JPH0469776A - 赤血球小核細胞の自動分類方法及び赤血球小核細胞の自動分類装置及び赤血球小核細胞標本作成方法 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

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。

（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。

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。

（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
。

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。

（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
。

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。

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。

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。

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。

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。

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
。

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。

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。

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。

（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。

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。

２は、標本の拡大像を得るための自動顕微鏡部である。

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。

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。

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。

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。

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。

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。

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。

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。

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
。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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）。

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）。

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。

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）。

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。

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。

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。

以下、この実施例で使用する特徴パラメータを列挙する
。

（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）。

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］。

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。

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。

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。

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。

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。

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。

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。

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。

（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。

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。

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。

【図面の簡単な説明】

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。

Claims (3)

【特許請求の範囲】
1. （１）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
   、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。
2. （２）標本の拡大像を得る顕微鏡と、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。
3. （３）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。