JP7359163B2 - 判別装置、細胞塊の判別方法、及びコンピュータプログラム - Google Patents
判別装置、細胞塊の判別方法、及びコンピュータプログラム Download PDFInfo
- Publication number
- JP7359163B2 JP7359163B2 JP2020567379A JP2020567379A JP7359163B2 JP 7359163 B2 JP7359163 B2 JP 7359163B2 JP 2020567379 A JP2020567379 A JP 2020567379A JP 2020567379 A JP2020567379 A JP 2020567379A JP 7359163 B2 JP7359163 B2 JP 7359163B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- state
- cell
- cell mass
- discrimination
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- 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
- C12M41/00—Means for regulation, monitoring, measurement or control, e.g. flow regulation
- C12M41/48—Automatic or computerized control
-
- 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
- C12M23/00—Constructional details, e.g. recesses, hinges
- C12M23/02—Form or structure of the vessel
- C12M23/12—Well or multiwell plates
-
- 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
- C12M41/00—Means for regulation, monitoring, measurement or control, e.g. flow regulation
- C12M41/30—Means for regulation, monitoring, measurement or control, e.g. flow regulation of concentration
- C12M41/36—Means for regulation, monitoring, measurement or control, e.g. flow regulation of concentration of biomass, e.g. colony counters or by turbidity measurements
-
- 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)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Wood Science & Technology (AREA)
- Organic Chemistry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Zoology (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Microbiology (AREA)
- Biotechnology (AREA)
- Biochemistry (AREA)
- Biomedical Technology (AREA)
- Sustainable Development (AREA)
- Genetics & Genomics (AREA)
- Analytical Chemistry (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Clinical Laboratory Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Image Analysis (AREA)
- Apparatus Associated With Microorganisms And Enzymes (AREA)
- Micro-Organisms Or Cultivation Processes Thereof (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Description
本願は、2019年1月23日に、日本に出願された特願2019-009384号に基づき優先権を主張し、その内容をここに援用する。
をさらに備える。
以下、本実施形態の判別装置の機能構成について説明する。
図3は、本実施形態の判別装置1の機能構成を示すブロック図である。
画像解析部102は、教師データに含まれる教師画像に対して画像解析を行う。本実施形態においては、画像解析部102が行う画像解析とは、上述した5つのパラメータ(サイズ(Size)、円形度(Circularity)、色の濃さ(Darkness)、アスペクト(Aspect)、及び凹凸度(Roughness))等のパラメータ値をそれぞれ測定することである。画像解析部102は、教師画像に対して測定された5つのパラメータ値と、当該教師画像に対応付けられた判別結果と、を対応付けたデータ(以下、「解析済み教師データ」という。)を学習処理部103へ入力する。
以下、判別処理部204による判別結果の出力例について説明する。
図4は、本実施形態の判別装置によって出力される情報の一例を示す図である。判別処理部204は、例えば、図4に示す出力テーブルT1のようなデータ形式で判別結果を示す情報を出力することができる。
以下、学習部10の動作について説明する。
図6は、図3に係る判別装置1の学習部10の動作を示すフローチャートである。本フローチャートが示す学習部10の動作は、機械学習を行うために予め用意された教師データが、教師データ取得部101へ入力された際に開始する。
以下、判別部20の動作について説明する。
図7は、図3に係る判別装置1の判別部20の動作を示すフローチャートである。本フローチャートが示す判別部20の動作は、少なくとも1つの解析対象画像が、判別部20の解析対象画像取得部202へ入力された際に開始する。
[実施例1]
以下に実施例を示す。但し、本発明は以下の実施例に何ら限定されるものではない。
1)48Wellプレートで腸管オルガノイドを培養した(培養方法については任意であるため、具体的な記載を省略する)。
2)KEYENCE社製の倒立顕微鏡(BZ-X710)を用いて、48Wellプレート中で培養されたオルガノイドの明視野透過像を1wellずつ撮影した。対物レンズはCFI Plan Apoλ2xを使用し、クイックフルフォーカス機能を使用して解像度1980×1440の画像を取得した。
3)OpenCV-Pythonライブラリを使用し、適切な閾値を設定することで、オルガノイドを一つずつ認識し、撮影したWell内の画像からオルガノイド範囲を関心領域(ROI)として一つずつ取り出した。
4)(特徴量抽出)取り出したROIに対して、5つの特徴量(サイズ、真円度、色の濃さ、アスペクト、凸凹度)を下記の通り計算した。
・円形度(Circularity):ROIの直径(又は半径)S、及び円周長Perから、上記の(1)式に従って計算した。
・色の濃さ(Darkness):ROIの周辺の輝度の平均値Bo(256諧調)、及びROI内部の輝度の平均値Bi(256諧調)から、上記の(2)式に従って計算した。
・アスペクト(Aspect):ROIの長軸及び短軸の中から、最長軸及び最短軸を選択し、(長軸長/短軸長)によって計算した。
・凹凸度(Roughness):ROIのエッジをCanny法により検出し、検出されたエッジの数を計算した。
5)細胞塊から抽出した5つの特徴量と、当該細胞塊についてのオルガノイドの培養の成否(成を”1”とし、否を”0”とした。)を示す情報とが対応付けられた、細胞塊1000個分のデータを作成した。そして、当該データに基づいて、上記の(3)式及び(4)式に基づくロジスティック回帰分析を行った。これにより、ロジスティック関数の各偏回帰係数に対して以下のように適切な重みが付与された回帰式を得た。
w1=0.00198
w2=-5.03
w3=0.260
w4=0.124
w5=-0.00723
b=-42.5
6)新たな細胞塊の画像から上記5つの特徴量を抽出し、抽出された特徴量を上記(5)で得た回帰式に代入することで、当該細胞塊についてのオルガノイドの培養の成否の成功確率を算出した。
7)1つのWellに含まれるオルガノイドを集め、オルガノイドの培養の成否の成功確率の算術平均を計算することにより、1つのWellの成功確率として算出した。
8)上記7)で算出された成功確率と、実際のオルガノイドの培養の成否とに基づいて、正解率を算出した。これにより、81.1%の正解率を得た。
9)上記4)に示した実施条件との比較を行うため、上記5つの変数のうち1~4つの変数のみを用いて、細胞塊1000個分のデータを用いて上記の(3)式及び(4)に基づくロジスティック回帰分析を行った。この結果、上記4)に示した5つの変数を使用した場合が最も判別精度が高いという結果を得た。
Claims (9)
- 細胞塊を判別する判別装置であって、
前記細胞塊が撮像された一時点の静止画像から得られた前記細胞塊の特徴を示す、サイズ、円形度、色の濃さ、アスペクト、及び凹凸度のうち少なくとも1つの指標からなる所定の指標についての第1の細胞塊に係る指標値と、前記第1の細胞塊の状態がバディングの状態であるか又はシストの状態であるかを示す情報と、が対応付けられた学習用データに基づいて機械学習がなされた学習済みモデルを記憶する記憶部と、
前記所定の指標についての第2の細胞塊に係る指標値を取得する画像解析部と、
前記第2の細胞塊に係る指標値と前記学習済みモデルとに基づいて、前記第2の細胞塊の状態が前記バディングの状態であるか又は前記シストの状態であるかを判別する判別処理部と、
を備える判別装置。 - 前記静止画像は、明視野透過像である
請求項1に記載の判別装置。 - 前記静止画像は、前記細胞塊の単位で分割された画像である
請求項1に記載の判別装置。 - 前記静止画像は、オルガノイドになりうる前記細胞塊を含む画像から認識された関心領域ごとに分割された画像である
請求項1に記載の判別装置。 - 前記機械学習は、前記所定の指標を説明変数としたロジスティック関数の偏回帰係数を決定するための学習である
請求項1から請求項4のうちいずれか一項に記載の判別装置。 - 前記画像解析部に、前記第2の細胞塊が撮像された画像を送達する画像取得部
をさらに備える請求項1から請求項5のうちいずれか一項に記載の判別装置。 - 前記画像解析部は、前記画像に対してCanny法により前記第2の細胞塊のエッジを検出し、検出された前記エッジの数に基づいて前記細胞塊の形状の複雑さを表す指標を計測する
請求項6に記載の判別装置。 - コンピュータにより実行させる細胞塊の判別方法であって、前記細胞塊が撮像された一時点の静止画像から得られた前記細胞塊の特徴を示す、サイズ、円形度、色の濃さ、アスペクト、及び凹凸度のうち少なくとも1つの指標からなる所定の指標についての第1の細胞塊に係る指標値と、前記第1の細胞塊の状態がバディングの状態であるか又はシストの状態であるかを示す情報と、が対応付けられた学習用データに基づいて機械学習がなされた学習済みモデルを取得するステップと、
前記所定の指標についての第2の細胞塊に係る指標値を取得するステップと、
取得した前記第2の細胞塊に係る指標値と前記学習済みモデルとに基づいて、前記第2の細胞塊の状態が前記バディングの状態であるか又は前記シストの状態であるかを判別するステップと、
を有する細胞塊の判別方法。 - コンピュータによる実行時、請求項8の細胞塊の判別方法をコンピュータに実行させる指示を備えるコンピュータプログラム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019009384 | 2019-01-23 | ||
JP2019009384 | 2019-01-23 | ||
PCT/JP2019/044456 WO2020152953A1 (ja) | 2019-01-23 | 2019-11-13 | 判別装置、細胞塊の判別方法、及びコンピュータプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2020152953A1 JPWO2020152953A1 (ja) | 2021-12-02 |
JP7359163B2 true JP7359163B2 (ja) | 2023-10-11 |
Family
ID=71735450
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020567379A Active JP7359163B2 (ja) | 2019-01-23 | 2019-11-13 | 判別装置、細胞塊の判別方法、及びコンピュータプログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US11961230B2 (ja) |
JP (1) | JP7359163B2 (ja) |
WO (1) | WO2020152953A1 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7359163B2 (ja) * | 2019-01-23 | 2023-10-11 | Jsr株式会社 | 判別装置、細胞塊の判別方法、及びコンピュータプログラム |
WO2024075274A1 (ja) * | 2022-10-07 | 2024-04-11 | 日本電気株式会社 | 細胞分類装置、細胞分類方法及びプログラム |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014516562A (ja) | 2011-06-10 | 2014-07-17 | コーニンクレッカ ネザーランド アカデミー ヴァン ウェテンシャッペン | 幹細胞のための培養培地 |
WO2018083984A1 (ja) | 2016-11-02 | 2018-05-11 | ソニー株式会社 | 情報処理装置、情報処理方法及び情報処理システム |
JP2019000014A (ja) | 2017-06-13 | 2019-01-10 | 大日本印刷株式会社 | 腸オルガノイド及びその作製方法 |
WO2019009420A1 (ja) | 2017-07-07 | 2019-01-10 | 国立大学法人大阪大学 | トレンド分析を利用した痛みの判別、機械学習、経済的判別モデルおよびIoTを応用した医療装置、テイラーメイド機械学習、および新規疼痛判別用脳波特徴量 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3143126A1 (en) * | 2014-05-16 | 2017-03-22 | Koninklijke Nederlandse Akademie van Wetenschappen | Improved culture method for organoids |
JP7359163B2 (ja) * | 2019-01-23 | 2023-10-11 | Jsr株式会社 | 判別装置、細胞塊の判別方法、及びコンピュータプログラム |
-
2019
- 2019-11-13 JP JP2020567379A patent/JP7359163B2/ja active Active
- 2019-11-13 WO PCT/JP2019/044456 patent/WO2020152953A1/ja active Application Filing
-
2021
- 2021-06-28 US US17/304,877 patent/US11961230B2/en active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014516562A (ja) | 2011-06-10 | 2014-07-17 | コーニンクレッカ ネザーランド アカデミー ヴァン ウェテンシャッペン | 幹細胞のための培養培地 |
WO2018083984A1 (ja) | 2016-11-02 | 2018-05-11 | ソニー株式会社 | 情報処理装置、情報処理方法及び情報処理システム |
JP2019000014A (ja) | 2017-06-13 | 2019-01-10 | 大日本印刷株式会社 | 腸オルガノイド及びその作製方法 |
WO2019009420A1 (ja) | 2017-07-07 | 2019-01-10 | 国立大学法人大阪大学 | トレンド分析を利用した痛みの判別、機械学習、経済的判別モデルおよびIoTを応用した医療装置、テイラーメイド機械学習、および新規疼痛判別用脳波特徴量 |
Also Published As
Publication number | Publication date |
---|---|
US20210327060A1 (en) | 2021-10-21 |
WO2020152953A1 (ja) | 2020-07-30 |
US11961230B2 (en) | 2024-04-16 |
JPWO2020152953A1 (ja) | 2021-12-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11657487B2 (en) | Focus-weighted, machine learning disease classifier error prediction for microscope slide images | |
US11842556B2 (en) | Image analysis method, apparatus, program, and learned deep learning algorithm | |
Yang et al. | Deep learning for smartphone-based malaria parasite detection in thick blood smears | |
WO2021139258A1 (zh) | 基于图像识别的细胞识别计数方法、装置和计算机设备 | |
JP5469070B2 (ja) | 生物検体を処理するための複数の波長を用いる方法およびシステム | |
CN114846507A (zh) | 用于使用人工智能(ai)模型进行非侵入性基因检测的方法和*** | |
JP2015087903A (ja) | 情報処理装置及び情報処理方法 | |
CN112215790A (zh) | 基于深度学习的ki67指数分析方法 | |
CN112819821B (zh) | 一种细胞核图像检测方法 | |
JP7359163B2 (ja) | 判別装置、細胞塊の判別方法、及びコンピュータプログラム | |
US20230066976A1 (en) | Systematic characterization of objects in a biological sample | |
JP2013108926A (ja) | 病理診断支援装置、病理診断支援方法、及び病理診断支援プログラム | |
Adorno III et al. | Advancing eosinophilic esophagitis diagnosis and phenotype assessment with deep learning computer vision | |
Ashour et al. | Comparative study of multiclass classification methods on light microscopic images for hepatic schistosomiasis fibrosis diagnosis | |
Foucart et al. | Artifact identification in digital pathology from weak and noisy supervision with deep residual networks | |
JP2008535519A (ja) | 細胞の構造及びその構成要素を分析する方法 | |
CN116977253B (zh) | 用于内窥镜的清洁度检测方法及装置、电子设备和介质 | |
JPH11507565A (ja) | 画像改善装置及び方法 | |
Socia et al. | Detection of trachoma using machine learning approaches | |
US20230024468A1 (en) | Systems and methods to process electronic images to determine histopathology quality | |
Fenneteau et al. | A size-adaptative segmentation method for better detection of multiple sclerosis lesions | |
William Adorno et al. | Advancing Eosinophilic Esophagitis Diagnosis and Phenotype Assessment with Deep Learning Computer Vision | |
US20210192734A1 (en) | Electronic method and device for aiding the determination, in an image of a sample, of at least one element of interest from among biological elements, associated computer program | |
CN114187240A (zh) | 一种多病灶影像处理方法、装置、电子设备及计算机可读介质 | |
CN114757906A (zh) | 基于detr模型的显微图像中白细胞检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220614 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230418 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230523 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230627 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230721 |
|
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: 20230829 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230911 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7359163 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |