JPH0750031B2 - 物質パターンの分離検出方法 - Google Patents
物質パターンの分離検出方法Info
- Publication number
- JPH0750031B2 JPH0750031B2 JP63070999A JP7099988A JPH0750031B2 JP H0750031 B2 JPH0750031 B2 JP H0750031B2 JP 63070999 A JP63070999 A JP 63070999A JP 7099988 A JP7099988 A JP 7099988A JP H0750031 B2 JPH0750031 B2 JP H0750031B2
- Authority
- JP
- Japan
- Prior art keywords
- matrix
- substance
- image
- sample
- substances
- 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.)
- Expired - Lifetime
Links
Landscapes
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Description
【発明の詳細な説明】 [産業上の利用分野] この発明は、物質パターンの分離検出方法に関し、特
に、複数の物質が混在する画像に対し分光情報を利用し
各物質の分布パターンを分離抽出する、医学,薬学,解
剖学,生物学,化学など広範な分野に利用可能な物質パ
ターンの分離検出方法に関する。
に、複数の物質が混在する画像に対し分光情報を利用し
各物質の分布パターンを分離抽出する、医学,薬学,解
剖学,生物学,化学など広範な分野に利用可能な物質パ
ターンの分離検出方法に関する。
[従来技術とその問題点] 未知の試料を顕微鏡でのぞいていると、そこには種々の
物質が空間的に重なり合い、あるいは混りあって分布し
ているであろう。もし、観察される画像に何種類の物質
が含まれていて、それらは何々で、各々どんな比率でど
のように分布しているかを分かる方法があれば、パター
ン解析による現象分析や未知の新しい物体・物質の研究
・発見に大いに貢献できる。
物質が空間的に重なり合い、あるいは混りあって分布し
ているであろう。もし、観察される画像に何種類の物質
が含まれていて、それらは何々で、各々どんな比率でど
のように分布しているかを分かる方法があれば、パター
ン解析による現象分析や未知の新しい物体・物質の研究
・発見に大いに貢献できる。
従来、このような目的に対する画像処理法として、各成
分の空間的特徴すなわち統計量,空間周波数分布,幾何
学的形状等に注目した、パターン認識の各手法が適用さ
れてきた。特に、テクスチャー解析や文字認識等では、
既に多くの成果が得られている。
分の空間的特徴すなわち統計量,空間周波数分布,幾何
学的形状等に注目した、パターン認識の各手法が適用さ
れてきた。特に、テクスチャー解析や文字認識等では、
既に多くの成果が得られている。
しかし、この手法では物質情報が空間的特徴として現れ
る場合に限られるため、これを利用した手法の実用的な
応用範囲は非常に制限される欠点がある。
る場合に限られるため、これを利用した手法の実用的な
応用範囲は非常に制限される欠点がある。
そこで、より一般的には、物質の識別には分光学を応用
し、分光情報を利用すべきである。異なる物質は、適当
なエネルギーの電磁波に対して必ず異なる応答を示すは
ずである。人間の目はその簡単な実例で、3バンドの画
像から物を識別する。RGBのカラー画像処理は、人間と
同じ識別能力を有するが、わずか3バンド程度では、各
種の物質の識別は不可能で(最大3種類まで)、各物質
の空間的特徴に頼らざるを得ない。
し、分光情報を利用すべきである。異なる物質は、適当
なエネルギーの電磁波に対して必ず異なる応答を示すは
ずである。人間の目はその簡単な実例で、3バンドの画
像から物を識別する。RGBのカラー画像処理は、人間と
同じ識別能力を有するが、わずか3バンド程度では、各
種の物質の識別は不可能で(最大3種類まで)、各物質
の空間的特徴に頼らざるを得ない。
検出したい物質の吸収(あるいは反射,蛍光)スペクト
ルが予め分かっているなら、その物質が空間的特徴を有
していなくとも、観察画像の各点において、スペクトル
分布を分光測定することにより、物質の濃度分布パター
ンを求めることができる。特に多成分が重畳して観測さ
れるような試料にたいして有効で、例えば異なるエネル
ギーバンドでX線写真(人体)を2枚撮り、適当な比率
で画像を合成すると、骨部のみの画像や、逆に骨のみを
除いた軟部組織の画像が得られることはよく知られてい
る。Lehmannらの提案したこの画像構成法(Med.Phys.
8,pp659〜667(1981))は、各物質を空間的に分離す
るX線CTより、場合によってははるかに有用であり、得
られる画像も高品質である。
ルが予め分かっているなら、その物質が空間的特徴を有
していなくとも、観察画像の各点において、スペクトル
分布を分光測定することにより、物質の濃度分布パター
ンを求めることができる。特に多成分が重畳して観測さ
れるような試料にたいして有効で、例えば異なるエネル
ギーバンドでX線写真(人体)を2枚撮り、適当な比率
で画像を合成すると、骨部のみの画像や、逆に骨のみを
除いた軟部組織の画像が得られることはよく知られてい
る。Lehmannらの提案したこの画像構成法(Med.Phys.
8,pp659〜667(1981))は、各物質を空間的に分離す
るX線CTより、場合によってははるかに有用であり、得
られる画像も高品質である。
第1図は、このLehmannらの提案した手法を説明する数
学的モデル図である。これは、M個の物質からなる試料
をλ1,λ2,……λNのN個の波長で観測した様子を示し
ている。得られる多重分光画像i1,i2,……,iNすなわち
i(x,y,λK)は、各物質のスペクトルsj(λ),j=
1,2,……,Mとその空間分布パターンpj(x,y),j=1,
2,……,Mの積和として与えられる。すなわち、 第1図では、各波長での観測像および各成分物質の空間
分布パターンは、それぞれi1,i2,……,iNおよびp1,p2,
……,pMとベクトル表記されており、それらの要素はそ
れぞれ空間的な画素の密度である。(1)式を行列表記
すると I=SP (2) となる。第2図にこの(2)式の要素を図解して示し
た。
学的モデル図である。これは、M個の物質からなる試料
をλ1,λ2,……λNのN個の波長で観測した様子を示し
ている。得られる多重分光画像i1,i2,……,iNすなわち
i(x,y,λK)は、各物質のスペクトルsj(λ),j=
1,2,……,Mとその空間分布パターンpj(x,y),j=1,
2,……,Mの積和として与えられる。すなわち、 第1図では、各波長での観測像および各成分物質の空間
分布パターンは、それぞれi1,i2,……,iNおよびp1,p2,
……,pMとベクトル表記されており、それらの要素はそ
れぞれ空間的な画素の密度である。(1)式を行列表記
すると I=SP (2) となる。第2図にこの(2)式の要素を図解して示し
た。
さて、ここでの課題は、(2)式において分光観測画像
Iから、各成分のスペクトルの行列Sとその密度分布の
パターン行列Pを求めることである。ここで、存在する
成分の個数とそれらの物質がなになにであると分かって
おりかつそのそれぞれのスペクトルが分かっている場
合、(2)式でSは既知であり、パターンPはIにSの
逆行列を掛けることにより求められる。すなわち、 S-1I=P (3) しかしながら、この手法において、S、つまり、すべて
の成分のスペクトルが既知でなければならず、1つでも
未知物質が存在すれば、この方法は全く適用できない。
特に、例えば生物試料などでは、測定毎の条件・環境に
よってスペクトルが変化するため、予め確定的なスペク
トル情報を得ることは困難である。
Iから、各成分のスペクトルの行列Sとその密度分布の
パターン行列Pを求めることである。ここで、存在する
成分の個数とそれらの物質がなになにであると分かって
おりかつそのそれぞれのスペクトルが分かっている場
合、(2)式でSは既知であり、パターンPはIにSの
逆行列を掛けることにより求められる。すなわち、 S-1I=P (3) しかしながら、この手法において、S、つまり、すべて
の成分のスペクトルが既知でなければならず、1つでも
未知物質が存在すれば、この方法は全く適用できない。
特に、例えば生物試料などでは、測定毎の条件・環境に
よってスペクトルが変化するため、予め確定的なスペク
トル情報を得ることは困難である。
本発明は、上記の問題点、即ち試料に1つでも未知物質
が含まれていると、物質の分布パターンPを求めること
ができない問題点を解決しようとするものである。
が含まれていると、物質の分布パターンPを求めること
ができない問題点を解決しようとするものである。
さらに、換言すれば、画像内に存在する物質に関する成
分個数やスペクトル情報等の先験情報を必要とせずに、
各成分物質の定性及び定量分析を可能にする手法を提供
することを目的とする。
分個数やスペクトル情報等の先験情報を必要とせずに、
各成分物質の定性及び定量分析を可能にする手法を提供
することを目的とする。
[問題点を解決するための手段] 本発明に係る物質パターンの分離検出方法は、少なくと
も1つの未知物質を含みこれらの物質が2次元に分布し
た試料に、第1の電磁波エネルギを与え、放出される電
磁波を分光計測して第1の分光画像セットI1を得、前記
試料に、前記第1の電磁波エネルギを与えたときとは異
なる第2の電磁波エネルギを与え、放出される電磁波を
分光計測して第2の分光画像セットI2を得、得られた第
1の分光画像セットI1に対し、下記第(I)式の特異値
分解の演算操作により前記試料の成分物質の個数を求
め、 次に、前記第(I)式で求められた行列U,Σ,Vと前記第
2の分光画像セットI2とに基づいて下記第(II)式の演
算操作により行列Bを求め、 求められた前記行列Bの転置行列Btの固有値と固有ベ
クトルを演算して求め下記第(III)式で与えられる行
列Tと対角行列Aを求め、そして、 TBT-1=A ……(III) 下記第(IV)式により前記行列Tに前記行列Vを乗算し
て、 P=TV ……(IV) 少なくとも前記試料に2次元に分布する物質のそれぞれ
の分布パターンPを求め、人間可読型データ形式として
これを出力装置に出力することを特徴とするものであ
る。
も1つの未知物質を含みこれらの物質が2次元に分布し
た試料に、第1の電磁波エネルギを与え、放出される電
磁波を分光計測して第1の分光画像セットI1を得、前記
試料に、前記第1の電磁波エネルギを与えたときとは異
なる第2の電磁波エネルギを与え、放出される電磁波を
分光計測して第2の分光画像セットI2を得、得られた第
1の分光画像セットI1に対し、下記第(I)式の特異値
分解の演算操作により前記試料の成分物質の個数を求
め、 次に、前記第(I)式で求められた行列U,Σ,Vと前記第
2の分光画像セットI2とに基づいて下記第(II)式の演
算操作により行列Bを求め、 求められた前記行列Bの転置行列Btの固有値と固有ベ
クトルを演算して求め下記第(III)式で与えられる行
列Tと対角行列Aを求め、そして、 TBT-1=A ……(III) 下記第(IV)式により前記行列Tに前記行列Vを乗算し
て、 P=TV ……(IV) 少なくとも前記試料に2次元に分布する物質のそれぞれ
の分布パターンPを求め、人間可読型データ形式として
これを出力装置に出力することを特徴とするものであ
る。
[実施例] 以下、本発明の実施例を、生物試料に係る蛍光顕微画像
計測を一例として具体的に説明する。
計測を一例として具体的に説明する。
生物試料を蛍光色素で染めて蛍光顕微鏡で観察すると、
物質ごとに異なった色で見える。これは、物質によって
色素との結合状態が異なり、従って異なる蛍光スペクト
ルを持つためである。医学的臨床,生物学的研究におい
ては、現在このような蛍光画像から各物質の空間的な定
性・定量分析を行っている。しかし、画像内で未知の物
質が互いに重なりあいスペクトルも重畳する場合、干渉
フィルタ等によって1つの物質のみのパターンを抽出す
ることはできないので、従来ではこのような場合に物質
個々にそのパターンを解析することができなかった。
物質ごとに異なった色で見える。これは、物質によって
色素との結合状態が異なり、従って異なる蛍光スペクト
ルを持つためである。医学的臨床,生物学的研究におい
ては、現在このような蛍光画像から各物質の空間的な定
性・定量分析を行っている。しかし、画像内で未知の物
質が互いに重なりあいスペクトルも重畳する場合、干渉
フィルタ等によって1つの物質のみのパターンを抽出す
ることはできないので、従来ではこのような場合に物質
個々にそのパターンを解析することができなかった。
本発明に係る方法は、これを可能にするもので、まず、
蛍光画像を採取する段階に第一の特徴がある。
蛍光画像を採取する段階に第一の特徴がある。
一つの蛍光画像に対し、励起光の波長と蛍光発光波長を
それぞれ順に変えて観測し、2組の蛍光分光画像セット
を採取する。すなわち、励起側の第1のフィルタによる
第1の励起光(波長▲λex 1▼)に対し、観測側の蛍光
発光波長を順に変えてN個からなる第1の蛍光分光画像
セットを得、次に、第1のフィルタを第2のフィルタに
取り替えてこのフィルタによる第2の励起光(波長▲λ
ex 2▼)に対し、先と全く同様に観測側蛍光発光波長を
順に変えてN個からなる第2の蛍光分光画像セットを得
る。
それぞれ順に変えて観測し、2組の蛍光分光画像セット
を採取する。すなわち、励起側の第1のフィルタによる
第1の励起光(波長▲λex 1▼)に対し、観測側の蛍光
発光波長を順に変えてN個からなる第1の蛍光分光画像
セットを得、次に、第1のフィルタを第2のフィルタに
取り替えてこのフィルタによる第2の励起光(波長▲λ
ex 2▼)に対し、先と全く同様に観測側蛍光発光波長を
順に変えてN個からなる第2の蛍光分光画像セットを得
る。
いま、第1の励起波長▲λex 1▼で観測した多重分光画
像i1(x,y,λk)を上記(1)式と同様に、 と表わす。ただし、s1j(λk)は励起波長▲λex 1▼
のときの各成分の蛍光発光スペクトルである。
像i1(x,y,λk)を上記(1)式と同様に、 と表わす。ただし、s1j(λk)は励起波長▲λex 1▼
のときの各成分の蛍光発光スペクトルである。
第2の励起波長▲λex 2▼で観測するとき、蛍光発光ス
ペクトルの波形は物質ごとに変化しないが、波形全体の
強度(高さ)は、励起波長▲λex 1▼と▲λex 2▼におけ
る吸光度Aの比 だけ変化する。つまり、 となる。(4),(5)式を上記(2)式と同様に行列
表記すると、 I1=S1P (6) I2=S2P=S1AP (7) となる。ここでで、行列Aは吸光度の比ajを対角要素
にもつ対角行列で、 と表わされる。ajの添字xはここでは不定である。
ペクトルの波形は物質ごとに変化しないが、波形全体の
強度(高さ)は、励起波長▲λex 1▼と▲λex 2▼におけ
る吸光度Aの比 だけ変化する。つまり、 となる。(4),(5)式を上記(2)式と同様に行列
表記すると、 I1=S1P (6) I2=S2P=S1AP (7) となる。ここでで、行列Aは吸光度の比ajを対角要素
にもつ対角行列で、 と表わされる。ajの添字xはここでは不定である。
さて、スペクトルの行列S1,S2と分布パターンの行列P
を求めるのが目的であり、これを2組の画像セットI1,I
2だけから以下の演算操作で求める。ここに本発明の第
2の特徴がある。
を求めるのが目的であり、これを2組の画像セットI1,I
2だけから以下の演算操作で求める。ここに本発明の第
2の特徴がある。
まず、行列I1から、画像内に存在する成分物質の個数M
を求める。
を求める。
第1図で、左側の観測画像セットから、含まれる成分数
を求めることは比較的に容易である。もし試料がM個の
物質から構成されるなら、行列I1はいかに高次元であろ
うと、たかだかM個のベクトルで表すことができ、ラン
クはMである。これは、第3図を参照しても明らかであ
る。第3図は第1図の多重分光画像モデルの別の表現
で、図中右側は、各画素スペクトルを示している。これ
らのスペクトルは、もし試料がM個の物質からなるな
ら、当然それらM個の成分スペクトルの線形結合で与え
られる。すなわち、I1のランクはMである。
を求めることは比較的に容易である。もし試料がM個の
物質から構成されるなら、行列I1はいかに高次元であろ
うと、たかだかM個のベクトルで表すことができ、ラン
クはMである。これは、第3図を参照しても明らかであ
る。第3図は第1図の多重分光画像モデルの別の表現
で、図中右側は、各画素スペクトルを示している。これ
らのスペクトルは、もし試料がM個の物質からなるな
ら、当然それらM個の成分スペクトルの線形結合で与え
られる。すなわち、I1のランクはMである。
I1のランクは、共分散行列I1▲Iex 1▼の固有値(特異
値、なお肩字tは転置行列をあらわす)の数に対応す
る。従って、I1を特異値分解する。すなわち、 但し、Σ1/2は、I1It 1の零でない固有値の平方根を対
角要素とする対角行列であり、U,VはそれぞれI1It 1,I
t 1I1について、固有値に対応する固有ベクトルを並べ
た行列である。ここで、Σ1/2の零でない固有値の数
が、成分の個数に一致する。
値、なお肩字tは転置行列をあらわす)の数に対応す
る。従って、I1を特異値分解する。すなわち、 但し、Σ1/2は、I1It 1の零でない固有値の平方根を対
角要素とする対角行列であり、U,VはそれぞれI1It 1,I
t 1I1について、固有値に対応する固有ベクトルを並べ
た行列である。ここで、Σ1/2の零でない固有値の数
が、成分の個数に一致する。
原理的にはΣの次数が成分数に対応するが、実際の観測
には誤差を伴うので、誤差の影響により、一般にこの次
数は成分数より大きくなる。そこで、雑音の分散以下の
特異値は雑音によるものとみなし、それらと対応する固
有ベクトルは、Σ,U,Vから除く。上記のことは、多変量
解析にいう主成分分析の利用であり、数値解析において
は特異値分解、パターン認識においてはKarhunen−Lo
ve変換である。
には誤差を伴うので、誤差の影響により、一般にこの次
数は成分数より大きくなる。そこで、雑音の分散以下の
特異値は雑音によるものとみなし、それらと対応する固
有ベクトルは、Σ,U,Vから除く。上記のことは、多変量
解析にいう主成分分析の利用であり、数値解析において
は特異値分解、パターン認識においてはKarhunen−Lo
ve変換である。
次に、パターン行列Pとスペクトル行列S1を先に求めた
個有ベクトルで表現すると、 である。ここで、行列Tは数学的には任意のM×Mの行
列である。
個有ベクトルで表現すると、 である。ここで、行列Tは数学的には任意のM×Mの行
列である。
この未知の行列Tと、吸光度の比の対角行列Aを求める
ために、第2の画像セットI2を用いる。
ために、第2の画像セットI2を用いる。
上記(9)式,(10)式を(2)式に代入すると、 これを式変形すると、 となる。ここで、 とおく。(12)式は次のようになる。
TBT-1=A (14) この(14)式の両辺を転置すると、 (Tt)-1BtTt=At=A (15) となる。
Aが対角行列であることにより、(15)式において、T
tがBtの固有ベクトル行列で与えられ、また、Aの対
角要素ajは、対応する固有値で与えられる。
tがBtの固有ベクトル行列で与えられ、また、Aの対
角要素ajは、対応する固有値で与えられる。
以上のことから演算のプロセスをまとめると、 画像セットI1を(8)式にしたがって特異値分解し、
成分の個数Mを求める。
成分の個数Mを求める。
でで求まったU,Σ1/2,Vと第2の画像セットI2から
(13)式にしたがって行列Bを求める。
(13)式にしたがって行列Bを求める。
で求まった行列Bの転置行列Btを求めこれの固有
ベクトルから行列Ttを,転置してTを求め前記固有ベ
クトルに対応する固有値から行列Aを求める。
ベクトルから行列Ttを,転置してTを求め前記固有ベ
クトルに対応する固有値から行列Aを求める。
で求まった行列Tを(9)式に代入してPを求め、
また必要に応じて行列Tの逆行列を求めこれを(10)式
に代入してS1を求める。S2は、求められたS1とで求ま
った行列Aとから、S1Aの演で求められる。
また必要に応じて行列Tの逆行列を求めこれを(10)式
に代入してS1を求める。S2は、求められたS1とで求ま
った行列Aとから、S1Aの演で求められる。
演算は、メモリに格納された画像セットI1,I2のデータ
を所定のプログラムに基づいてコンピュータにより行
う。
を所定のプログラムに基づいてコンピュータにより行
う。
尚、成分物質のパターンPを求めるのが目的であり、ス
ペクトルS1,S2を求める必要がない場合には、観測用フ
ィルタとして単一波長を選択するバンドパスフィルタを
用いることなく、任意のフィルタ、例えばハイパスフィ
ルタ,ロウパスフィルタ等々の組合わせを用いてもよ
く、また、演算により微分(差分)フィルタ等を構成し
てもよい。その場合、S1,S2として求められるのは、各
成分を対応するフィルタで個々に観測したときの蛍光強
度に対応する。
ペクトルS1,S2を求める必要がない場合には、観測用フ
ィルタとして単一波長を選択するバンドパスフィルタを
用いることなく、任意のフィルタ、例えばハイパスフィ
ルタ,ロウパスフィルタ等々の組合わせを用いてもよ
く、また、演算により微分(差分)フィルタ等を構成し
てもよい。その場合、S1,S2として求められるのは、各
成分を対応するフィルタで個々に観測したときの蛍光強
度に対応する。
また、励起用のフィルタについても同様に、任意のフィ
ルタを用いることができる。
ルタを用いることができる。
観測データは、上記実施例の場合、励起波長,発光波
長,空間座標の3次元データである(空間座標は2次元
であるが、数学的表現上ここでは1次元と考える)。励
起波長の座標は2点だけでよく、残りの2次元座標は、
それぞれ成分数よりも多ければよい。成分数が未知のと
きには予想より少し多目にとればよい。なお、本発明に
係る手法は、上記の座標,次元に限られず、基本的に、
3つの独立なパラメータをもつデータであれば座標,次
元,軸に何を適用してもよい。例えば、xy座標の代わり
に反応時間軸をとり、反応時間とともに成分量が変化す
る物質のスペクトルを観測するとか、スペクトル(波長
軸)の代わりに蛍光減衰波形等も用いることが可能であ
る。これらのことは、本発明の応用・発展に属する。
長,空間座標の3次元データである(空間座標は2次元
であるが、数学的表現上ここでは1次元と考える)。励
起波長の座標は2点だけでよく、残りの2次元座標は、
それぞれ成分数よりも多ければよい。成分数が未知のと
きには予想より少し多目にとればよい。なお、本発明に
係る手法は、上記の座標,次元に限られず、基本的に、
3つの独立なパラメータをもつデータであれば座標,次
元,軸に何を適用してもよい。例えば、xy座標の代わり
に反応時間軸をとり、反応時間とともに成分量が変化す
る物質のスペクトルを観測するとか、スペクトル(波長
軸)の代わりに蛍光減衰波形等も用いることが可能であ
る。これらのことは、本発明の応用・発展に属する。
以下には、本発明にに係る一実施例を示し、上記手法を
より具体的に説明する。
より具体的に説明する。
試料として、アクリジンオレンジ(acridine orange)
で染色したラット肝細胞標本を用いた。アクリジンオレ
ンジは染色に伴ない単量体と二量体を形成し、単量体は
細胞内の二重鎖DNAに、又、二量体は単鎖RNAに特異的に
結合する。本具体例では、アクリジンオレンジの単量体
と二量体の空間分布パターンを分離検出することによ
り、細胞内におけるDNAとRNAの定量的空間分布解析を行
う。第4図は、本具体例を実施するための測定システム
のブロック構成を示している。光源(41)から出た光
は、励起側分光装置(42)を通った後、蛍光顕微鏡(4
3)の光学系により試料(44)上に照射される。試料(4
4)からの蛍光は、顕微鏡(43)の結像系、及び、観測
側分光装置(45)を通り、TVカメラ(46)上に結像され
る。TVカメラ(46)で計測された画像は、画像入出力装
置(47)によりディジタル化されコンピュータ(48)に
取り込まれる。演算はこのコンピュータ(48)で実行さ
れ、その結果は、画像入出力装置(47)を介して例えば
モニタ(49)上に映出される。
で染色したラット肝細胞標本を用いた。アクリジンオレ
ンジは染色に伴ない単量体と二量体を形成し、単量体は
細胞内の二重鎖DNAに、又、二量体は単鎖RNAに特異的に
結合する。本具体例では、アクリジンオレンジの単量体
と二量体の空間分布パターンを分離検出することによ
り、細胞内におけるDNAとRNAの定量的空間分布解析を行
う。第4図は、本具体例を実施するための測定システム
のブロック構成を示している。光源(41)から出た光
は、励起側分光装置(42)を通った後、蛍光顕微鏡(4
3)の光学系により試料(44)上に照射される。試料(4
4)からの蛍光は、顕微鏡(43)の結像系、及び、観測
側分光装置(45)を通り、TVカメラ(46)上に結像され
る。TVカメラ(46)で計測された画像は、画像入出力装
置(47)によりディジタル化されコンピュータ(48)に
取り込まれる。演算はこのコンピュータ(48)で実行さ
れ、その結果は、画像入出力装置(47)を介して例えば
モニタ(49)上に映出される。
具体的には、蛍光顕微鏡(43)として(株)オリンパス
製・落射蛍光顕微鏡BHS−RFKを、光源(41)には100W超
高圧水銀灯を用いた。励起側分光装置(42)としては、
ダイクロイックミラーと励起フィルタの組合わせによ
り、2種類のバンドパスフィルタ(Exフィルタ1:455〜4
90nm、Exフィルタ2:475〜490nm)を用い、観測側分光装
置(45)は、4種類のハイパスフィルタ(Emフィルタ1:
>515nm,Emフィルタ2:>530nm,Emフィルタ3:>570nm,Em
フィルタ4:>590nm)で構成した。TVカメラ(46)は、
日本電気(株)製・CCDカメラTI−222Aを、画像入出力
装置(47)には、(株)シバソク製・画像メモリVM21b1
(1画像=256×256画素,1画素=8ビット)を、コンピ
ュータ(48)は(株)DEC製・スーパーマイクロコンピ
ュータMicro VAX IIを用いた。
製・落射蛍光顕微鏡BHS−RFKを、光源(41)には100W超
高圧水銀灯を用いた。励起側分光装置(42)としては、
ダイクロイックミラーと励起フィルタの組合わせによ
り、2種類のバンドパスフィルタ(Exフィルタ1:455〜4
90nm、Exフィルタ2:475〜490nm)を用い、観測側分光装
置(45)は、4種類のハイパスフィルタ(Emフィルタ1:
>515nm,Emフィルタ2:>530nm,Emフィルタ3:>570nm,Em
フィルタ4:>590nm)で構成した。TVカメラ(46)は、
日本電気(株)製・CCDカメラTI−222Aを、画像入出力
装置(47)には、(株)シバソク製・画像メモリVM21b1
(1画像=256×256画素,1画素=8ビット)を、コンピ
ュータ(48)は(株)DEC製・スーパーマイクロコンピ
ュータMicro VAX IIを用いた。
第5図は、励起側フィルタと観測側フィルタの組合わせ
を変えて観測した8枚(=[励起側2種類]×[観測側
4種類])の画像写真を示している。これら8枚の像に
対し、前述の手段に従い、物質パターンの分離検出を行
った。
を変えて観測した8枚(=[励起側2種類]×[観測側
4種類])の画像写真を示している。これら8枚の像に
対し、前述の手段に従い、物質パターンの分離検出を行
った。
第6図は、固有値をプロットしたグラフであり、量子化
による誤差の分散値を雑音のパワーとして図中に破線で
示した。これを超える固有値の数は2であることによ
り、成分数は2であることが分かった。
による誤差の分散値を雑音のパワーとして図中に破線で
示した。これを超える固有値の数は2であることによ
り、成分数は2であることが分かった。
第7図は、最終的に検出された2成分A,Bの空間分布パ
ターンをそれぞれ写真により示している。第8図は、対
応する各成分A,Bのスペクトル(この場合は、各フィル
タで観測したときの蛍光強度)の検出結果を示してい
る。ただし、スペクトルは、Emフィルタ1の蛍光強度で
規格化して示してある。
ターンをそれぞれ写真により示している。第8図は、対
応する各成分A,Bのスペクトル(この場合は、各フィル
タで観測したときの蛍光強度)の検出結果を示してい
る。ただし、スペクトルは、Emフィルタ1の蛍光強度で
規格化して示してある。
第8図に示した結果から、成分AはDNAに結合したアク
リジンオレンジの単量体で、成分BはRNAに結合した二
量体と考えられ、成分Aに対応する第7図(A)では、
核に分布したDNAの定量的な空間分布が、成分Bに対応
する第7図(B)では細胞質と核の両方に存在するRNA
の定量的な空間分布がそれぞれ明確に検出されているこ
とが分かる。
リジンオレンジの単量体で、成分BはRNAに結合した二
量体と考えられ、成分Aに対応する第7図(A)では、
核に分布したDNAの定量的な空間分布が、成分Bに対応
する第7図(B)では細胞質と核の両方に存在するRNA
の定量的な空間分布がそれぞれ明確に検出されているこ
とが分かる。
[発明の効果] 以上から明らかなように、本発明によれば、複数の物質
が混在し重なりあっている画像内の当該物質に関する先
験情報を全く必要とせずに、画像内に含まれる成分物質
の個数を検出できるとともに、各成分物質の空間分布及
び/又は各成分物質のスペクトル分布を検出することが
できる。従って、スペクトル分布を検出したときはこれ
から物質の同定が可能となり、またその同定された物質
の分布パターンも明確に把握可能となる。
が混在し重なりあっている画像内の当該物質に関する先
験情報を全く必要とせずに、画像内に含まれる成分物質
の個数を検出できるとともに、各成分物質の空間分布及
び/又は各成分物質のスペクトル分布を検出することが
できる。従って、スペクトル分布を検出したときはこれ
から物質の同定が可能となり、またその同定された物質
の分布パターンも明確に把握可能となる。
本発明によれば、各成分物質の空間分布及び各成分物質
ののスペクトル分布が解析的に求まるので、これによる
検出精度は非常に高く、得られる画像も高品質であるの
で、その認識・分析をきわめて精度よく正確に行うこと
ができる。
ののスペクトル分布が解析的に求まるので、これによる
検出精度は非常に高く、得られる画像も高品質であるの
で、その認識・分析をきわめて精度よく正確に行うこと
ができる。
本発明に係る手法は、計算量としては、上述のLehmann
らの画像構成法と同程度のオーダーで少なく、従ってミ
ニコン等を用いても数秒程度しかかからないので、単に
静的な試料に限らず動的な試料(例えばパターンが時間
と共に変化する等)にも適用でき、例えばこれをモニタ
にリアルタイムで映出できるなどの優れた効果も期待で
きる。
らの画像構成法と同程度のオーダーで少なく、従ってミ
ニコン等を用いても数秒程度しかかからないので、単に
静的な試料に限らず動的な試料(例えばパターンが時間
と共に変化する等)にも適用でき、例えばこれをモニタ
にリアルタイムで映出できるなどの優れた効果も期待で
きる。
また、本発明は、例えば、化学反応過程に於ける中間生
成物の発見や、未知混合物試料における予期できない物
質や新物質の発見など、さらには混合状態でしか存在し
ない物質を分析する手法としても極めて有用である。
成物の発見や、未知混合物試料における予期できない物
質や新物質の発見など、さらには混合状態でしか存在し
ない物質を分析する手法としても極めて有用である。
第1図は多重分光画像の数学的モデルの説明図、第2図
は(2)式を図解した説明図、第3図は多点スペクトル
データを図解して示した説明図、第4図は本発明の一実
施例を実施するためのシステム構成の概略ブロック図、
第5図(a1),(a2),(a3),(a4),(b1),(b
2),(b3),(b4)のそれぞれはアクリジンオレンジ
で染色したラットの肝細胞の蛍光顕微鏡による画像を示
す生物の形態に係る図面に代わる写真、第6図は多重分
光画像データの固有値をプロットしたグラフ、第7図
(A),(B)はそれぞれ演算処理の結果得られた異な
る成分物質A,Bの空間分布を示す生物の形態に係る図面
に代わる写真、第8図はその対応する物質のスペクトル
分布を示すグラフである。 41……光源、42……励起側分光装置、43……蛍光顕微
鏡、44……試料、45……観測側分光装置、46……TVカメ
ラ、47……画像入出力装置、48……コンピュータ、49…
…モニタ。
は(2)式を図解した説明図、第3図は多点スペクトル
データを図解して示した説明図、第4図は本発明の一実
施例を実施するためのシステム構成の概略ブロック図、
第5図(a1),(a2),(a3),(a4),(b1),(b
2),(b3),(b4)のそれぞれはアクリジンオレンジ
で染色したラットの肝細胞の蛍光顕微鏡による画像を示
す生物の形態に係る図面に代わる写真、第6図は多重分
光画像データの固有値をプロットしたグラフ、第7図
(A),(B)はそれぞれ演算処理の結果得られた異な
る成分物質A,Bの空間分布を示す生物の形態に係る図面
に代わる写真、第8図はその対応する物質のスペクトル
分布を示すグラフである。 41……光源、42……励起側分光装置、43……蛍光顕微
鏡、44……試料、45……観測側分光装置、46……TVカメ
ラ、47……画像入出力装置、48……コンピュータ、49…
…モニタ。
フロントページの続き (72)発明者 山田 正興 徳島県徳島市八万町大坪221―1 大坪住 宅9―15 (56)参考文献 特開 昭62−74188(JP,A) 特開 昭59−139237(JP,A) IEEE「Transactions on Computers],Vol.C −25,No.2(1976)P.140−148 Proc Annu Conf Inf Sci Syst,Vol.16(1982) P.14−16 OPTICAL ENGINEERIN G,Vol.24,No.6(1985)P. 991−995 IEE PROC,Vol.129,Pt. D,No.5(1982)P.145−150
Claims (1)
- 【請求項1】少なくとも1つの未知物質を含みこれらの
物質が2次元に分布した試料に、第1の電磁波エネルギ
を与え、放出される電磁波を分光計測して第1の分光画
像セットI1を得、 前記試料に、前記第1の電磁波エネルギを与えたときと
は異なる第2の電磁波エネルギを与え、放出される電磁
波を分光計測して第2の分光画像セットI2を得、 得られた第1の分光画像セットI1に対し、下記第(I)
式の特異値分解の演算操作により前記試料の成分物質の
個数を求め、 次に、前記第(I)式で求められた行列U,Σ,Vと前記第
2の分光画像セットI2とに基づいて下記第(II)式の演
算操作により行列Bを求め、 求められた前記行列Bの転置行列Btの固有値と固有ベ
クトルを演算し、下記第(III)式で与えられる行列T
と対角行列Aを求め、そして、 TBT-1=A ……(III) 下記第(IV)式により前記行列Tに前記行列Vを乗算し
て、 P=TV ……(IV) 少なくとも前記試料に2次元に分布する物質のそれぞれ
の分布パターンPを求め、人間可読型データ形式として
これを出力装置に出力する、物質パターンの分離検出方
法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP63070999A JPH0750031B2 (ja) | 1988-03-24 | 1988-03-24 | 物質パターンの分離検出方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP63070999A JPH0750031B2 (ja) | 1988-03-24 | 1988-03-24 | 物質パターンの分離検出方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPH01242941A JPH01242941A (ja) | 1989-09-27 |
JPH0750031B2 true JPH0750031B2 (ja) | 1995-05-31 |
Family
ID=13447769
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP63070999A Expired - Lifetime JPH0750031B2 (ja) | 1988-03-24 | 1988-03-24 | 物質パターンの分離検出方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JPH0750031B2 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11352067A (ja) * | 1998-05-19 | 1999-12-24 | Agrovision Ab | 成分濃度判定装置および成分均一性判定装置 |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3472729B2 (ja) * | 1999-09-06 | 2003-12-02 | 株式会社東芝 | 多変量データ監視装置 |
EP1226416B1 (en) * | 1999-10-29 | 2009-08-26 | Cytyc Corporation | Cytological imaging system and method |
JP2004286716A (ja) * | 2003-03-25 | 2004-10-14 | Institute Of Physical & Chemical Research | テラヘルツ波分光計測によるターゲット判別方法及び装置 |
JP4505852B2 (ja) * | 2004-04-13 | 2010-07-21 | 学校法人早稲田大学 | 眼底分光像撮影装置 |
GB0608258D0 (en) * | 2006-04-26 | 2006-06-07 | Perkinelmer Singapore Pte Ltd | Spectroscopy using attenuated total internal reflectance (ATR) |
JP2008148791A (ja) * | 2006-12-14 | 2008-07-03 | Olympus Corp | 内視鏡システム |
JP5459088B2 (ja) * | 2010-06-10 | 2014-04-02 | 富士通株式会社 | スペクトル解析方法及びスペクトル解析装置 |
CA3039858C (en) * | 2016-10-20 | 2023-06-06 | Optina Diagnostics, Inc. | Method and system for detecting an anomaly within a biological tissue |
-
1988
- 1988-03-24 JP JP63070999A patent/JPH0750031B2/ja not_active Expired - Lifetime
Non-Patent Citations (4)
Title |
---|
IEEE「TransactionsonComputers,Vol.C−25,No.2(1976)P.140−148 |
IEEPROC,Vol.129,Pt.D,No.5(1982)P.145−150 |
OPTICALENGINEERING,Vol.24,No.6(1985)P.991−995 |
ProcAnnuConfInfSciSyst,Vol.16(1982)P.14−16 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11352067A (ja) * | 1998-05-19 | 1999-12-24 | Agrovision Ab | 成分濃度判定装置および成分均一性判定装置 |
JP4647046B2 (ja) * | 1998-05-19 | 2011-03-09 | マルバーン インストゥルメンツ リミテッド | 成分濃度判定装置、成分濃度判定方法および医薬製剤の製造方法 |
Also Published As
Publication number | Publication date |
---|---|
JPH01242941A (ja) | 1989-09-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE69629374T2 (de) | Verfahren zur gleichzeitigen detektion von mehreren fluorophoren zur in situ hybridisierung und anfärbung von chromosomen | |
US6690817B1 (en) | Spectral bio-imaging data for cell classification using internal reference | |
US5991028A (en) | Spectral bio-imaging methods for cell classification | |
Miljković et al. | Label-free imaging of human cells: algorithms for image reconstruction of Raman hyperspectral datasets | |
Boiret et al. | Application of independent component analysis on Raman images of a pharmaceutical drug product: pure spectra determination and spatial distribution of constituents | |
DE69402958T2 (de) | Vorrichtung zur quantitativen abbildung von mehreren fluorophoren | |
Balas et al. | Hyperspectral imaging and spectral classification for pigment identification and mapping in paintings by El Greco and his workshop | |
US20090001262A1 (en) | System and Method for Spectral Analysis | |
JP2001525580A (ja) | 癌細胞の検出方法 | |
WO1998043042A9 (en) | Spectral bio-imaging methods for cell classification | |
EP0935679B1 (en) | Method for chromosome classification by decorrelation statistical analysis and hardware therefore | |
JP2006526783A (ja) | 色分解および組織試料内の対象となる領域の検出 | |
EP0896631A1 (en) | METHOD FOR SIMULTANEOUS DETECTION OF MULTIPLE FLUOROPHORES FOR $i(IN SITU) HYBRIDIZATION | |
JPH0750031B2 (ja) | 物質パターンの分離検出方法 | |
Esbensen et al. | Strategies for multivariate image regression | |
Carstensen | LED spectral imaging with food and agricultural applications | |
US20160025620A1 (en) | Optical Compositional Analysis of Mixtures | |
DE29624210U1 (de) | Vorrichtung zum gleichzeitigen Nachweis von multiplen Fluorophoren bei in situ Hybridisierung und Chromosomenanfärbung | |
Röhm | Non-Negative Matrix Factorization for Raman Data Spectral Analysis | |
US8554518B1 (en) | Discrete principal component analysis (DPCA) for pattern recognition and diagnostics of tissue pathologies such as cancer | |
Kleynhans et al. | Automatic material classification of paintings in illuminated manuscripts from VNIR reflectance hyperspectral data cubes | |
Lindgren et al. | Multivariate spectrometric image analysis: An illustrative study with two constructed examples of metal ions in solution | |
Baronti et al. | Segmentation of multispectral images of works of art through principal component analysis | |
Mark et al. | Detection of Poisons, Pollutants, Narcotics, and Drugs in Water Using Excitation–Emission Spectroscopy Without Added Reagents | |
Savić et al. | Complete determination of plant tissues based only on auto‐fluorescence and the advanced image analysis–study of needles and stamens |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
EXPY | Cancellation because of completion of term | ||
FPAY | Renewal fee payment (prs date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080531 Year of fee payment: 13 |