における神経突起）のみが大きく動くものがあり、特徴量算出部が動き領域を特定することにより、動きが大きい部分の動きを抽出し、解析することが可能となる。 The movement region is a region of the analysis target region where the movement speed is equal to or higher than the threshold value, that is, the portion of the analysis target where the movement is large. In some analysis targets, only a specific part (for example, a neurite in a nerve cell) moves greatly, and the feature amount calculation unit identifies the movement area to extract and analyze the movement of the part with large movement. It becomes possible to do.
上記特徴量算出部は、上記分析対象領域に占める上記動き領域の割合を上記特徴量として算出してもよい。 The feature amount calculation unit may calculate the ratio of the movement region to the analysis target area as the feature amount.
動き領域割合は、分析対象領域のうち、動き領域がどの程度であるかを示し、分析対象における動きの傾向を表す。これにより、例えば動き領域割合が大きい場合、分析対象（細胞等）の全体が振動しており、動き領域割合が小さい場合、分析対象の特定部分が振動している等と判断することが可能となる。 The movement area ratio indicates how much the movement area is in the analysis target area, and represents the tendency of the movement in the analysis target. As a result, for example, when the proportion of the motion region is large, it can be determined that the entire analysis target (cells, etc.) is vibrating, and when the proportion of the motion region is small, it can be determined that a specific part of the analysis target is vibrating. Become.
上記特徴量算出部は、上記分析対象領域における動き速度の平均値を上記特徴量として算出してもよい。 The feature amount calculation unit may calculate the average value of the movement speed in the analysis target region as the feature amount.
分析対象領域における動き速度の平均値は、分析対象の全体的な動きを表す。平均する動き速度を分析対象領域に限ることによって、分析対象が存在しない領域（細胞の間等）の動き速度が平均されることを防止することが可能である。 The average value of the movement speed in the analysis target area represents the overall movement of the analysis target. By limiting the average movement speed to the analysis target region, it is possible to prevent the movement speed of the region (between cells, etc.) where the analysis target does not exist from being averaged.
上記特徴量算出部は、上記動き領域における動き速度の平均値を上記特徴量として算出してもよい。 The feature amount calculation unit may calculate the average value of the movement speeds in the movement region as the feature amount.
動き領域における動き速度の平均値は、分析対象のうち、動いている部分の動き速度を表す。これにより、例えば、分析対象において特定の部分のみが活発に振動している場合、その部分のみの動き速度を判断することが可能となる。仮に分析対象の全体において動き速度の平均値を求めると、振動していない部分の動き速度も平均されてしまうため、活発に振動している部分の動き速度の解析が困難となるが、上記構成により、このような場合であっても解析が可能となる。 The average value of the movement speed in the movement area represents the movement speed of the moving part of the analysis target. Thereby, for example, when only a specific part of the analysis target is actively vibrating, it is possible to determine the movement speed of only that part. If the average value of the movement speed of the entire analysis target is obtained, the movement speed of the non-vibrating part is also averaged, which makes it difficult to analyze the movement speed of the actively vibrating part. Therefore, analysis is possible even in such a case.
上記特徴量算出部は、動き量の周波数解析によって得られるパワースペクトル密度の所定の周波数帯における面積を周波数特徴量として算出してもよい。 The feature amount calculation unit may calculate the area of the power spectral density obtained by the frequency analysis of the motion amount in a predetermined frequency band as the frequency feature amount.
この構成によれば、所定の周波数帯における振動の情報が特徴量として抽出されるため、
分析対象のうち注目する部分（例えば神経細胞の神経突起）の周波数帯のみに限定して解析を行うことが可能となる。換言すれば、分析対象の振動のうち、注目する周波数帯以外の振動は解析の対象から除外することが可能となり、分析対象が複数の周波数の振動を有している場合であっても、有効に解析を行うことが可能となる。
According to this configuration, vibration information in a predetermined frequency band is extracted as a feature amount.
It is possible to perform analysis by limiting the frequency band of the part of interest (for example, the neurite of a nerve cell) of the analysis target. In other words, among the vibrations to be analyzed, vibrations other than the frequency band of interest can be excluded from the analysis target, and it is effective even when the analysis target has vibrations of multiple frequencies. It is possible to perform analysis.
上記目的を達成するため、本技術の一形態に係る分析プログラムは、特徴量算出部としてコンピュータを機能させる。
上記特徴量算出部は、分析対象を経時的に撮像した分析対象動画像において、動き量の特徴を示す特徴量を時間範囲毎に算出する。
In order to achieve the above object, the analysis program according to one form of the present technology causes a computer to function as a feature amount calculation unit.
The feature amount calculation unit calculates the feature amount indicating the feature of the movement amount for each time range in the analysis target moving image obtained by capturing the analysis target over time.
上記目的を達成するため、本技術の一形態に係る分析方法は、分析対象を経時的に撮像した分析対象動画像において、動き量の特徴を示す特徴量を時間範囲毎に算出する。 In order to achieve the above object, the analysis method according to one form of the present technology calculates a feature amount indicating a feature of the movement amount for each time range in the analysis target moving image obtained by capturing the analysis target over time.
以上のように、本技術によれば、分析対象が経時的に撮像された分析対象動画像から分析対象の経時的な動きを評価することが可能な分析システム、分析プログラム及び分析方法を提供することが可能である。 As described above, the present technology provides an analysis system, an analysis program, and an analysis method capable of evaluating the movement of an analysis target over time from a moving image of the analysis target captured over time. It is possible.
（第１の実施形態）
本技術の第１の実施形態に係る分析システムについて説明する。
(First Embodiment)
The analysis system according to the first embodiment of the present technology will be described.
図１は、本実施形態に係る分析システム１００の構成を示す模式図であり、図２は分析システム１００の動作を示すフローチャートであるである。図１に示すように分析システム１００は、動画像取得部１０１、動き量検出部１０２、範囲指定部１０３、特徴量算出部１０４及び特徴量表示部１０５を有する。分析システム１００は、情報処理装置によって実現される機能的構成とすることができ、単一の情報処理装置によって実現されてもよく、ネットワークを介して接続された複数の情報処理装置によって実現されてもよい。
FIG. 1 is a schematic diagram showing the configuration of the
動画像取得部１０１は、「分析対象動画像」を取得する。分析対象動画像は、分析対象の細胞や細胞群を経時的に撮像した動画像であり、動画像は連続的に撮像された複数のフレームから構成される動画や、タイムラプス撮影により撮像された静止画を含む。分析対象動画像の撮像速度は分析対象に応じて適宜設定することが可能であり、分析対象が神経細胞の場合は５０ｆｐｓ（ｆｒａｍｅ／ｓｅｃ）以下、例えば１ｆｐｍ（ｆｒａｍｅ／ｍｉｎ）とすることができる。分析対象が心筋細胞の場合は１５０ｆｐｓ以上とすることができる。
The moving
分析対象動画像は、明視野撮像、暗視野撮像、位相差撮像、蛍光撮像、共焦点撮像、多光子励起蛍光撮像、吸収光撮像、乱光撮像等の各種の光学的な撮像方法を利用して撮像された動画像であるものとすることができる。 The moving image to be analyzed uses various optical imaging methods such as brightfield imaging, darkfield imaging, phase difference imaging, fluorescence imaging, cofocal imaging, multiphoton excitation fluorescence imaging, absorption light imaging, and diffuse light imaging. It can be assumed that it is a moving image captured by the camera.
図３は、分析対象動画像の例であり、複数の神経細胞を含む動画像である。動画像取得部１０１は、図示しない撮像装置（顕微鏡撮像装置）から分析対象動画像を取得してもよく、ストレージに格納されている動画像やネットワークから供給された動画像を分析対象動画像として取得するものとすることも可能である。この際、動画像取得部１０１は、予め撮像された動画像から、分析対象の種類に応じて所定の周期でサンプリングし、分析対象動画像を取得してもよい。動画像取得部１０１は、取得した分析対象動画像を動き量検出部１０２に供給する。
FIG. 3 is an example of a moving image to be analyzed, which is a moving image including a plurality of nerve cells. The moving
動き量検出部１０２は、分析対象動画像における「動き量」（動きベクトル）を検出する（図２、Ｓｔ１０１）。動き量は、分析対象動画像を構成するフレーム間において、対応する各画素又は画素群の時間に伴なう移動量及び移動方向を含み、ブロックマッチング等の画像処理手法によって検出することが可能である。動き量検出部１０２は、検出した動き量を範囲指定部１０３に供給する。
The motion
範囲指定部１０３は、分析対象動画像において「算出範囲」を指定する。算出範囲は、分析対象動画像において後述する特徴量を算出するための範囲であり、一つ又は複数の範囲とすることができる。図４は分析対象動画像において指定された算出範囲の例を示し、白線で区画された各範囲が算出範囲である。
The
範囲指定部１０３は、ユーザによって指示された範囲を算出範囲として指定してもよく、予め定められた範囲を算出範囲として指定してもよい。予め定められた範囲は、例えば、図４に示すように分析対象動画像を多分割（例えば１０×１０）した範囲とすることができる。また、範囲指定部１０３は、分析対象動画像の全体を一つの算出範囲として指定してもよい。範囲指定部１０３は、算出範囲と算出範囲毎の動き量を特徴量算出部１０４に供給する。
The
特徴量算出部１０４は、算出範囲毎に「特徴量」を算出する。（図２、Ｓｔ１０２）。特徴量は、分析対象動画像における時間範囲毎の動き量の特徴を示す量である。この時間範囲は、一定の時間範囲であってもよく、可変の時間範囲であってもよい。具体的には特徴量算出部１０４は、算出範囲毎の動き量から、動き量の時間変動である時間−動き量波形を算出する。図５は時間−動き量波形の例であり、横軸（ｆｒａｍｅ）は分析対象動画像のフレーム、即ち撮像時間を示し、縦軸（ｍｏｔｉｏｎ）は動き量を示す。
The feature
特徴量算出部１０４は、時間−動き量波形を利用して特徴量を算出する。具体的には特徴量は、拍動エリア（細胞の存在する面積）、動き量の平均値、最大値、最小値、標準偏差、分散又は変動係数等を含む。特徴量算出部１０４は、時間−動き量波形において特徴量を算出する時間範囲を移動させながら、特徴量を連続的に算出する。特徴量を算出する時間範囲は、特徴量の種類や分析対象の動き等に応じて適宜設定することが可能である。
The feature
さらに、特徴量は、「周波数特徴量」を含む。特徴量算出部１０４は、時間−動き量波形に対して周波数解析を施すことにより周波数特徴量を算出することが可能である。図６は、特徴量算出部１０４による周波数特徴量の算出方法を示す図である。特徴量算出部１０４は予め、ＤＣ（直流）成分の除去やフィッティング等の前処理を行った上で、図６に示すように、時間−動き量波形に対して時間窓（ｗｉｎｄｏｗ）を設定する。
Further, the feature amount includes a "frequency feature amount". The feature
特徴量算出部１０４は、時間窓を移動させながら、時間窓に含まれる波形に対して高速フーリエ変換（ＦＦＴ）解析を行い（図２、Ｓｔ１０３）、得られた結果からパワースペクトル密度（ｐｏｗｅｒ ｓｐｅｃｔｒａｌ ｄｅｎｓｉｔｙ：ＰＳＤ）を算出する。図７に、パワースペクトル密度の例を示す。
The feature
特徴量算出部１０４は、周波数解析によって得られる平均強度、ピーク周波数又は平均パワー周波数（ＭＰＦ：ｍｅａｎ ｐｏｗｅｒ ｆｒｅｑｕｅｎｃｙ）等を周波数特徴量として算出することができる（図２、Ｓｔ１０４）。周波数解析には高速フーリエ変換（ＦＦＴ）、ウェーブレット変換、最大エントロピー法（ＭＥＭ）等の各種周波数解析手法が含まれる。なお、ＭＰＦは、パワースペクトル密度において面積比が等しくなる周波数である。図６に、面積Ａと面積Ｂが等しくなるＭＰＦを示す。特徴量算出部１０４は、算出した特徴量を特徴量表示部１０５に供給する。なお、特徴量算出部１０４は同一の時間範囲から複数種の特徴量を算出してもよい。
The feature
特徴量表示部１０５は、特徴量の時間変化又は空間変化を可視化する。具体的には特徴量表示部１０５は、特徴量を可視化して分析対象動画像に重畳させ、特徴量表示動画像を生成する（図２、Ｓｔ１０５）ことができる。図８は、特徴量表示動画像の生成方法を示す模式図である。特徴量表示部１０５は、特徴量の値の大小に応じて色彩を付し、あるいは濃淡を付し、特徴量が算出された算出範囲に対応させて配置することによって特徴量を可視化することができる。特徴量表示部１０５は、上記可視化された特徴量を、分析対象動画像において特徴量が算出された時間範囲に対応するフレームに重畳させ、特徴量表示動画像を生成する。
The feature
図８に示す特徴量表示動画像は、分析対象動画像を１００分割した算出範囲（図４参照）からＭＰＦを算出し、分析対象動画像に重畳させた例である。特徴量表示部１０５は生成した特徴量表示動画像をディスプレイに供給し、表示させるものとすることができる。これにより、ユーザは特徴量によって表される動き量の特徴を参照しながら分析対象動画像を観察することが可能となる。
The feature amount display moving image shown in FIG. 8 is an example in which the MPF is calculated from the calculation range (see FIG. 4) obtained by dividing the analysis target moving image into 100 and superimposed on the analysis target moving image. The feature
特徴量表示部１０５は、ＭＰＦ以外にも各種の特徴量を分析対象動画像に重畳させ、特徴量表示動画像を生成することができる。図９は、各種の特徴量を分析対象動画像に重畳させた特徴量表示動画像の例である。図９（ａ）は動き量平均、図９（ｂ）は動き量分散値、図９（ｃ）はＭＰＦ（周波数）がそれぞれ重畳された特徴量である。これらの図に示すように、特徴量の種類によって観察できる特徴が異なり、例えば動き量分散値は細胞突起付近で大きく、周波数成分は細胞体で周波数が低い等の特徴を観察することが可能となる。
The feature
また、特徴量表示部１０５は、上述した時間窓毎の周波数特性を表示させ、特徴量の空間変化を可視化してもよい（図２、Ｓｔ１０６）。図１０は、時間窓毎の周波数特性の例である。１０（ａ）はＧＡＢＡが投与されたｉＰＳ由来の神経細胞の周波数特性であり、図１０（ｂ）はグルタミン酸が投与された同神経細胞の周波数特性である。
Further, the feature
ＧＡＢＡは神経細胞に抑制性の刺激を与える生理活性物質であり、投与された神経細胞は、低周波数の動き（振動）を生じる。グルタミン酸は神経細胞に興奮性の刺激を与える生理活性物質であり、投与された神経細胞は、高周波数の動きを生じる。図１０（ａ）に示す周波数特性では、低周波数の動きが活発化しており、ＧＡＢＡによる神経細胞への影響が検出できることがわかる。 GABA is a physiologically active substance that gives inhibitory stimuli to nerve cells, and the administered nerve cells generate low-frequency movement (vibration). Glutamic acid is a bioactive substance that stimulates nerve cells with excitatory stimuli, and the administered nerve cells produce high-frequency movements. In the frequency characteristics shown in FIG. 10A, it can be seen that low-frequency movement is activated and the effect of GABA on nerve cells can be detected.
さらに特徴量表示部１０５は、特徴量算出部１０４によって算出された特徴量を表やグラフとして表示してもよい（図２、Ｓｔ１０７）。図１１は、特徴量を示す表の例である。同図に示すように、特徴量の表やグラフが表示されることによって、ユーザは特徴量の値や傾向を把握しやすくなる。
Further, the feature
本実施形態に係る分析システム１００は以上のように構成される。分析システム１００によれば、特徴量を利用して分析対象動画像における分析対象の動きを評価することが可能である。具体的には分析システム１００は、生理活性物質の効果の評価、薬剤の効果、毒性の評価、神経細胞の品質管理、神経細胞の分化状態の評価、異常細胞やネットワーク異常の領域の特定、病態由来の細胞の評価による病態の評価等に利用することが可能である。
The
分析システム１００の分析対象は特に限定されない。しかしながら、分析システム１００の分析対象として神経細胞が好適である。神経細胞の動き（振動等）は、神経細胞に印加されている刺激の種類（抑制性や興奮性等）や神経細胞ネットワークの形成状態によって影響を受ける。しかしその動きは心筋細胞の拍動等と比較して微小であり、より精度の高い分析が要求される。分析システム１００は、特徴量を指標として細胞の動きを高精度に分析することが可能であるため、神経細胞は本分析システムによる分析対象として好適である。
The analysis target of the
（第２の実施形態）
本技術の第２の実施形態に係る分析システムについて説明する。
(Second embodiment)
The analysis system according to the second embodiment of the present technology will be described.
図１２は、本実施形態に係る分析システム２００の構成を示す模式図であり、図１３は分析システム２００の動作を示すフローチャートであるである。図１２に示すように分析システム２００は、動画像取得部２０１、分析対象領域特定部２０２、動き量検出部２０３、特徴量算出部２０４及び特徴量表示部２０５を有する。分析システム２００は、情報処理装置によって実現される機能的構成とすることができ、単一の情報処理装置によって実現されてもよく、ネットワークを介して接続された複数の情報処理装置によって実現されてもよい。
FIG. 12 is a schematic diagram showing the configuration of the
動画像取得部２０１は、「分析対象動画像」を取得する。分析対象動画像は、分析対象の細胞や細胞群を経時的に撮像した動画像であり、動画像は連続的に撮像された複数のフレームから構成される動画や、タイムラプス撮影により撮像された静止画を含む。分析対象動画像の撮像速度は分析対象に応じて適宜設定することが可能であり、分析対象が神経細胞の場合は５０ｆｐｓ（ｆｒａｍｅ／ｓｅｃ）以下、例えば１ｆｐｍ（ｆｒａｍｅ／ｍｉｎ）とすることができる。分析対象が心筋細胞の場合は１５０ｆｐｓ以上とすることができる。
The moving
分析対象動画像は、明視野撮像、暗視野撮像、位相差撮像、蛍光撮像、共焦点撮像、多光子励起蛍光撮像、吸収光撮像、乱光撮像等の各種の光学的な撮像方法を利用して撮像された動画像であるものとすることができる（図３参照）。 The moving image to be analyzed uses various optical imaging methods such as bright-field imaging, dark-field imaging, phase difference imaging, fluorescence imaging, cofocal imaging, multiphoton excitation fluorescence imaging, absorption light imaging, and diffuse light imaging. It can be assumed that it is a moving image captured by the camera (see FIG. 3).
動画像取得部２０１は、図示しない撮像装置（顕微鏡撮像装置）から分析対象動画像を取得してもよく、ストレージに格納されている動画像やネットワークから供給された動画像を分析対象動画像として取得するものとすることも可能である。この際、動画像取得部２０１は、予め撮像された動画像から、分析対象の種類に応じて所定の周期でサンプリングし、分析対象動画像を取得してもよい。動画像取得部１０１は、取得した分析対象動画像を分析対象領域特定部２０２に供給する。
The moving
分析対象領域特定部２０２は、分析対象動画像を構成する静止画（以下、分析対象静止画）から「分析対象領域」を特定する（図１３、Ｓｔ２０１）。分析対象静止画は、分析対象動画像の最初のフレームであってもよく、任意のフレームであってもよい。また、分析対象静止画は、分析対象動画像から所定の時間毎に抽出されたフレームであってもよい。分析対象領域は、分析対象静止画の視野において分析対象が存在する領域であり、例えば細胞が存在する領域である。
The analysis target
分析対象領域特定部２０２は、分析対象静止画に画像処理を施し、分析対象領域を特定する。図１４は分析対象静止画における分析対象領域を模式的に示す図である。同図における区画Ｄは、分析対象領域の特定単位を示し、分析対象静止画の一つ又は複数の画素を含む範囲とすることができる。斜線を付した区画Ｄが、分析対象領域特定部２０２によって分析対象が存在すると特定された区画であり、分析対象区画Ｄ１とする。分析対象区画Ｄ１の集合が分析対象領域である。図１５は、分析対象静止画において特定された分析対象領域の例であり、白色の領域が分析対象領域である。
The analysis target
分析対象領域特定部２０２は、分析対象静止画に対し、ダイナミックレンジによる検出やマッチング等の画像処理によって、分析対象領域を特定するものとすることができる。この際、分析対象領域特定部２０２は、閾値によって、分析対象領域として検出する分析対象を選択することが可能であり、例えば神経細胞の細胞体を検出するか、神経突起を検出するか、あるいは両方を検出するか等を選択することが可能である。
The analysis target
動き量検出部２０３は、分析対象動画像における「動き量」（動きベクトル）を検出する（図１３、Ｓｔ２０２）。動き量は、分析対象動画像を構成するフレーム間において、対応する各画素又は画素群の時間に伴なう移動量及び移動方向を含み、ブロックマッチング等の画像処理手法によって検出することが可能である。
The motion
ここで、動き量検出部２０３は、分析対象領域特定部２０２によって特定された分析対象領域（分析対象区画Ｄ１の集合）対して動き量を検出する。具体的には、動き量検出部２０３は、分析対象静止画のフレームから、次の分析対象静止画のフレームの間の分析対象動画像について、分析対象領域を構成する各分析対象区画Ｄ１における動き量を検出する。動き量検出部２０３は、各分析対象区画Ｄ１の動き量を動き速度に変換することができる。
Here, the motion
図１６は、分析対象動画像における動き速度を模式的に示す図であり、各分析対象区画Ｄ１において検出された動き速度を数値で示す。分析対象区画Ｄ１において、動き速度が一定値（ここでは１）以上の区画を動き検出区画Ｄ２とする。動き検出区画Ｄ２の集合が動き領域である。図１７は、分析対象動画像における動き領域の例であり、動き領域を白色の領域として示す。 FIG. 16 is a diagram schematically showing the movement speed in the analysis target moving image, and shows the movement speed detected in each analysis target section D1 numerically. In the analysis target section D1, a section having a movement speed of a certain value (here, 1) or more is referred to as a motion detection section D2. The set of motion detection compartments D2 is the motion region. FIG. 17 is an example of a motion region in the moving image to be analyzed, and the motion region is shown as a white region.
図１６に示すように、分析対象静止画（図１４参照）において分析対象区画Ｄ１とされなかった区画Ｄについては、動き量が検出されない。これにより、分析対象動画像の視野において分析対象が存在しない領域（例えば細胞と細胞の間）については、動き量が検出されず、動き量の検出を高速化すると共に、ノイズの発生を防止することが可能である。動き量検出部２０３は、分析対象領域、動き領域及び動き量を特徴量算出部２０４に供給する。
As shown in FIG. 16, the amount of movement is not detected in the section D which is not set as the analysis target section D1 in the analysis target still image (see FIG. 14). As a result, the amount of movement is not detected in the region where the analysis target does not exist (for example, between cells) in the field of view of the moving image to be analyzed, which speeds up the detection of the amount of movement and prevents the generation of noise. It is possible. The motion
特徴量算出部２０４は、動き領域において「特徴量」を算出する（図１３、Ｓｔ２０３）。特徴量は、分析対象動画像における時間範囲毎の動き量の特徴を示す量である。この時間範囲は、一定の時間範囲であってもよく、可変の時間範囲であってもよい。
The feature
特徴量算出部２０４は、「動き領域割合」を特徴量として算出することができる。動き領域割合は、分析対象領域に占める動き領域の割合であり、具体的には分析対象区画Ｄ１に占める動き区画Ｄ２の割合である。動き領域割合によって、分析対象が存在すると判定された領域（分析対象領域）のうち、動きが生じている領域（動き領域）がどの程度であるかを判断することが可能となる。例えば動き領域割合が大きい場合、分析対象（細胞等）の全体が振動しており、動き領域割合が小さい場合、分析対象の特定部分が振動している等と判断することができる。
The feature
また、特徴量算出部２０４は、「分析対象領域速度」を特徴量として算出することができる。分析対象領域速度は、分析対象領域における動き速度の平均値であり、各分析対象区画Ｄ１（動き区画Ｄ２を含む）の動き速度を平均することにより算出することができる。分析対象領域速度は、分析対象の全体における動き速度の平均値であり、分析対象の全体的な動き速度を判断することができる。平均する動き速度を分析対象領域に限ることによって、分析対象が存在しない領域（細胞の間等）の動き速度が平均されることを防止することが可能である。
In addition, the feature
また、特徴量算出部２０４は、「動き領域速度」を特徴量として算出することができる。動き領域速度は、動き領域における動き速度の平均値であり、各動き区画Ｄ２の動き速度度を平均することにより算出することができる。動き領域速度は、分析対象のうち、動いている部分の動き速度の平均値であり、例えば、分析対象において特定の部分のみが活発に振動している場合、その部分の動き速度を判断することが可能である。仮に分析対象の全体において動き速度の平均値を求めると、動いていない部分の動き速度も平均されてしまうため、動き領域速度は、分析対象において特定の部分のみが動いている場合に特に有効である。
In addition, the feature
さらに、特徴量算出部２０４は、「周波数特徴量」を算出することができる。特徴量算出部２０４は、第１の実施形態と同様に時間−動き量波形（図５参照）を算出し、時間−動き量波形に対して周波数解析を施すことにより周波数特徴量を算出することが可能である。
Further, the feature
特徴量算出部２０４は、時間窓を移動させながら、時間窓に含まれる波形に対して高速フーリエ変換（ＦＦＴ）解析を行い（図１３、Ｓｔ２０４）、得られた結果からパワースペクトル密度（ｐｏｗｅｒ ｓｐｅｃｔｒａｌ ｄｅｎｓｉｔｙ：ＰＳＤ）を算出する。図１８に、パワースペクトル密度の例を示す。
The feature
同図に示すように、特徴量算出部２０４は、所定の周波数帯におけるパワースペクトル密度の面積（ＰＳＤａｒｅａ）を周波数特徴量として算出することができる。ＰＳＤａｒｅａを算出する周波数帯は、観測したい振動の周波数に応じて任意に設定することができ、例えば０〜０．１Ｈｚ以下とすることができる。
As shown in the figure, the feature
図１９は、ＰＳＤａｒｅａをマッピングした例であり、神経細胞の細胞死の過程を示す。図１９（ａ）は、分析開始時刻、図１９（ｂ）は０．７５時間後、図１９（ｃ）は６時間後の０〜０．１ＨｚにおけるＰＳＤａｒｅａである。図中白色はＰＳＤａｒｅａが大きい領域を示し、黒色はＰＳＤａｒｅａが小さい領域を示す。図１９（ａ）においては、細胞の全体において０〜０．１Ｈｚの振動が大きいが、図１９（ｂ）においては、神経突起において同周波数帯の振動が大きく、細胞体において同周波数帯の振動が小さくなっている。図１９（ｃ）においては神経突起においても同周波数帯の振動が停止している。 FIG. 19 is an example of mapping PSDarea and shows the process of cell death of nerve cells. FIG. 19 (a) shows the analysis start time, FIG. 19 (b) shows the PSDarea at 0 to 0.1 Hz after 0.75 hours, and FIG. 19 (c) shows the PSDarea after 6 hours. In the figure, white indicates a region having a large PSDarea, and black indicates a region having a small PSDarea. In FIG. 19 (a), the vibration of 0 to 0.1 Hz is large in the whole cell, but in FIG. 19 (b), the vibration of the same frequency band is large in the neurite and the vibration of the same frequency band in the cell body. Is getting smaller. In FIG. 19C, vibration in the same frequency band is stopped even in the neurite.
このように、特徴量算出部２０４が所定の周波数帯におけるＰＳＤａｒｅａを算出することにより、分析対象の振動のうち、注目する周波数帯における振動のみを抽出することが可能であり、周波数が異なる無関係な振動は解析から除外することが可能である。
In this way, by calculating PSDarea in a predetermined frequency band by the feature
また、特徴量算出部２０４は、第１の実施形態と同様に、周波数解析によって得られる平均強度、ピーク周波数又は平均パワー周波数（ＭＰＦ：ｍｅａｎ ｐｏｗｅｒ ｆｒｅｑｕｅｎｃｙ）等を周波数特徴量として算出することができる（図１３、Ｓｔ２０５）。周波数解析には高速フーリエ変換（ＦＦＴ）、ウェーブレット変換、最大エントロピー法（ＭＥＭ）等の各種周波数解析手法が含まれる。特徴量算出部２０４は、算出した特徴量を特徴量表示部２０５に供給する。なお、特徴量算出部２０４は同一の時間範囲から複数種の特徴量を算出してもよい。
Further, the feature
特徴量表示部２０５は、特徴量の時間変化又は空間変化を可視化する。具体的には特徴量表示部２０５は、特徴量を可視化して分析対象動画像に重畳させ、特徴量表示動画像を生成する（図１３、Ｓｔ２０６）ことができる。特徴量表示部２０５は、第１の実施形態と同様に、特徴量の値の大小に応じて色彩を付し、あるいは濃淡を付し、特徴量が算出された算出範囲に対応させて配置することによって特徴量を可視化することができる。特徴量表示部２０５は、上記可視化された特徴量を、分析対象動画像において特徴量が算出された時間範囲に対応するフレームに重畳させ、特徴量表示動画像を生成する。
The feature
図２０は、上述した動き領域を分析対象動画像に重畳させた特徴量表示動画像の例である。同図に示すように、特徴量表示部は、動き速度（図１７参照）の大小に応じて色彩や濃淡を付し、特徴量表示動画像とすることができる。また、特徴量表示部２０５は、図１９に示したようなＰＳＤａｒｅａや動き量平均、動き量分散値、ＭＰＦ等の各種特徴量を利用して、特徴量表示動画像を生成してもよい（図９参照）。また、特徴量表示部２０５は、上述した時間窓毎の周波数特性を表示させ、特徴量の空間変化を可視化してもよい（図１３、Ｓｔ２０７）。
FIG. 20 is an example of a feature amount display moving image in which the above-mentioned movement region is superimposed on the moving image to be analyzed. As shown in the figure, the feature amount display unit can be used as a feature amount display moving image by adding colors and shades according to the magnitude of the movement speed (see FIG. 17). Further, the feature
さらに特徴量表示部２０５は、特徴量算出部２０４によって算出された特徴量を表やグラフとして表示してもよい（図１３、Ｓｔ２０８）。図２１乃至図２３は、特徴量表示部２０５によって表示される特徴量の表示態様の例である。図２４は、特徴量表示部２０５に表示させる特徴量の選択のためのインターフェースを示す。図２５は、特徴量を表示させる領域（ＲＯＩ：Ｒｅｇｉｏｎ ｏｆ Ｉｎｔｅｒｅｓｔ、図中白枠)の選択のためのインターフェースを示す。特徴量表示部２０５は、図２４や図２５に示すインターフェイスによって指示された分析対象や特徴量を表示するものとすることができる。また、特徴量表示部２０５は、上述した分析対象領域や動き領域、各種特徴量等を利用して、ＲＯＩを自動的に選択してもよい。
Further, the feature
本実施形態に係る分析システム２００は以上のように構成される。分析システム２００によれば、特徴量を利用して分析対象動画像における分析対象の動きを評価することが可能である。具体的には分析システム２００は、生理活性物質の効果の評価、薬剤の効果、毒性の評価、神経細胞の品質管理、神経細胞の分化状態の評価、異常細胞やネットワーク異常の領域の特定、病態由来の細胞の評価による病態の評価等に利用することが可能である。
The
分析システム２００の分析対象は特に限定されない。しかしながら、分析システム２００の分析対象として神経細胞が好適である。神経細胞の動き（振動等）は、神経細胞に印加されている刺激の種類（抑制性や興奮性等）や神経細胞ネットワークの形成状態によって影響を受ける。しかしその動きは心筋細胞の拍動等と比較して微小であり、より精度の高い分析が要求される。分析システム２００は、特徴量を指標として細胞の動きを高精度に分析することが可能であるため、神経細胞は本分析システムによる分析対象として好適である。
The analysis target of the
加えて本実施形態によれば、分析対象動画像において分析対象が存在する領域を分析対象領域として抽出し、分析対象領域について動き量の解析や特徴量の算出を実施する。神経細胞は心筋細胞等の他の細胞と比較してもその振動する部分が局所的であり、本実施形態に係る分析システム２００の分析対象によって効果的に分析することが可能である。さらに、分析システム２００においては特定の周波数帯におけるパワースペクトル密度の面積を分析に利用するため、神経細胞の神経突起や細胞体等の周波数の異なる振動をそれぞれ抽出することが可能であり、この点でも神経細胞の分析に適している。
In addition, according to the present embodiment, the region in which the analysis target exists in the analysis target moving image is extracted as the analysis target region, and the movement amount is analyzed and the feature amount is calculated for the analysis target region. Compared with other cells such as cardiomyocytes, nerve cells have a local vibrating portion, and can be effectively analyzed by the analysis target of the
本技術は、上記各実施形態にのみ限定されるものではなく、本技術の要旨を逸脱しない範囲内において変更することが可能である。 The present technology is not limited to each of the above embodiments, and can be changed within a range that does not deviate from the gist of the present technology.
なお、本技術は以下のような構成も採ることができる。 The present technology can also adopt the following configurations.
（１）
分析対象を経時的に撮像した分析対象動画像において、動き量の特徴を示す特徴量を時間範囲毎に算出する特徴量算出部
を具備する分析システム。
(1)
An analysis system equipped with a feature amount calculation unit that calculates a feature amount indicating the feature of the movement amount for each time range in an analysis target moving image obtained by capturing the analysis target over time.
（２）
上記（１）に記載の分析システムであって、
上記特徴量の時間変化又は空間変化を可視化する特徴量表示部をさらに具備する
分析システム。
(2)
The analysis system according to (1) above.
An analysis system further provided with a feature quantity display unit that visualizes a temporal change or a spatial change of the feature quantity.
（３）
上記（１）又は（２）に記載の分析システムであって、
上記特徴量表示部は、上記特徴量の時間変化を可視化して上記分析対象動画像に重畳させ、特徴量表示動画像を生成する
分析システム。
(3)
The analysis system according to (1) or (2) above.
The feature amount display unit is an analysis system that visualizes the time change of the feature amount and superimposes it on the analysis target moving image to generate a feature amount display moving image.
（４）
上記（１）から（３）のうちいずれか一つに記載の分析システムであって、
上記分析対象動画像の特定の範囲を算出範囲として指定する範囲指定部をさらに具備し、
上記特徴量算出部は、上記算出範囲毎に上記特徴量を算出する
分析システム。
(4)
The analysis system according to any one of (1) to (3) above.
A range designation unit for designating a specific range of the analysis target moving image as a calculation range is further provided.
The feature amount calculation unit is an analysis system that calculates the feature amount for each calculation range.
（５）
上記（１）から（４）のうちいずれか一つに記載の分析システムであって、
上記特徴量は、動きの量や方向の平均値、最大値、最小値、標準偏差、分散、変動係数又は周波数特徴量若しくはこれらの組み合わせである
分析システム。
(5)
The analysis system according to any one of (1) to (4) above.
The above-mentioned feature amount is an analysis system which is an average value, a maximum value, a minimum value, a standard deviation, a variance, a coefficient of variation, a frequency feature amount, or a combination thereof of the amount of motion and the direction.
（６）
上記（１）から（５）のうちいずれか一つに記載の分析システムであって、
上記周波数特徴量は、周波数解析によって得られる平均強度、ピーク周波数又は平均パワー周波数である
分析システム。
(6)
The analysis system according to any one of (1) to (5) above.
The frequency feature amount is an average intensity, peak frequency or average power frequency obtained by frequency analysis.
（７）
上記（１）から（６）のうちいずれか一つに記載の分析システムであって、
上記分析対象は神経細胞である
分析システム。
(7)
The analysis system according to any one of (1) to (6) above.
The analysis target is a nerve cell analysis system.
（８）
上記（１）から（７）のうちいずれか一つに記載の分析システムであって、
上記分析対象動画像を構成する静止画において、分析対象が存在する領域である分析対象領域を特定する分析対象領域特定部をさらに具備し、
上記特徴量算出部は、上記分析対象動画像において、上記分析対象領域について上記特徴量を算出する
分析システム。
(8)
The analysis system according to any one of (1) to (7) above.
In the still image constituting the analysis target moving image, the analysis target area specifying unit for specifying the analysis target area, which is the area where the analysis target exists, is further provided.
The feature amount calculation unit is an analysis system that calculates the feature amount for the analysis target area in the analysis target moving image.
（９）
上記（１）から（８）のうちいずれか一つに記載の分析システムであって、
上記特徴量算出部は、上記分析対象領域において動き速度が閾値以上の領域である動き領域を利用して上記特徴量を算出する
分析システム。
(9)
The analysis system according to any one of (1) to (8) above.
The feature amount calculation unit is an analysis system that calculates the feature amount by using a movement area in which the movement speed is equal to or higher than a threshold value in the analysis target area.
（１０）
上記（１）から（９）のうちいずれか一つに記載の分析システムであって、
上記特徴量算出部は、上記分析対象領域に占める上記動き領域の割合を上記特徴量として算出する
分析システム。
(10)
The analysis system according to any one of (1) to (9) above.
The feature amount calculation unit is an analysis system that calculates the ratio of the movement area to the analysis target area as the feature amount.
（１１）
上記（１）から（１０）のうちいずれか一つに記載の分析システムであって、
上記特徴量算出部は、上記分析対象領域における動き速度の平均値を上記特徴量として算出する
分析システム。
(11)
The analysis system according to any one of (1) to (10) above.
The feature amount calculation unit is an analysis system that calculates the average value of the movement speed in the analysis target area as the feature amount.
（１２）
上記（１）から（１１）のうちいずれか一つに記載の分析システムであって、
上記特徴量算出部は、上記動き領域における動き速度の平均値を上記特徴量として算出する
分析システム。
(12)
The analysis system according to any one of (1) to (11) above.
The feature amount calculation unit is an analysis system that calculates the average value of the movement speed in the movement area as the feature amount.
（１３）
上記（１）から（１２のうちいずれか一つに記載の分析システムであって、
上記特徴量算出部は、動き量の周波数解析によって得られるパワースペクトル密度の所定の周波数帯における面積を周波数特徴量として算出する
分析システム。
(13)
The analysis system according to any one of (1) to (12) above.
The feature amount calculation unit is an analysis system that calculates the area of the power spectral density obtained by frequency analysis of the amount of motion in a predetermined frequency band as a frequency feature amount.
（１４）
分析対象を経時的に撮像した分析対象動画像において、動き量の特徴を示す特徴量を時間範囲毎に算出する特徴量算出部
としてコンピュータを機能させる分析プログラム。
(14)
An analysis program that makes a computer function as a feature amount calculation unit that calculates a feature amount that indicates the feature amount of movement amount for each time range in an analysis target moving image that is an image of the analysis target over time.
（１５）
分析対象を経時的に撮像した分析対象動画像において、動き量の特徴を示す特徴量を時間範囲毎に算出する
分析方法。
(15)
An analysis method in which a feature amount indicating a feature of a movement amount is calculated for each time range in an analysis target moving image obtained by capturing the analysis target over time.
１００、２００…分析システム
１０１、２０１…動画像取得部
１０２…動き量検出部
２０２…分析対象領域特定部
１０３…範囲指定部
１０４、２０４…特徴量算出部
１０５、２０５…特徴量表示部
100, 200 ...
Claims (12)
時間を横軸、周波数を縦軸とし、前記算出されたパワースペクトル密度を色彩又は濃淡で表した評価用画像を生成し、前記評価用画像において前記平均パワー周波数を表す表示を付す特徴量表示部と
を有する神経細胞評価装置。 In a moving image of nerve cells captured over time, the power spectral density obtained by frequency analysis of the amount of movement in the specified evaluation target range is calculated for each time range and frequency band, and further obtained by frequency analysis of the amount of movement. A feature amount calculation unit that calculates the average power frequency to be obtained, and
A feature quantity display unit that generates an evaluation image in which time is on the horizontal axis and frequency is on the vertical axis, and the calculated power spectral density is represented by color or shading, and a display representing the average power frequency is added in the evaluation image. A nerve cell evaluation device having and.
請求項１に記載の神経細胞評価装置。 The nerve cell evaluation device according to claim 1, wherein the feature amount display unit generates an evaluation image from each of the power spectral densities calculated before and after drug administration.
請求項１又は２に記載の神経細胞評価装置。 The nerve cell evaluation device according to claim 1 or 2, wherein the evaluation target range is specified by a predetermined threshold processing on an image constituting the moving image.
請求項１又は２に記載の神経細胞評価装置。 The nerve cell evaluation device according to claim 1 or 2, wherein the evaluation target range is specified based on the dynamic range of the images constituting the moving image.
請求項１から４のうちいずれか一項に記載の神経細胞評価装置。 The nerve cell evaluation device according to any one of claims 1 to 4, wherein the evaluation target range is a cell body.
請求項１から４のうちいずれか一項に記載の神経細胞評価装置。 The nerve cell evaluation device according to any one of claims 1 to 4, wherein the evaluation target range is a neurite.
請求項１又は２に記載の神経細胞評価装置。 The nerve cell evaluation device according to claim 1 or 2, wherein the evaluation target range is a range specified by the user.
請求項１から７のうちいずれか一項に記載の神経細胞評価装置。 The nerve cell evaluation device according to any one of claims 1 to 7, wherein the feature amount display unit controls to display the evaluation target range on the captured moving image.
請求項１から８のうちいずれか一項に記載の神経細胞評価装置。 The nerve cell evaluation device according to any one of claims 1 to 8, wherein the moving image is captured by a microscope imaging device.
請求項１から９のうちいずれか一項に記載の神経細胞評価装置。 The nerve cell evaluation device according to any one of claims 1 to 9, wherein the nerve cell is a nerve cell derived from an iPS cell.
時間を横軸、周波数を縦軸とし、前記算出されたパワースペクトル密度を色彩又は濃淡で表した評価用画像を生成し、前記評価用画像において前記平均パワー周波数を表す表示を付す特徴量表示部
として情報処理装置を機能させる神経細胞評価プログラム。 In a moving image of nerve cells captured over time, the power spectral density obtained by frequency analysis of the amount of movement in the specified evaluation target range is calculated for each time range and frequency band, and further obtained by frequency analysis of the amount of movement. A feature amount calculation unit that calculates the average power frequency to be obtained, and
A feature quantity display unit that generates an evaluation image in which time is on the horizontal axis and frequency is on the vertical axis, and the calculated power spectral density is represented by color or shading, and a display representing the average power frequency is added in the evaluation image. A nerve cell evaluation program that functions as an information processing device.
時間を横軸、周波数を縦軸とし、前記算出されたパワースペクトル密度を色彩又は濃淡で表した評価用画像を生成し、前記評価用画像において前記平均パワー周波数を表す表示を付す
神経細胞評価方法。 In a moving image of nerve cells captured over time, the power spectral density obtained by frequency analysis of the amount of movement in the specified evaluation target range is calculated for each time range and frequency band, and further obtained by frequency analysis of the amount of movement. Calculate the average power frequency to be
A neuron evaluation method in which time is on the horizontal axis and frequency is on the vertical axis, an evaluation image in which the calculated power spectral density is represented by color or shading is generated, and a display representing the average power frequency is added in the evaluation image. ..
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2013027045 | 2013-02-14 | ||
| JP2013027045 | 2013-02-14 |
Related Parent Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2017214666A Division JP6562059B2 (en) | 2013-02-14 | 2017-11-07 | NEURAL CELL EVALUATION DEVICE, NEURAL CELL EVALUATION PROGRAM, AND NEURAL CELL EVALUATION METHOD |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2019195337A JP2019195337A (en) | 2019-11-14 |
| JP6860043B2 true JP6860043B2 (en) | 2021-04-14 |
Family
ID=61967019
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2017214666A Active JP6562059B2 (en) | 2013-02-14 | 2017-11-07 | NEURAL CELL EVALUATION DEVICE, NEURAL CELL EVALUATION PROGRAM, AND NEURAL CELL EVALUATION METHOD |
| JP2019136135A Active JP6860043B2 (en) | 2013-02-14 | 2019-07-24 | Nerve cell evaluation method, nerve cell evaluation program and nerve cell evaluation method |
Family Applications Before (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2017214666A Active JP6562059B2 (en) | 2013-02-14 | 2017-11-07 | NEURAL CELL EVALUATION DEVICE, NEURAL CELL EVALUATION PROGRAM, AND NEURAL CELL EVALUATION METHOD |
Country Status (1)
| Country | Link |
|---|---|
| JP (2) | JP6562059B2 (en) |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4868207B2 (en) * | 2005-07-14 | 2012-02-01 | オリンパス株式会社 | Screening method and screening apparatus |
| JP4696278B2 (en) * | 2009-09-14 | 2011-06-08 | 国立大学法人 東京大学 | Region divided image generation method, region divided image generation device, and computer program |
| JP5713251B2 (en) * | 2010-01-22 | 2015-05-07 | 国立大学法人浜松医科大学 | Cell discrimination method, reference data generation method for cell discrimination, and cell discrimination device |
| US9786052B2 (en) * | 2010-03-29 | 2017-10-10 | Sony Corporation | Image processing apparatus and method for evaluating objects in an image |
-
2017
- 2017-11-07 JP JP2017214666A patent/JP6562059B2/en active Active
-
2019
- 2019-07-24 JP JP2019136135A patent/JP6860043B2/en active Active
Also Published As
| Publication number | Publication date |
|---|---|
| JP6562059B2 (en) | 2019-08-21 |
| JP2019195337A (en) | 2019-11-14 |
| JP2018061511A (en) | 2018-04-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6494903B2 (en) | Analysis system, analysis program, and analysis method | |
| Attar et al. | Time course of affective bias in visual attention: convergent evidence from steady-state visual evoked potentials and behavioral data | |
| DE60105006T2 (en) | PROCESS AND SYSTEM FOR FIRE FIGHTER IDENTIFICATION | |
| Dorr et al. | Peri-saccadic natural vision | |
| van Es et al. | Spatial sampling in human visual cortex is modulated by both spatial and feature-based attention | |
| JP7067588B2 (en) | Information processing equipment, programs, information processing methods and observation systems | |
| JP6467813B2 (en) | Image processing apparatus, image processing program, and image processing method | |
| Dosso et al. | Eulerian magnification of multi-modal RGB-D video for heart rate estimation | |
| Schindler et al. | Visual high-level regions respond to high-level stimulus content in the absence of low-level confounds | |
| Poltoratski et al. | Resolving the spatial profile of figure enhancement in human V1 through population receptive field modeling | |
| JP6860043B2 (en) | Nerve cell evaluation method, nerve cell evaluation program and nerve cell evaluation method | |
| JP6578950B2 (en) | Analysis system, analysis program, and analysis method | |
| WO2017169397A1 (en) | Image processing device, image processing method, and image processing system | |
| Ikuma et al. | Preprocessing techniques for high-speed videoendoscopy analysis | |
| Bobkowska et al. | Image correlation as a toll for tracking facial changes causing by external stimuli | |
| Rai et al. | Effect of content features on short-term video quality in the visual periphery | |
| CN105043302A (en) | Single carrier interference fringe imaging quality real-time monitoring and adjusting method | |
| TWI595372B (en) | Microscopic image inspection system and method for inspecting actin filaments | |
| Voss | Real-time motion amplification on mobile devices | |
| Zaichenko et al. | Multidimensional images processing in electrocardiography using Bragg diffraction technologies | |
| Bhat et al. | Cardiac tissue and erythrocyte separation in bright-field microscopy images of the embryonic zebrafish heart for motion estimation | |
| JP6658926B2 (en) | Image processing apparatus, image processing program, and image processing method | |
| Meste et al. | A New Method for the Robust Estimation of the Motile Cilia Beating Frequency | |
| González et al. | Discriminating cerebral palsy by quantifying ocular motion | |
| Lagacé-Nadon et al. | Exploring the spatiotemporal properties of fractal rotation perception |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190802 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200804 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200930 |
|
| 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: 20210224 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210309 |
|
| R151 | Written notification of patent or utility model registration |
Ref document number: 6860043 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |