JPH0469776A - Automatic classifying method for red blood corpuscle micronucleus cell and automatic classifying device for red blood corpuscle micronucleus cell and red blood corpuscle micronucleus cell sample generating method - Google Patents
Automatic classifying method for red blood corpuscle micronucleus cell and automatic classifying device for red blood corpuscle micronucleus cell and red blood corpuscle micronucleus cell sample generating methodInfo
- Publication number
- JPH0469776A JPH0469776A JP2183093A JP18309390A JPH0469776A JP H0469776 A JPH0469776 A JP H0469776A JP 2183093 A JP2183093 A JP 2183093A JP 18309390 A JP18309390 A JP 18309390A JP H0469776 A JPH0469776 A JP H0469776A
- Authority
- JP
- Japan
- Prior art keywords
- red blood
- image data
- green
- blood cells
- red
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 210000003743 erythrocyte Anatomy 0.000 title claims abstract description 92
- 210000004027 cell Anatomy 0.000 title claims abstract description 41
- 238000000034 method Methods 0.000 title claims description 21
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 claims description 11
- 229920002678 cellulose Polymers 0.000 claims description 10
- 239000001913 cellulose Substances 0.000 claims description 10
- 238000010186 staining Methods 0.000 claims description 9
- 239000000203 mixture Substances 0.000 claims description 8
- 210000004369 blood Anatomy 0.000 claims description 5
- 239000008280 blood Substances 0.000 claims description 5
- 239000011521 glass Substances 0.000 claims description 4
- 230000003287 optical effect Effects 0.000 claims description 4
- NZYCYASKVWSANA-UHFFFAOYSA-M new methylene blue Chemical compound [Cl-].CCNC1=C(C)C=C2N=C(C=C(C(NCC)=C3)C)C3=[S+]C2=C1 NZYCYASKVWSANA-UHFFFAOYSA-M 0.000 claims description 3
- 210000002966 serum Anatomy 0.000 claims description 3
- 239000003760 tallow Substances 0.000 claims description 3
- 239000007788 liquid Substances 0.000 claims 1
- 238000000605 extraction Methods 0.000 abstract description 13
- 230000006870 function Effects 0.000 abstract description 10
- 238000012360 testing method Methods 0.000 abstract description 8
- 230000000007 visual effect Effects 0.000 abstract description 4
- 239000000126 substance Substances 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 11
- 210000000601 blood cell Anatomy 0.000 description 9
- 235000010980 cellulose Nutrition 0.000 description 8
- 239000008187 granular material Substances 0.000 description 7
- 230000008901 benefit Effects 0.000 description 6
- 238000002360 preparation method Methods 0.000 description 6
- 210000001772 blood platelet Anatomy 0.000 description 5
- 238000002054 transplantation Methods 0.000 description 5
- 210000000265 leukocyte Anatomy 0.000 description 4
- 238000002834 transmittance Methods 0.000 description 4
- 238000010521 absorption reaction Methods 0.000 description 3
- 239000000428 dust Substances 0.000 description 3
- 239000012634 fragment Substances 0.000 description 3
- 210000003924 normoblast Anatomy 0.000 description 3
- 206010008805 Chromosomal abnormalities Diseases 0.000 description 2
- 208000031404 Chromosome Aberrations Diseases 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 210000004940 nucleus Anatomy 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 206010018691 Granuloma Diseases 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 229920000168 Microcrystalline cellulose Polymers 0.000 description 1
- 241000283984 Rodentia Species 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000031016 anaphase Effects 0.000 description 1
- 239000003146 anticoagulant agent Substances 0.000 description 1
- 229940127219 anticoagulant drug Drugs 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 210000001185 bone marrow Anatomy 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 210000000349 chromosome Anatomy 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000003179 granulation Effects 0.000 description 1
- 238000005469 granulation Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000016507 interphase Effects 0.000 description 1
- 230000035800 maturation Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000031864 metaphase Effects 0.000 description 1
- 235000019813 microcrystalline cellulose Nutrition 0.000 description 1
- 239000008108 microcrystalline cellulose Substances 0.000 description 1
- 229940016286 microcrystalline cellulose Drugs 0.000 description 1
- 230000000394 mitotic effect Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 231100000150 mutagenicity / genotoxicity testing Toxicity 0.000 description 1
- 210000005259 peripheral blood Anatomy 0.000 description 1
- 239000011886 peripheral blood Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- -1 platelets Substances 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000007447 staining method Methods 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
Landscapes
- Investigating Or Analysing Biological Materials (AREA)
- Sampling And Sample Adjustment (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
Description
【発明の詳細な説明】
（イ）産業上の利用分野
本発明は、赤血球小核細胞の自動分類方法、及びこの自
動分類方法に適した自動分類装置さらに前記自動分類装
置に適した標本作成方法に関する。DETAILED DESCRIPTION OF THE INVENTION (a) Field of Industrial Application The present invention relates to an automatic classification method for red blood cell micronucleated cells, an automatic classification device suitable for this automatic classification method, and a specimen preparation method suitable for the automatic classification device. Regarding.
（ロ）従来の技術
小核とは、放射線障害や化学物質等により、染色体異常
が誘発されて生じる細胞核断片のことである。赤血球に
おける小核形成メカニズｌ、を説明すると、赤血球は、
骨髄内でノ」：成され、４１；成時１．Ｊ核を持ち赤芽
球と呼ばれている。赤芽球は、***成熟過程で脱核する
ことによって、多量のＲＮＡを持つ未熟赤血球（ＰＣＢ
）となり、更に成熟するごとによりＲＮＡ量は減少し、
成熟赤血球（ＮＣＥ）として末梢に放出される。この赤
芽球の***間期に、何らかの要因で染色体に異常が生じ
た場合、中期に切断によって断片となり、後期になって
もその断片が移動できず、終期以１（苧娘核以外に小核
として観察される。(b) Conventional technology Micronuclei are cell nuclear fragments produced when chromosomal abnormalities are induced by radiation damage, chemicals, etc. To explain the mechanism of micronucleus formation in red blood cells, red blood cells are
in the bone marrow: formed, 41; at adulthood 1. They have a J nucleus and are called erythroblasts. Erythroblasts enucleate during the mitotic maturation process, resulting in immature red blood cells (PCBs) containing a large amount of RNA.
), and as it matures further, the amount of RNA decreases,
Released to the periphery as mature red blood cells (NCE). If an abnormality occurs in the chromosomes for some reason during the interphase of this erythroblast, the fragments will be broken during metaphase, and the fragments will not be able to move even in anaphase. Observed as a nucleus.
小枝試験は、上述のように化学物質や放射線によって起
きる染色体異常を検出するためのテストであり、変異原
性試験のスクリーニングテストとして広く利用されてい
る。従来の方法としては、スライドグラス上にげっ歯頚
の血液細胞を塗抹しく塗抹標本）、この血液細胞を顕微
鏡で目視観察し、小核を有する多束性赤血球を分類し、
その出現率を求める。As mentioned above, the twig test is a test for detecting chromosomal abnormalities caused by chemical substances or radiation, and is widely used as a screening test for mutagenicity tests. The conventional method is to smear blood cells from a rodent's neck onto a slide glass (smear sample), visually observe the blood cells under a microscope, and classify multifascicular red blood cells with micronuclei.
Find its appearance rate.
（ハ）発明が解決しようとする課題
上記塗抹標本には、赤血球だけではなく、白血球、血小
板、ゴミ等も含まれている上に、小核は非常に小さいも
のであるので、顕微鏡下での目視分類には熟練を要する
。また、小核を有する細胞の出現率は非常に低く、上記
目視分類による小技試験法では莫大な時間と労力を有す
る。さらに、その出現率が低いため、最低４０００個の
細胞を数える必要があると言われているが、上記理由の
ため一動物につき１０００個程度しか観察されていない
。(c) Problems to be solved by the invention The above smear contains not only red blood cells, but also white blood cells, platelets, dust, etc., and the micronuclei are very small, so they cannot be easily seen under a microscope. Visual classification requires skill. In addition, the appearance rate of cells with micronuclei is very low, and the above-mentioned visual classification trick testing method requires an enormous amount of time and effort. Furthermore, since the appearance rate is low, it is said that it is necessary to count at least 4,000 cells, but for the above-mentioned reason, only about 1,000 cells have been observed per animal.
本発明は上記に鑑みなされたもので、小枝試験の自動化
を図るための、赤血球小核細胞の自動分類方法、この自
動分類方法に適用される自動分類装置及び標本作成方法
の提供を目的としている。The present invention has been made in view of the above, and aims to provide an automatic classification method for red blood cell micronucleated cells, an automatic classification device applied to this automatic classification method, and a specimen preparation method in order to automate the twig test. .
（ニ）課題を解決するための手段及び作用上記課題を解
決するため、第１請求項の赤血球小核細胞の自動分類方
法は以下のｉ −ｖｉｉ項に列記する構成を有している
。(d) Means and operation for solving the problems In order to solve the above problems, the automatic classification method for red blood cell micronucleated cells according to the first aspect has the configurations listed in the following items i-vii.
ｉ：標本の赤血球の拡大像を、赤、緑、青の三色の光学
フィルタをかけて、それぞれビデオカメラで取り込み、
ｉｉ：取り込んだ赤、緑、青の画像データより、青と緑
との差である青−緑画像データ、緑と赤との差である緑
−赤画像データをそれぞれ演算し、ｉｉｉ ：前記緑画
像データを２値化して、赤血球と背景とを領域分割し、
ｉｖ：この赤血球領域について、各画像データの濃度ヒ
ストグラムを作成し、
Ｖ：この作成されたヒストグラムに基づき、小核部、網
状顆粒質部をさらに領域分割し、Ｖｉ：分割された各領
域においてカラー論理演算により特徴パラメータを算出
すると共に、前記画像データからも、細胞の形状に関す
る特徴パラメータを算出し、
ｖｉｉこれら各特徴パラメータに基づき、枝分かれ論理
演算を行い小枝を有する赤血球を分類するものである。i: Enlarged images of the red blood cells in the specimen are captured with a video camera after applying three-color optical filters of red, green, and blue. ii: From the captured red, green, and blue image data, the difference between blue and green is determined. Calculates blue-green image data that is the difference, and green-red image data that is the difference between green and red, iii: binarizes the green image data and divides the red blood cells and the background into regions, iv: For this red blood cell region, create a density histogram of each image data, V: further divide the micronucleus and reticular granular parts into regions based on this created histogram, Vi: perform a color logical operation on each divided region. In addition to calculating feature parameters based on the image data, feature parameters related to the shape of the cell are also calculated, and based on these feature parameters, a branching logical operation is performed to classify red blood cells having twigs.
この第１請求項の赤血球小核細胞の自動分類方法は、赤
血球、赤血球内の小枝及び網状顆粒質の赤、緑、青の各
波長域における透過率が大きく異なる、あるいは近似す
ることに着目している。まず、赤血球の緑の波長域の吸
収が大きいことを利用して赤血球と背景を分離し、また
青−緑画像ブタ及び緑−赤画像データを算出し、赤血球
、小枝、網状顆粒質の差異を強調し、小枝、網状顆粒質
の領域分割を容易とする。The automatic classification method for red blood cell micronucleated cells of the first claim focuses on the fact that the transmittance of red blood cells, twigs and reticular granules in red blood cells, red, green, and blue wavelength ranges are significantly different or similar. ing. First, we separated red blood cells from the background by taking advantage of the large absorption of red blood cells in the green wavelength range, and calculated the blue-green image data and green-red image data to compare the differences between red blood cells, twigs, and reticular granules. Emphasizes and facilitates segmentation of twigs and reticular granules.
一方、濃度ヒストグラム及び画像データより得られた特
徴パラメータには枝分かれ論理が適用される。この枝分
かれ論理は、論理構造が人間の判断論理に近く、専門家
の持つ知識を論理に組み込みやすく、特徴パラメータと
判定基準値を１対１に対応さ・已ることができ、論理の
構築変更が容易である特長を有している。従って、目視
分類と同様の精度で小枝を有する赤血球を自動分類する
ことができる。On the other hand, branching logic is applied to the feature parameters obtained from the density histogram and image data. This branching logic has a logical structure similar to human judgment logic, makes it easy to incorporate the knowledge of experts into the logic, allows for a one-to-one correspondence between feature parameters and judgment reference values, and changes in the construction of the logic. It has the advantage of being easy to use. Therefore, red blood cells having twigs can be automatically classified with the same accuracy as visual classification.
第２請求項の赤血球小核細胞の自りＪ分類装置は、以下
のｉ −ｘ項に列記する構成を有している。The self-J classification device for red blood cell micronucleated cells according to the second aspect has the configuration listed in the following items i-x.
ｉ：標本の拡大像を得る顕微鏡と、
ｉｉ：この顕微鏡により得られた標本の拡大像を、赤、
緑、青の三色の光学フィルタをかげて、それぞれ取り込
むビデオカメラと、
山：このビデオカメラの赤、緑、青の信号をそれぞれア
ナログ／デジタル変換し画像データとするアナログ／デ
ジタル変換器と、
ｉｖ：これら赤、緑、青の画像データを記憶する記憶手
段と、
■：前記赤、緑、青の画像データより、青と緑との差で
ある青−緑画像データ、緑と赤との差である緑−赤画像
データを演算する画像データ演算手段と、
ｉｖ：この記憶手段に記憶されている緑画像データを２
値化して、赤血球と背景とを領域分割する第１の領域分
割手段と、
ｖｉｉこの赤血球領域について、前記記憶手段に記憶さ
れている各画像データの濃度ヒストグラムを作成するヒ
ストグラム作成手段と、
ｖｉｉ：上記ヒストグラム作成手段で作成されたヒスト
ダラムに基づき、小核部、網状顆粒質部をさらに領域分
割する第２の領域分割手段と、ｉＸ；この第２の領域分
割手段により分割された各領域においてカラー論理演算
により特徴パラメータを算出すると共に、前記記憶手段
に記憶されている画像データ及び前記画像データ演算手
段で演算された画像データより細胞の形状に関する特徴
バメラータを算出する特徴パラメータ算出手段と、Ｘ：
この特徴パラメータ算出手段で算出された特徴パラメー
タに基づき枝分かれ論理演算を行い小枝を有する赤血球
を分類する枝分かれ論理演算手段とを備えてなるもので
ある。i: A microscope that obtains an enlarged image of the specimen, and ii: The enlarged image of the specimen obtained by this microscope is shown in red,
A video camera that captures images through three-color optical filters: green and blue, and an analog/digital converter that converts the red, green, and blue signals of this video camera into analog/digital conversion into image data. iv: storage means for storing these red, green, and blue image data, and (i): from the red, green, and blue image data, blue-green image data, which is the difference between blue and green, and blue-green image data, which is the difference between green and red; an image data calculation means for calculating the green-red image data which is the difference; and iv: the green image data stored in this storage means is
vii: a histogram creation means for creating a density histogram of each image data stored in the storage means for the red blood cell region; vii: a second region dividing means for further dividing the micronucleus and reticular granular parts into regions based on the histogram created by the histogram creating means; Feature parameter calculation means for calculating feature parameters by logical operations and feature parameters related to the shape of the cell from the image data stored in the storage means and the image data calculated by the image data calculation means;
A branching logical operation means performs a branching logical operation based on the characteristic parameters calculated by the characteristic parameter calculating means and classifies red blood cells having twigs.
この第２請求項の自動分類装置は、第１請求項の自動分
類方法を実施するのに適したものであり、ビデオカメラ
の画像信号をデジタル化して、画像データ演算、領域分
割等の処理をデジタル演算により行える構成としている
。The automatic classification device according to the second claim is suitable for carrying out the automatic classification method according to the first claim, and digitizes the image signal of a video camera and performs processing such as image data calculation and area division. The configuration is such that it can be performed using digital calculations.
第３請求項の赤血球小核細胞標本作成方法は、第１請求
項の自動分類方法に適したものであり、以下に列記する
ｉ〜■の構成を有している。The method for preparing a red blood cell micronucleus cell specimen according to the third claim is suitable for the automatic classification method according to the first claim, and has configurations i to (ii) listed below.
ｉ：α−セルロース／マイクロスタリンセルロース混合
物を充填したカラム中に血液を流し、赤血球以外の細胞
を前記α−セルロース／マイクロスタリンセルロース混
合物に吸着させ、
Ｉｉ：このカラムを牛脂児血清で洗い、その流出液を遠
心分離して赤血球を集め、
ｉｉｉ ：これら赤血球をニューメチレンブルーを用い
て超生体染色し、
ｉｖ；この超生体染色させた赤血球をスライドガラス上
に遠心塗抹し、
■＝この遠心塗抹された赤血球をライト染色するもので
ある。i: Blood is poured into a column packed with an α-cellulose/microstarine cellulose mixture, and cells other than red blood cells are adsorbed to the α-cellulose/microstarine cellulose mixture. Ii: The column is washed with tallow serum and the The effluent is centrifuged to collect red blood cells, iii: These red blood cells are stained with supravital staining using new methylene blue, iv: The red blood cells stained with supervital staining are centrifugally smeared on a glass slide, and ■= this centrifugally smeared This is a Wright staining method for red blood cells.
この第３請求項の標本作成方法では、α−セルロース／
マイクロスタリンセルロースン昆合物により他の細胞を
除去できるから、自動分類の際に、赤血球と他の細胞と
を領域分割するための画像データ処理を行う必要がなく
なり、小核を有する赤血球の分類を容易に行うことがで
きる。In the specimen preparation method of this third claim, α-cellulose/
Since other cells can be removed using the microstalin cellulose complex, there is no need for image data processing to segment red blood cells and other cells during automatic classification, making it possible to classify red blood cells with micronuclei. can be easily done.
（ホ）実施例
本発明の一実施例を第１図乃至第９図に基づいて以下に
説明する。(E) Embodiment An embodiment of the present invention will be described below with reference to FIGS. 1 to 9.
第１図は、この実施例に係る赤血球小核細胞の自動分類
装置の構成を説明するブロック図である。FIG. 1 is a block diagram illustrating the configuration of an automatic classification device for red blood cells and micronucleated cells according to this embodiment.
２は、標本の拡大像を得るための自動顕微鏡部である。2 is an automatic microscope section for obtaining an enlarged image of the specimen.
この自動顕微鏡部２の拡大像は、写真撮影装置３で撮影
することができ、またビームスプリンタ４ａ、４ｂによ
り、それぞれカラービデオカメラ５、センサ１４でとら
えることができる。The enlarged image of this automatic microscope section 2 can be photographed by a photographing device 3, and can also be captured by a color video camera 5 and a sensor 14 by beam splinters 4a and 4b, respectively.
センサ１４の出力は、オートフォー−カス回路１５に入
力され、さらにオートフォーカス回路１５がフォーカス
が合うようにフォーカス駆動回路１６に信号を出力し、
自動顕微鏡部２のフォーカスが自動的に調整される。The output of the sensor 14 is input to an autofocus circuit 15, and the autofocus circuit 15 further outputs a signal to a focus drive circuit 16 so that focus is achieved.
The focus of the automatic microscope section 2 is automatically adjusted.
ステージ駆動回路１７は、自動顕微鏡部２のステージを
駆動させる。また、オートフィーダコントローラ１８は
、このステージ−１−へ標本Ｓを＋＋Ｂ次送り込む機能
を有す。The stage drive circuit 17 drives the stage of the automatic microscope section 2. Further, the auto feeder controller 18 has a function of feeding the specimen S to stage -1- in ++B orders.
これらオートフォーカス回路１５、フォーカス駆動回路
１６、ス７−−ジ５ｖ動回路１．７１．ｉ−−１−フィ
ーダコン１−ローラ１８は、ＣＰ Ｕ １． Ｏにより
総括的に制御される。These autofocus circuit 15, focus drive circuit 16, stage 7--5V drive circuit 1.71. i--1-feeder controller 1-roller 18 is CPU 1. Controlled overall by O.
一方、カラービデオカメラ５ば、３色、すなわち赤（Ｒ
）、緑（Ｇ）、青（Ｂ）の干渉フィルタ（図示せず）が
内蔵されており、各色Ｒ，Ｇ、Ｂ毎の画像信号が出力さ
れている。これら干渉フィルタの透過する波長域を第３
図に示す。第３図には、小核及び赤血球の波長に対する
透過率も合わせて示されており、両者の透過率の差界の
大きい波長域及び両者の透過率が近イ以する波長域に中
心波長を有する干渉フィルタが使用され、細胞の色彩情
報が強調される。On the other hand, the color video camera 5 has three colors, namely red (R).
), green (G), and blue (B) interference filters (not shown) are built in, and image signals for each color R, G, and B are output. The wavelength range transmitted by these interference filters is
As shown in the figure. Figure 3 also shows the transmittance of micronuclei and red blood cells for wavelengths, and the center wavelength is set in the wavelength range where the difference in transmittance between the two is large and the wavelength range where the transmittance of both is close to each other. An interference filter is used to enhance the color information of the cells.
このカラービデオカメラ５の画像信号（Ｒ，Ｇ、Ｂ）は
、前記ＣＰ Ｕ Ｉ Ｏにも取り込まれるが、アナログ
／デジタル（Ａ／Ｄ）変換器６でデジタル変換され、画
像メモリ７に記憶される。この実施例では、カラービデ
オカメラ５は、顕微鏡２視野中央の５１．２Ｘ３８．４
μｍを撮像領域とし、これを縦横０．１μｍサンプリン
グピッチで、ＲｌＧ、Ｂ各色を６ピント（６４階調）で
デジタル信号に変換し、画像メモリ７に記憶させる。The image signals (R, G, B) of the color video camera 5 are also taken into the CPU I O, but are digitally converted by an analog/digital (A/D) converter 6 and stored in an image memory 7. Ru. In this example, the color video camera 5 has a 51.2 x 38.4
The imaging area is defined as .mu.m, and this is converted into a digital signal with a sampling pitch of 0.1 .mu.m vertically and horizontally, with 6 focuses (64 gradations) for each color of RlG and B, and stored in the image memory 7.
画像メモリ７には、特徴抽出プロセッサ８が接続される
。この特徴抽出プロセンサ８は、Ｒ−８画像データ、Ｂ
−０画像データを作成する機能、赤血球と背景を領域分
割する機能、濃度ヒストグラムを作成する機能、特徴パ
ラメータを算出する機能を有している。A feature extraction processor 8 is connected to the image memory 7 . This feature extraction processor 8 extracts R-8 image data, B
It has a function of creating −0 image data, a function of dividing red blood cells and the background into regions, a function of creating a density histogram, and a function of calculating characteristic parameters.
さらに特徴抽出プロセッサ８には、認識プロセッサ９が
接続され、特徴抽出プロセッサ８で算出された特徴パラ
メータに枝分かれ論理を適用して赤血球を分類する機能
を有している。Furthermore, a recognition processor 9 is connected to the feature extraction processor 8 and has a function of applying branching logic to the feature parameters calculated by the feature extraction processor 8 to classify red blood cells.
画像メモリ７、特徴抽出プロセッサ８、認識プ１コセッ
サ９は、それぞれＣＰ Ｕ １０で総括的に制御される
。The image memory 7, feature extraction processor 8, and recognition processor 9 are each collectively controlled by a CPU 10.
ＣＰ Ｕ ］ ０には、さらにＣＲＴ等のモニタ１丁、
キーボード１２、プリンタ１３が接続される。モニタ１
１は、カラーＴＶカメラ５のとらえた画像や、画像デー
タ、ヒストグラム、分類結果等をモニタするためのもの
である。ブリンク１３もこれら分類結果等を印刷する。CPU ] 0 also has one monitor such as a CRT,
A keyboard 12 and a printer 13 are connected. monitor 1
1 is for monitoring images captured by the color TV camera 5, image data, histograms, classification results, etc. Blink 13 also prints these classification results.
キーホー１” ＋ ２は、各種コマンドを人力するため
のものである。Keyho 1"+2 is for manually executing various commands.
次に、この自動分類装置のための標本作成について、第
６図を参照しながら説明する。第６回において、２１は
カラムとして使用されるシリンジである。シリンジ２１
内には、α−セルロース／マイクロスタリンセルロース
の混合物２２が充填される。Next, sample preparation for this automatic classification device will be explained with reference to FIG. In the 6th time, 21 is a syringe used as a column. Syringe 21
Inside, a mixture 22 of α-cellulose/microstarine cellulose is filled.
このα−セルロース／マイクロスタリンセルロース混合
物２２ば、α−セルロース、マイクロスタリンセルロー
スを等量（ｇ）、牛脂児血清（Ｆｅ２）中に分散（室温
で１時間）させてシリンジ２１内に充填される。なお、
カラムの容積は２ ｍｌ、とされる。また、シリンジ２
１先端部におかれる濾紙片は、α−セルロース、マイク
ロスタリンセルロースが流出しないようにするためであ
る。This α-cellulose/microstarine cellulose mixture 22 is prepared by dispersing equal amounts (g) of α-cellulose and microstarine cellulose in tallow serum (Fe2) (for 1 hour at room temperature) and filling it into a syringe 21. . In addition,
The volume of the column is 2 ml. Also, syringe 2
The purpose of the filter paper piece placed at the tip of the filter is to prevent α-cellulose and microstarine cellulose from flowing out.
このシリンジ２１Ｊ一方からは、抗凝固剤としてＥＤＴ
Ａを加えた末梢血２４が１〜２ ｍｌ流される。From one side of this syringe 21J, EDT is used as an anticoagulant.
1 to 2 ml of peripheral blood 24 containing A is flowed.
この血液２４中の白血球と血小板は、α−セルロース／
マイクロスタリンセルロース混合物２２に吸着される。The leukocytes and platelets in this blood 24 are α-cellulose/
It is adsorbed on the microstarine cellulose mixture 22.
さらに、このシリンジ２１内をＦｅ２で数回（１回２
ｍｌずつ）洗い、流出液を遠心分離することにより、赤
血球を集める。この操作によって白血球の９９％、血小
板の８８％が除去され、はとんどが赤血球になる。Furthermore, the inside of this syringe 21 was filled with Fe2 several times (2 times at a time).
Collect the red blood cells by washing (1 ml) and centrifuging the effluent. Through this operation, 99% of white blood cells and 88% of platelets are removed, and most of them become red blood cells.
次に、この赤血球をニューメチレンブルーを用いて超生
体染色し、未熟赤血球の絹状顆粒質を選択的に染め出す
。そして、スライドガラス上に遠心塗抹し、ロマノフス
キー染色、この実施例ではライト染色を行っている。Next, the red blood cells are subjected to supravital staining using new methylene blue to selectively stain the silk-like granules of immature red blood cells. Then, it was centrifuged and smeared onto a slide glass, followed by Romanovsky staining, and in this example, Wright staining.
こうして作成された標本を用いての自動分類を、第２図
、第４図、第５図、第７図乃至第９図等を参照しながら
以下に説明する。Automatic classification using the samples created in this way will be explained below with reference to FIGS. 2, 4, 5, 7 to 9, etc.
まず、標本がオートフィードコントローラ１８により、
自動顕微鏡２のステーシトに送られ、焦点合わせが行わ
れる〔ステップ（以下ＳＴという）１〕。この状態で、
写真撮影装置′ｉ′？３により、撮影された標本の拡大
像を模式化して第４図に示す。First, the specimen is fed by the autofeed controller 18.
It is sent to the station of the automatic microscope 2 and focused [Step (hereinafter referred to as ST) 1]. In this state,
Photography device 'i'? 3, an enlarged image of the photographed specimen is schematically shown in FIG.
第４図中において、矢印を付して示す赤血球が小核を有
している。In FIG. 4, red blood cells indicated by arrows have micronuclei.
次に、この標本の拡大像をカラービデオカメラ５がとら
え、Ｒ，Ｇ、Ｂ各画像信号をＡ／Ｄ変換器６でデジタル
信号に変換する（Ｓｒ１）。特徴抽出プロセッサ８はＲ
，Ｇ、Ｂ各デジタル信号について、］、 ２８ Ｘ １
．２８画像領域を切り出し、ＲｌＧ 、８３色と、Ｒ−
Ｂ （赤信号と青信号の差）、Ｂ−Ｇ （青信号と緑信
号の差）のデジタル画像データを作成する（Ｓｒ１）。Next, the color video camera 5 captures an enlarged image of this sample, and the R, G, and B image signals are converted into digital signals by the A/D converter 6 (Sr1). The feature extraction processor 8 is R
, G, B digital signals, ], 28 X 1
．． Cut out 28 image areas, RlG, 83 colors, and R-
B (difference between red and green signals) and B-G (difference between blue and green signals) digital image data are created (Sr1).
次に、特徴抽出プロセラ・す°８は画像データから背景
部分を分離するために、成熟赤血球（ＮＣＥ）での吸収
が最も強いＧ信号で２値化する（Ｓｒ１）。Next, in order to separate the background part from the image data, the feature extraction processor S°8 binarizes the G signal with the strongest absorption in mature red blood cells (NCE) (Sr1).
ＮＣＩＥ−（（ｘ、ｙ）ｌ Ｇ （ｘ、ｙ）＜α）ｘ：
１≦Ｘ≦１２８なる整数
ｙ：１≦ｙ≦１２８なる整数
Ｇ （ｘ、ｙ）：画素（ｘ、ｙ）のＧ濃度値（ただし、
０≦Ｇ （ｘ、ｙ）≦６３）α：抽出固定閾稙
２値化閾稙として固定値αを使用した場合でも、背景と
赤血球の濃度差が極めて大きく、対象標本の状態にかか
わらず安定した領域分割が可能である。NCIE-((x,y)l G(x,y)<α)x:
Integer y that satisfies 1≦X≦128: Integer G that satisfies 1≦y≦128 (x, y): G density value of pixel (x, y) (however,
0≦G (x, y)≦63) α: Extraction fixed threshold Even when a fixed value α is used as the binarization threshold, the difference in concentration between the background and red blood cells is extremely large, and it remains stable regardless of the condition of the target specimen. area division is possible.
さらに、特徴抽出プロセッサ８は、赤血球部分と付着部
分（小核、網状顆粒質、血小板、ゴミ等）を分離するた
めに、赤血球ＳＷ域のＲ，Ｇ、Ｂ、、ＲＢ、 Ｂ−Ｇの
濃度ヒストグラ１、を作成する（Ｓｒ１）。Furthermore, the feature extraction processor 8 calculates the concentrations of R, G, B, RB, and BG in the red blood cell SW region in order to separate the red blood cell part from the attached part (micronuclei, reticular granules, platelets, dust, etc.). Histogram 1 is created (Sr1).
第５図にも示すように、赤血球内に存在する小核、網状
顆粒質は、Ｒ＝Ｂ、Ｉ’３−Ｇの信号で赤血球やゴミ等
と異なる。この特徴を利用して、それぞれＲ−Ｂ、Ｂ−
Ｇの濃度ヒストグラムからモード法により小核部、網状
顆粒質部に領域分割を行う。なお、第７図はこうして得
られた濃度ヒストグラムの内、Ｒ−Ｂの濃度ヒストグラ
ムを示している。第７図において、αより左方の領域が
網状顆粒質、βより左方の領域が小核にそれぞれ対応し
ている。As shown in FIG. 5, the micronuclei and reticular granules present in red blood cells differ from red blood cells and dust in the signals of R=B and I'3-G. Using this feature, R-B, B-
The density histogram of G is divided into micronuclei and reticular granular regions using the mode method. Incidentally, FIG. 7 shows the R-B density histogram among the density histograms thus obtained. In FIG. 7, the region to the left of α corresponds to the reticular granuloma, and the region to the left of β corresponds to the micronucleus.
Ｓ Ｔ ６では、特徴抽出プロセッサ８は、分割された
領域について、カラー理論／′Ａ算を行って、小核、網
状顆粒質、赤血球の濃度、色調に関する特徴パラメータ
を算出し、また、細胞の形から面積、周長、形状、塊の
数等の細胞の形状に関する特徴パラメータを算出する。In S T 6, the feature extraction processor 8 performs color theory/'A calculation on the divided regions to calculate feature parameters regarding micronucleus, reticular granulation, and red blood cell concentration and color tone. Characteristic parameters related to cell shape, such as area, circumference, shape, and number of clusters, are calculated from the shape.
さらに、これらの基本的なパラメータを組み合わせ２次
的な特徴パラメータを計算する。Furthermore, secondary feature parameters are calculated by combining these basic parameters.
以下、この実施例で使用する特徴パラメータを列挙する
。The feature parameters used in this example are listed below.
（１）濃度ヒストグラムの形状情報（第７図参照）■濃
度ヒストグラムの長さ（ＬＸ、ＬＮ）ＲＸＧ、、Ｂ、、
Ｒ−Ｂ、、Ｂ−Ｇの各色■領域の濃度ヒストグラムの長
さ（Ｉ−α、Ｌβ）Ｒ−ＢＸＢ−Ｇの各色
（２）１度情報
■血球の平均濃度（ＤＮＳ）
Ｒ，、Ｇ、、ＢＸＲ−ＢＸＢ−Ｇの各色■領域の平均濃
度（ＤＮＳα、ＤＮＳβ）Ｒ’−Ｂ、、Ｂ−Ｇの各色
（３）色調情報
■平均濃度
Ｒ，Ｇ、Ｂ、Ｒ−Ｂ、、Ｂ−Ｇの各色
（４）面積情報
■血球面積（ＮＡ）
Ｒ，Ｇ、Ｂの各色
■領域面積（ＮＡα、ＮＡ３）（第７図参照）Ｒ−Ｂ、
、Ｂ−Ｇの各色
（５）形状情報
■血球外周形状（Ｓ ＨＰ ）
Ｒ，Ｇ、Ｂ各色
■領域形状（ＳＨＰα、ＳＨＰβ）
Ｒ−Ｂ、、Ｂ−Ｇの各色
いくつかの特徴パラメータについての分布を説明してお
く。手植は、Ｂ信号での吸収が少なく、Ｒ，Ｇ信号が極
めて大きくなる。これを利用した特徴パラメータである
濃度ヒストグラムの長さ（ＬＸ （Ｒ−Ｂ） 、ＬＸ
（Ｂ−Ｇ））の分布から、手植を有する未熟赤血球（Ｍ
ＮＰＣＥ） 、手植を有する赤血球（ＭＮＮＣＥ）と、
未熟赤血球（１）ＣＥ） 、赤血球（ＮＣＥ）、、他の
ものに概ね分けることができる（第８図（ａ）参照）。(1) Shape information of density histogram (see Figure 7) ■ Length of density histogram (LX, LN) RXG, , B, ,
Each color of R-B, , B-G ■ Length of density histogram of area (I-α, Lβ) Each color of R-BXB-G (2) 1 degree information ■ Average concentration of blood cells (DNS) R,, G ,, Each color of BXR-BXB-G ■Average density of the area (DNSα, DNSβ) R'-B, , Each color of B-G (3) Tone information ■Average density R, G, B, R-B,, B - Each color of G (4) Area information ■ Blood cell area (NA) Each color of R, G, B ■ Area area (NAα, NA3) (see Figure 7) R-B,
, B-G each color (5) Shape information ■ Blood cell peripheral shape (S HP ) R, G, B each color ■ Region shape (SHPα, SHPβ) Each color of R-B, , B-G Regarding some characteristic parameters Let me explain the distribution. In manual transplantation, there is little absorption in the B signal, and the R and G signals become extremely large. The length of the density histogram (LX (R-B), LX
(B-G)), the distribution of immature red blood cells (M
NPCE), red blood cells with hand transplantation (MNNCE),
It can be roughly divided into immature red blood cells (1) CE), red blood cells (NCE), and others (see Figure 8(a)).
領域面積ＮＡα、ＮＡ３の分布から、手植を有する未熟
赤血球（ＭＮＰＣＥ）、手植を有する成熟赤血球（ＭＮ
ＮＣＥ）、未熟赤血球（ＰＣＥ）に概ねわけることがで
きる〔第８図（ｂ）（Ｃ）参照］。From the distribution of area areas NAα and NA3, immature red blood cells with hand transplantation (MNPCE) and mature red blood cells with hand transplantation (MN
PCE) and immature erythrocytes (PCE) [see Figures 8(b) and (C)].
その他図示しないが、領域分割した部分の形状パラメー
タより、赤血球内に付着するものが手植、網状顆粒質、
手植と網状顆粒質あるいはその他のものに分りることが
できる。Although not shown in the figure, based on the shape parameters of the segmented parts, the things that adhere to the red blood cells are hand-grafted, reticular granular,
It can be divided into hand-planted, reticular granular, and other types.
ＳＴ７では、認識プロセッサ９が上記特徴パラメータに
枝分かれ論理に当てはめ、各血球の判定基準値と比較す
ることにより識別を分岐し、その繰り返しにより細胞を
分類する。分類は、手植を有する未熟赤血球（ＭＮＰＣ
Ｅ）、手植を有する赤血球（ＭＮＮＣＥ） 、未熟赤血
球（ＰＣＢ）、その他付着物を有する赤血球（ＯＴＨＥ
Ｒ）、成熟赤血球（ＮＣＥ）の５種である。In ST7, the recognition processor 9 applies branching logic to the feature parameters, branches the identification by comparing it with the criterion value of each blood cell, and classifies the cells by repeating this process. The classification is immature red blood cells (MNPC) with hand engraftment.
E), red blood cells with hand grafts (MNNCE), immature red blood cells (PCB), red blood cells with other deposits (OTHE)
R), mature red blood cells (NCE).
ＳＴ８では、この分類結果をモニタ１１に表示し、プリ
ンタ１３よりプリントアウトする。In ST8, this classification result is displayed on the monitor 11 and printed out from the printer 13.
次に、実施例における赤血球小核細胞の自動分類の精度
について検討する。Next, the accuracy of automatic classification of red blood cell micronucleated cells in Examples will be discussed.
検討に用いたデータは、標本５枚から入力した血球７４
個（ＭＮＰＣＥ１７個、ＭＮＮＣＥ５個、ＰＣＢ２１個
、０ＴＨＥＲ１１個、ＮＣＥ２０個）で、それぞれ専門
家が分類を行った。The data used for the study was 74 blood cells input from 5 specimens.
(17 MNPCE, 5 MNNCE, 21 PCB, 11 0THER, and 20 NCE) were classified by experts.
各々の血球について専門家と自動分類との一致性をコン
フユージヨンマトリクスで表す（第９図参照）。これは
、専門家の判定に対して自動分類では、どう識別したか
を１細胞毎に調べて具体的な統計量として表したもので
ある。左上から右下に向かう対角線状実線枠内に分類が
一致した数字が示され、上段に一致した血球の個数、下
段にいわゆる一致率（％表示）が示されている。The concordance between the expert and automatic classification for each blood cell is represented by a confusion matrix (see Figure 9). This is a result of examining how each cell was identified in automatic classification compared to the expert's judgment, and expressing it as a concrete statistic. The number of matched classifications is shown within the diagonal solid line frame from the upper left to the lower right, the number of matched blood cells is shown in the upper row, and the so-called matching rate (expressed as a percentage) is shown in the lower row.
第９図に示すように、手植の一致率は、ＭＮＰＣＥ、Ｍ
ＮＮＣＥとも１００％であり充分な検出精度であること
が確認できた。また、逆に手植以外のものを手植と誤認
識する例もなく、正当率も満足のいく結果が得られた。As shown in Fig. 9, the matching rate of hand transplantation is MNPCE, M
Both NNCEs were 100%, confirming sufficient detection accuracy. In addition, there were no cases where anything other than hand-printed items were mistakenly recognized as hand-printed, and a satisfactory accuracy rate was obtained.
しかし未熟赤血球の識別において、他の春１着物（具体
的には染色によるゴミ）のものを社ｌ忍熾したイ列が２
イ列あった。However, when it comes to identifying immature red blood cells, it is important to keep in mind that the second row is one in which other spring 1 kimonos (specifically, dirt from staining) are carefully examined.
There was a row.
（へ）発明の詳細
な説明したように、第１請求項の赤血球小核細胞の自動
分類方法は、小核試験に要する労力及び時間を削減でき
る利点を有すると共に、多数の細胞を観察することがで
きるから、小核試験の精度の向上を図れる利点ををして
いる。(f) As described in detail of the invention, the automatic classification method for red blood cell micronucleated cells of the first claim has the advantage of reducing the labor and time required for micronucleus testing, and also enables observation of a large number of cells. This has the advantage of improving the accuracy of micronucleus tests.
また、第２請求項の赤血球小核細胞の自動分類装置は、
画像信号をデジタル化し、領域分割、特徴パラメータ、
枝分かれ論理等がデジタル演算で行え、第１請求項の自
動分類方法の実施を容易とする利点を有している。Further, the automatic classification device for red blood cell micronucleated cells according to the second claim includes:
Digitize the image signal, perform area segmentation, feature parameters,
This has the advantage that branching logic and the like can be performed by digital calculations, making it easy to implement the automatic classification method of the first claim.
さらに、第３請求項の赤廂球小核細胞標本作成方法は、
血液中より白血球や血小板を除去すると共に、手植、網
状顆粒質を超生体染色により選択的に染め出し、第１請
求項の自動分類方法の実施を容易とする利点を有してい
る。Furthermore, the method for preparing an erythrocyte micronucleus cell specimen according to the third claim,
This method has the advantage that white blood cells and platelets are removed from blood, and hand transplants and reticular granules are selectively stained by supravital staining, making it easy to carry out the automatic classification method of the first aspect.
第１図は、この発明の一実施例に適用される赤血球小核
細胞の自動分類装置のブロック図、第２図は、同赤血球
小核細胞の自動分類装置の動作を説明するフロー図、第
３図は、同赤血球小核細胞の自動分類装置に適用される
干渉フィルタの特性を示す図、第４図は、標本の拡大像
の一例を示す図、第５図は、赤血球を横切るようにスキ
ャンした場合の画像信号を説明する図、第６図は、前記
赤血球小核細胞の自動分類装置に適用される標本の作成
方法を説明する図、第７図は、同赤血球小核細胞の自動
分類装置で作成された濃度ヒストグラムの一例を示す図
、第８図（ａ）、第８図（＋））及び第８図（Ｃ）は、
それぞれ同赤血球小核細胞の自動分類装置で算出された
特徴パラメータの分布を説明する図、第９図は、同赤血
球小核細胞の自動分類装置のコンフユージヨンマトリク
スを示す図である。
２：自動顕微鏡、
５：カラービデオカメラ、 ６：Ａ／Ｄ変換器、７：
画像メモリ、 ８；特徴抽出プロセッサ、９：認識
プロセッサ、２１：シリンジ、２２：α−セルロース／
マイクロクリスタリンセルロース混合物。FIG. 1 is a block diagram of an automatic classification device for red blood cell micronucleated cells applied to an embodiment of the present invention, and FIG. 2 is a flow diagram explaining the operation of the automatic classification device for red blood cell micronucleated cells. Figure 3 is a diagram showing the characteristics of the interference filter applied to the automatic classification device for red blood cell micronucleated cells, Figure 4 is a diagram showing an example of an enlarged image of the specimen, and Figure 5 is a diagram showing the characteristics of the interference filter applied to the automatic classification device for red blood cells and micronucleated cells. Figure 6 is a diagram explaining the image signal when scanned, Figure 6 is a diagram explaining the specimen preparation method applied to the automatic red blood cell micronucleated cell classification device, and Figure 7 is a diagram explaining the specimen preparation method applied to the automatic red blood cell micronucleated cell classification device. Figures 8(a), 8(+)) and 8(C) showing examples of density histograms created by the classification device are as follows:
FIG. 9 is a diagram illustrating the distribution of characteristic parameters calculated by the automatic red blood cell micronucleated cell classification device, and FIG. 9 is a diagram showing a conflation matrix of the red blood cell micronucleated cell automatic classification device. 2: Automatic microscope, 5: Color video camera, 6: A/D converter, 7:
Image memory, 8; Feature extraction processor, 9: Recognition processor, 21: Syringe, 22: α-cellulose/
Microcrystalline cellulose mixture.
Claims (3)
学フィルタをかけて、それぞれビデオカメラで取り込み
、取り込んだ赤、緑、青の画像データより、青と緑との
差である青−緑画像データ、緑と赤との差である緑−赤
画像データをそれぞれ演算し、前記緑画像データを２値
化して、赤血球と背景とを領域分割し、この赤血球領域
について、各画像データの濃度ヒストグラムを作成し、
この作成されたヒストグラムに基づき、小核部、網状顆
粒質部をさらに領域分割し、分割された各領域において
カラー論理演算により特徴パラメータを算出すると共に
、前記画像データからも、細胞形状に関する特徴パラメ
ータを算出し、これら各特徴パラメータに基づき枝分か
れ論理演算を行い小核を有する赤血球を分類する赤血球
小核細胞の自動分類方法。(1) Enlarged images of the red blood cells in the specimen are captured with a video camera after applying three-color optical filters of red, green, and blue. From the captured red, green, and blue image data, the difference between blue and green is determined. The blue-green image data is calculated, and the green-red image data is the difference between green and red. Create a density histogram for each image data,
Based on the created histogram, the micronuclei and reticular granular regions are further divided into regions, and feature parameters are calculated by color logical operations in each divided region. Also, from the image data, feature parameters related to cell shape are calculated. This is an automatic classification method for micronucleated red blood cells that calculates red blood cells with micronuclei by performing branching logical operations based on these characteristic parameters.
得られた標本の拡大像を、赤、緑、青の三色の光学フィ
ルタをかけて、それぞれ取り込むビデオカメラと、この
ビデオカメラの赤、緑、青の信号をそれぞれアナログ／
デジタル変換し画像データとするアナログ／デジタル変
換器と、これら赤、緑、青の画像データを記憶する記憶
手段と、これら赤、緑、青の画像データより、青と緑と
の差である青−緑画像データ、緑と赤との差である緑−
赤画像データを演算する画像データ演算手段と、前記記
憶手段に記憶された緑画像データを２値化して、赤血球
と背景とを領域分割する第１の領域分割手段と、この赤
血球領域について、前記記憶手段に記憶されている各画
像データ及び前記画像データ演算手段で演算された画像
データの濃度ヒストグラムを作成するヒストグラム作成
手段と、上記ヒストグラム作成手段で作成されたヒスト
グラムに基づき、小核部、網状顆粒質部をさらに領域分
割する第２の領域分割手段と、この第２の領域分割手段
により分割された各領域においてカラー論理演算により
特徴パラメータを算出すると共に、前記記憶手段に記憶
されている画像データ及び前記画像データ演算手段によ
り演算された画像データより細胞の形状に関する特徴パ
ラメータを算出する特徴パラメータ算出手段と、この特
徴パラメータ算出手段で算出された特徴パラメータに基
づき枝分かれ論理演算を行い小核を有する赤血球を分類
する枝分かれ論理演算手段とを備えてなる赤血球小核細
胞の自動分類装置。(2) A microscope that obtains an enlarged image of the specimen; a video camera that captures the enlarged image of the specimen obtained by this microscope through three-color optical filters of red, green, and blue; , green, and blue signals respectively as analog/
An analog/digital converter that digitally converts image data, a storage means that stores these red, green, and blue image data, and a blue that is the difference between blue and green from these red, green, and blue image data. −Green image data, green which is the difference between green and red−
an image data calculating means for calculating red image data; a first region dividing means for binarizing the green image data stored in the storage means and dividing the red blood cells and the background into regions; a histogram creation means for creating a density histogram of each image data stored in the storage means and the image data calculated by the image data calculation means; A second region dividing means further divides the granular part into regions, and a feature parameter is calculated by a color logical operation in each region divided by the second region dividing means, and the image stored in the storage means is a feature parameter calculation means for calculating feature parameters regarding the shape of the cell from the image data and the image data calculated by the image data calculation means, and a branching logical operation based on the feature parameters calculated by the feature parameter calculation means to calculate micronuclei. 1. An automatic classification device for micronucleated red blood cells, comprising branched logic operation means for classifying red blood cells.
合物を充填したカラム中に血液を流し、赤血球以外の細
胞を上記α−セルロース／マイクロスタリンセルロース
混合物に吸着させ、このカラムを牛脂児血清で洗い、そ
の流出液を遠心分離して赤血球を集め、これら赤血球を
ニューメチレンブルーを用いて超生体染色し、この超生
体染色させた赤血球をスライドガラス上に遠心塗抹し、
この遠心塗抹された赤血球をライト染色する赤血球小核
細胞標本作成方法。(3) Blood is poured into a column filled with an α-cellulose/microstarine cellulose mixture, cells other than red blood cells are adsorbed to the α-cellulose/microstarine cellulose mixture, the column is washed with tallow serum, and the blood is poured out. The liquid is centrifuged to collect red blood cells, these red blood cells are stained with supra-vital staining using new methylene blue, and the stained red blood cells are centrifuged and smeared onto a glass slide.
A method for preparing a red blood cell micronucleated cell specimen by performing Wright's staining of red blood cells that have been centrifuged and smeared.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2183093A JPH0469776A (en) | 1990-07-11 | 1990-07-11 | Automatic classifying method for red blood corpuscle micronucleus cell and automatic classifying device for red blood corpuscle micronucleus cell and red blood corpuscle micronucleus cell sample generating method |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2183093A JPH0469776A (en) | 1990-07-11 | 1990-07-11 | Automatic classifying method for red blood corpuscle micronucleus cell and automatic classifying device for red blood corpuscle micronucleus cell and red blood corpuscle micronucleus cell sample generating method |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH0469776A true JPH0469776A (en) | 1992-03-04 |
Family
ID=16129643
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2183093A Pending JPH0469776A (en) | 1990-07-11 | 1990-07-11 | Automatic classifying method for red blood corpuscle micronucleus cell and automatic classifying device for red blood corpuscle micronucleus cell and red blood corpuscle micronucleus cell sample generating method |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH0469776A (en) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5672466A (en) * | 1995-02-24 | 1997-09-30 | Fuji Photo Film Co., Ltd. | Method for forming an image and silver halide photographic light-sensitive material |
| KR100303608B1 (en) * | 1997-05-22 | 2001-11-22 | 박호군 | Method and device for automatically recognizing blood cell |
| US6573039B1 (en) | 1997-02-27 | 2003-06-03 | Cellomics, Inc. | System for cell-based screening |
| US6671624B1 (en) | 1997-02-27 | 2003-12-30 | Cellomics, Inc. | Machine readable storage media for detecting distribution of macromolecules between nucleus and cytoplasm in cells |
| US6727071B1 (en) | 1997-02-27 | 2004-04-27 | Cellomics, Inc. | System for cell-based screening |
| US7117098B1 (en) | 1997-02-27 | 2006-10-03 | Cellomics, Inc. | Machine-readable storage medium for analyzing distribution of macromolecules between the cell membrane and the cell cytoplasm |
| JP2019505802A (en) * | 2016-01-28 | 2019-02-28 | シーメンス・ヘルスケア・ダイアグノスティックス・インコーポレーテッドＳｉｅｍｅｎｓ Ｈｅａｌｔｈｃａｒｅ Ｄｉａｇｎｏｓｔｉｃｓ Ｉｎｃ． | Method and apparatus for sample container and sample characterization |
-
1990
- 1990-07-11 JP JP2183093A patent/JPH0469776A/en active Pending
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5672466A (en) * | 1995-02-24 | 1997-09-30 | Fuji Photo Film Co., Ltd. | Method for forming an image and silver halide photographic light-sensitive material |
| US6902883B2 (en) | 1997-02-27 | 2005-06-07 | R. Terry Dunlay | System for cell-based screening |
| US6573039B1 (en) | 1997-02-27 | 2003-06-03 | Cellomics, Inc. | System for cell-based screening |
| US6620591B1 (en) | 1997-02-27 | 2003-09-16 | Cellomics, Inc. | System for cell-based screening |
| US6671624B1 (en) | 1997-02-27 | 2003-12-30 | Cellomics, Inc. | Machine readable storage media for detecting distribution of macromolecules between nucleus and cytoplasm in cells |
| US6727071B1 (en) | 1997-02-27 | 2004-04-27 | Cellomics, Inc. | System for cell-based screening |
| US7060445B1 (en) | 1997-02-27 | 2006-06-13 | Cellomics, Inc. | System for cell-based screening |
| US7117098B1 (en) | 1997-02-27 | 2006-10-03 | Cellomics, Inc. | Machine-readable storage medium for analyzing distribution of macromolecules between the cell membrane and the cell cytoplasm |
| US7235373B2 (en) | 1997-02-27 | 2007-06-26 | Cellomics, Inc. | System for cell-based screening |
| US7853409B2 (en) | 1997-02-27 | 2010-12-14 | Cellomics, Inc. | System for cell-based screening |
| KR100303608B1 (en) * | 1997-05-22 | 2001-11-22 | 박호군 | Method and device for automatically recognizing blood cell |
| JP2019505802A (en) * | 2016-01-28 | 2019-02-28 | シーメンス・ヘルスケア・ダイアグノスティックス・インコーポレーテッドＳｉｅｍｅｎｓ Ｈｅａｌｔｈｃａｒｅ Ｄｉａｇｎｏｓｔｉｃｓ Ｉｎｃ． | Method and apparatus for sample container and sample characterization |
| US11815446B2 (en) | 2016-01-28 | 2023-11-14 | Siemens Healthcare Diagnostics Inc. | Methods and apparatus for characterizing a specimen container and specimen |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10192100B2 (en) | System and method for classification of particles in a fluid sample | |
| US10061973B2 (en) | Method and apparatus for automated platelet identification within a whole blood sample from microscopy images | |
| US5123055A (en) | Method and an apparatus for differentiating a sample of biological cells | |
| DE3689856T2 (en) | ANALYSIS METHOD AND DEVICE FOR BIOLOGICAL SPECIMES. | |
| DE69815085T2 (en) | SYSTEM AND METHOD FOR CLASSIFYING CELL SAMPLES | |
| US9064301B2 (en) | Method and apparatus for compressing imaging data of whole blood sample analyses | |
| US10648897B2 (en) | Method and apparatus for the identification and handling of particles | |
| DE3854644T2 (en) | Methods and devices for cell determination. | |
| JPH08136439A (en) | Grain image analysis device | |
| JPH09509487A (en) | Cell sample automatic classification device and method | |
| JPH0469776A (en) | Automatic classifying method for red blood corpuscle micronucleus cell and automatic classifying device for red blood corpuscle micronucleus cell and red blood corpuscle micronucleus cell sample generating method | |
| PP et al. | Automated quality assessment of cocoons using a smart camera based system | |
| JPH08145871A (en) | Method and device for deviding area of particle picture | |
| JPH10302067A (en) | Pattern recognition device | |
| Ravkin et al. | Automated microscopy system for detection and genetic characterization of fetal nucleated red blood cells on slides | |
| US20120301915A1 (en) | System and automated device for analysing a cell suspension | |
| JPH05249103A (en) | Analyzer for blood cell | |
| JPS5830049B2 (en) | Automatic reticulocyte measurement device | |
| WO2000029833A1 (en) | Blood analysis device and method for establishing a serodiagnosis | |
| CN113640084B (en) | Detection method of farmland soil micro-plastics | |
| ADDO et al. | Optimizing the determination of blood groups via image processing | |
| JPS6040954A (en) | Automatic calculator of reticulate erythrocytes | |
| JP2705126B2 (en) | Cell analyzer | |
| CN109556999A (en) | Application method in special-shaped red blood cell detection based on high content technology | |
| JP2023501939A (en) | Apparatus and method for identifying tube assembly type |