JPH1090163A - Particle analyzer - Google Patents
Particle analyzerInfo
- Publication number
- JPH1090163A JPH1090163A JP8269352A JP26935296A JPH1090163A JP H1090163 A JPH1090163 A JP H1090163A JP 8269352 A JP8269352 A JP 8269352A JP 26935296 A JP26935296 A JP 26935296A JP H1090163 A JPH1090163 A JP H1090163A
- Authority
- JP
- Japan
- Prior art keywords
- image
- particle
- blood cells
- particles
- basis
- 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
- 239000002245 particle Substances 0.000 title claims abstract description 42
- 238000000034 method Methods 0.000 claims abstract description 14
- 210000004027 cell Anatomy 0.000 claims abstract description 8
- 238000003384 imaging method Methods 0.000 claims abstract description 6
- 210000003743 erythrocyte Anatomy 0.000 claims description 25
- 210000000265 leukocyte Anatomy 0.000 claims description 21
- 230000001678 irradiating effect Effects 0.000 claims description 5
- 238000010191 image analysis Methods 0.000 claims description 4
- 239000007788 liquid Substances 0.000 claims description 4
- 230000002093 peripheral effect Effects 0.000 claims description 3
- 210000000601 blood cell Anatomy 0.000 abstract description 12
- 210000002700 urine Anatomy 0.000 abstract description 9
- 238000005286 illumination Methods 0.000 abstract description 3
- 241000276498 Pollachius virens Species 0.000 abstract description 2
- 229910052757 nitrogen Inorganic materials 0.000 description 14
- 229910052698 phosphorus Inorganic materials 0.000 description 13
- 229910052717 sulfur Inorganic materials 0.000 description 13
- 238000010586 diagram Methods 0.000 description 10
- 230000005484 gravity Effects 0.000 description 9
- 230000006870 function Effects 0.000 description 7
- 239000013049 sediment Substances 0.000 description 7
- 239000011159 matrix material Substances 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 229910052760 oxygen Inorganic materials 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000000684 flow cytometry Methods 0.000 description 3
- 238000001000 micrograph Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 241000894006 Bacteria Species 0.000 description 1
- 101100302210 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) RNR1 gene Proteins 0.000 description 1
- 238000004820 blood count Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002485 urinary effect Effects 0.000 description 1
Landscapes
- Length Measuring Devices By Optical Means (AREA)
- Investigating Or Analysing Biological Materials (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
Description
【０００１】[0001]
【発明の属する技術分野】この発明は、粒子分析装置に
関し、主にヒトの尿中に含まれる粒子から赤血球および
白血球を識別する粒子分析装置に関する。BACKGROUND OF THE INVENTION 1. Field of the Invention The present invention relates to a particle analyzer, and more particularly to a particle analyzer for distinguishing red blood cells and white blood cells from particles contained in human urine.
【０００２】[0002]
【従来の技術】近年、画像処理の技術は日常生活に多大
な恩恵を与えてきている。そして画像処理は、今ではさ
まざまな分野で活用されている。これは、医用分野にお
いても例外ではない。医療機器における性能は飛躍的に
向上し、内視鏡やＣＴスキャナ等によって、撮像された
画像を下に診断することが常識となっている。あるい
は、ある程度の解析をコンピュータが行ない、医師の診
断を補佐するまでになってきている。それは、例えば、
臨床検査における赤血球や細菌などの自動検査装置の開
発に見られる。それまでは、臨床技師が顕微鏡を覗いて
測定していたのを、臨床検査装置とコンピュータによっ
て行えるようになった。2. Description of the Related Art In recent years, image processing technology has greatly benefited everyday life. Image processing is now being used in various fields. This is no exception in the medical field. The performance of medical devices has dramatically improved, and it has become common sense to diagnose images captured by an endoscope, CT scanner, or the like below. Alternatively, the computer has performed some analysis to assist the doctor's diagnosis. It is, for example,
This is seen in the development of automatic testing equipment for red blood cells and bacteria in clinical tests. Until then, clinical technicians could use a clinical laboratory device and computer to perform measurements while looking through a microscope.
【０００３】しかし、臨床検査の種類によっては、必ず
しも完全な解析あるいは識別が行えるまでには至ってい
ない。その１つに、尿沈渣がある。[0003] However, depending on the type of clinical test, complete analysis or identification cannot always be performed. One of them is urine sediment.
【０００４】そこで、このような尿沈渣を医療画像処理
の１つとしてフロー方式を用いて取扱い、臨床検査に対
応するための研究が行われている。フロー方式とは、こ
れまでパレットにサンプルを載せて撮像していたのに対
し、シースフローセルという細管にサンプルを流すこと
により、撮像、標本化を可能にしたシステムである。[0004] Therefore, studies have been conducted to handle such urine sediment as one of medical image processing using a flow system and to cope with clinical examination. The flow method is a system in which a sample is placed on a pallet and an image has been taken so far, but the sample is made to flow through a thin tube called a sheath flow cell so that the image can be taken and sampled.
【０００５】[0005]
【発明が解決しようとする課題】しかし、尿沈渣成分の
中でも、血球類である赤血球と白血球の識別率に問題が
ある。これは、これまで対象物の大きさと形状の違いに
よって識別してきたのに対し、フローシステムによって
撮像される赤血球と白血球の画像が、よく似ていること
に起因する。However, among urinary sediment components, there is a problem in the discrimination rate between red blood cells and white blood cells, which are blood cells. This is because the images of the red blood cells and the white blood cells captured by the flow system are very similar to the objects that have been identified by the difference in size and shape of the object.
【０００６】そこで、画像の濃度分布に着目して識別を
行う方法が提案されたが、赤血球と白血球について高い
識別率を得ることが難しいという問題があった。Therefore, a method of performing discrimination by paying attention to the density distribution of an image has been proposed, but there is a problem that it is difficult to obtain a high discrimination rate between red blood cells and white blood cells.
【０００７】この発明は、このような事情を考慮してな
されたもので、赤血球と白血球の画像の濃度分布の違い
に着目し、新しい特徴量を開発して用いることにより、
高い識別率を得ることが可能な粒子分析装置を提供する
ものである。The present invention has been made in view of such circumstances, and focuses on the difference in density distribution between red blood cell and white blood cell images, and develops and uses new features.
An object of the present invention is to provide a particle analyzer capable of obtaining a high identification rate.
【０００８】[0008]
【課題を解決するための手段】この発明は、粒子を含有
する試料液をシース液で囲んで試料流を形成するシース
フローセルと、試料流に光を照射する光照射手段と、光
照射された粒子を撮像する撮像手段と、撮像された粒子
像を解析する画像解析手段を備え、画像解析手段は、撮
像された各粒子像について、粒子面積を表すパラメー
タ、粒子中心部と周縁部の濃度の比を表すパラメータ、
粒子内部の濃淡の変化度合いを表すパタメータを算出す
る算出手段と、これらパラメータに基づいて粒子を識別
する識別手段を備えた粒子分析装置を提供するものであ
る。SUMMARY OF THE INVENTION The present invention provides a sheath flow cell for forming a sample flow by surrounding a sample liquid containing particles with a sheath liquid, a light irradiating means for irradiating the sample flow with light, and a light irradiating means. Image capturing means for capturing particles, and image analyzing means for analyzing the captured particle image, the image analyzing means, for each of the captured particle images, a parameter representing the particle area, the concentration of the particle central portion and the density of the peripheral portion A parameter representing the ratio,
It is an object of the present invention to provide a particle analyzer provided with a calculating means for calculating a parameter indicating a degree of change in shading inside a particle, and an identifying means for identifying a particle based on these parameters.
【０００９】[0009]
【発明の実施の形態】この発明の対象とする粒子は、主
にヒトの尿に含まれる血球である。照明手段には、パル
スレーザや連続発光レーザなどを用いることができる。
粒子像の撮像手段には、ＣＣＤカメラを用いることがで
きる。また、撮像された粒子像を解析する画像解析手段
には、マイクロコンピュータやパーソナルコンピュータ
を用いることができる。BEST MODE FOR CARRYING OUT THE INVENTION The particles targeted by the present invention are blood cells mainly contained in human urine. For the illumination means, a pulsed laser, a continuous emission laser, or the like can be used.
A CCD camera can be used as a means for capturing a particle image. In addition, a microcomputer or a personal computer can be used as the image analysis means for analyzing the captured particle image.
【００１０】この発明の特徴は、粒子画像において、粒
子面積を表すパラメータＳと、粒子中心部の濃度と周縁
部の濃度の比を表わすパラメータＮと、粒子内部の濃淡
の変化度合い（ばらつき）を表わすパラメータＰを算出
し、算出したＳ，Ｎ，Ｐを識別関数に代入して赤血球と
白血球を識別するところにある。A feature of the present invention is that, in a particle image, a parameter S representing a particle area, a parameter N representing a ratio of a density at a particle center portion to a density at a peripheral portion, and a degree of change (variation) in density inside and outside a particle. A parameter P to be expressed is calculated, and the calculated S, N, P are substituted into a discriminant function to distinguish between red blood cells and white blood cells.
【００１１】次に、この発明において、識別に用いる尿
沈渣画像を撮像する方法であるフロー方式について説明
する。また、この発明で用いた自動検査装置の説明と、
この装置で撮像された画像の例を示す。Next, in the present invention, a flow method which is a method of capturing a urine sediment image used for identification will be described. Also, description of the automatic inspection device used in the present invention,
An example of an image captured by this device is shown.
【００１２】この発明ではフロー方式を用いて尿沈渣の
撮像、ならびに標本化を行っている。フロー方式とは、
フロー・サイトメトリーの応用である。フロー・サイト
メトリーとは、高速に流れる細胞浮遊溶液から光学的、
電気的信号を検出し、細胞の性質、構造を解明する学問
分野である。In the present invention, urine sediment is imaged and sampled using a flow method. What is the flow method?
This is an application of flow cytometry. Flow cytometry is an optical,
This is a discipline that detects electrical signals and elucidates the properties and structure of cells.
【００１３】フロー・サイトメトリーの原理を応用した
装置は、一般に、フロー・サイトメータと呼ばれてい
る。フロー方式を用いる利点としては、試料検体をスラ
イドガラスに１つずつ乗せることなく、シースフローセ
ルに試料検体を流すだけで撮像できることがあげられ
る。An apparatus using the principle of flow cytometry is generally called a flow cytometer. An advantage of using the flow method is that imaging can be performed only by flowing the sample sample into the sheath flow cell without placing the sample sample on the slide glass one by one.
【００１４】これにより、試料検体の連続撮像ができ、
ＣＣＤカメラを搭載することでリアルタイム処理が可能
となる。また、サンプル作成において省力化が図られ幾
つかの検査手順において自動化を施すことができる。さ
らに統計的に処理することができ、さまざまな形態をも
つ尿沈渣の分布状態が分かる。Thus, continuous imaging of the sample can be performed,
Real-time processing becomes possible by mounting a CCD camera. Further, labor saving in sample preparation can be achieved, and automation can be performed in some inspection procedures. Furthermore, it can be statistically processed, and the distribution state of urine sediments having various forms can be understood.
【００１５】この発明では、フローシステムとして、図
１に示す自動粒子分析装置を用いて画像を撮像する。こ
の装置は試料をシースフローセル１に矢印方向に流し、
この流れに指向性の高いパルス光（ケーラー照明）を光
源２から照射して、ＣＣＤカメラ３で連続して撮像する
システムである。In the present invention, an image is taken using the automatic particle analyzer shown in FIG. 1 as a flow system. This device allows the sample to flow through the sheath flow cell 1 in the direction of the arrow,
A pulse light (Koehler illumination) having high directivity is emitted from the light source 2 to the flow, and the CCD camera 3 continuously captures images.
【００１６】また、この装置は強拡大（400倍）、なら
びに弱拡大（100倍）で撮像を行ない、撮像された画像
を大きさによって分類して編集する。このフローシステ
ムによって撮像された赤血球と白血球の例をそれぞれ図
２と、図３に示す。Further, this apparatus performs imaging at high magnification (400 times) and at low magnification (100 times), and classifies and edits the taken images according to their sizes. FIGS. 2 and 3 show examples of red blood cells and white blood cells imaged by this flow system, respectively.
【００１７】なお、ＣＣＤカメラ３で撮像された画像は
画像メモリ４に格納されると共に、画像解析装置（パー
ソナルコンピュータ）５で、以下に詳述するように解析
処理され、その解析結果は、ＣＲＴ７に表示される。ま
た、ＣＣＤカメラ３の撮像した画像はモニター６で観察
することができる。The image picked up by the CCD camera 3 is stored in an image memory 4 and analyzed by an image analysis device (personal computer) 5 as described in detail below. Will be displayed. The image captured by the CCD camera 3 can be observed on the monitor 6.
【００１８】〔Ａ〕パラメータＳ，Ｎ，Ｐの算出処理 まず、この発明において、尿沈渣中の血球類の識別に必
要な特徴量（パラメータ）である面積、濃度比、極値の
数の計算方法について示す。[A] Calculation of Parameters S, N, P First, in the present invention, calculation of an area, a concentration ratio, and the number of extreme values, which are characteristic amounts (parameters) necessary for identifying blood cells in urine sediment, is performed. The method is shown.
【００１９】（１）面積（Ｓ） Ｎ行Ｍ列の画像で考える。面積は対象物領域の画素数に
より求める。(1) Area (S) Consider an image of N rows and M columns. The area is determined from the number of pixels in the target area.
【数１】 Ｓは対象物領域の画素数を示している。Ｂ（ｊ，ｉ）は
２値化画像であり対象物の領域が１、対象物の領域外が
０の値であるものとする。各記号は図４に示す。(Equation 1) S indicates the number of pixels in the object area. B (j, i) is a binarized image, and the value of the area of the object is 1 and the value of the area outside the area of the object is 0. Each symbol is shown in FIG.
【００２０】図５と図６は、それぞれ赤血球の典型的な
例の原画像と２値化画像である。ここでの対象物領域は
図６の白い部分である。黒い部分は背景である。FIGS. 5 and 6 are an original image and a binarized image of a typical example of red blood cells, respectively. The target object area here is a white part in FIG. The black part is the background.
【００２１】（２）濃度比（Ｎ） 濃度比の計算は、対象物領域内の重心を中心とした指定
範囲の平均濃度と、対象物領域の周囲の平均濃度の比に
より求める。これは赤血球の画像における対象物の中心
が明るいという特徴に着目した特徴量である。求める濃
度比をＮとすると、Ｎは式（２）によって求める。(2) Density Ratio (N) The density ratio is calculated from the ratio of the average density in a specified range centered on the center of gravity in the object area to the average density around the object area. This feature amount focuses on the feature that the center of the object in the red blood cell image is bright. Assuming that the density ratio to be obtained is N, N is obtained by equation (2).
【数２】 ｆcは対象物領域内（図７の（ａ））における重心を中
心とした指定範囲（図７の（ｂ））における平均濃度
を、ｆpは指定範囲の周囲（図７の（ｃ））における平
均濃度を示している。ｆcとｆpの計算方法は後で示す。(Equation 2) f c is the object area (in FIG. 7 (a)) specified range around the center of gravity of the average density of ((b) in FIG. 7), f p is around the specified range (shown in FIG. 7 (c) 2) shows the average density. Calculation of f c and f p denotes later.
【００２２】（３）対象物の重心を中心とした指定範囲
の平均濃度（ｆc） 重心は、１次のモーメントを０次のモーメントで正規化
することによって求める。つまり、対象物領域のｘ座標
の総和を面積で割れば、重心のｘ座標が、対象物のｙ座
標の総和を面積で割れば重心のｙ座標が求まる。０次の
モーメントは式（４）により求める。(3) Average density (f c ) of the specified range centered on the center of gravity of the object The center of gravity is obtained by normalizing the first moment with the zeroth moment. That is, the x-coordinate of the center of gravity is obtained by dividing the sum of the x-coordinates of the object region by the area, and the y-coordinate of the center of gravity is obtained by dividing the sum of the y-coordinates of the object by the area. The zero-order moment is obtained by equation (4).
【数３】 １次モーメントは式（４）、式（５）により求める。(Equation 3) The first moment is obtained by Expressions (4) and (5).
【数４】 (Equation 4)
【数５】 以上により、重心は、(Equation 5) From the above, the center of gravity is
【数６】 (Equation 6)
【数７】 である。ｉGは、行（ｙ座標）の重心の座標値を示す。
ｊGは、列（ｘ座標）の重心の座標値を示す。(Equation 7) It is. i G indicates the coordinate value of the center of gravity of the row (y coordinate).
j G indicates the coordinate value of the center of gravity of the column (x coordinate).
【００２３】対象物の重心を中心とした指定範囲の平均
濃度をｆcとすると、ｆcは式（８）によって求める。[0023] The average concentration of the specified range around the centroid of the object and f c, f c is determined by the equation (8).
【数８】 ｆ（ｊ，ｉ）は各画素（座標）の濃度値を示している。
ｔは指定範囲を調整するパラメータであり、対象物の直
径に対して１／６程度に設定する。(Equation 8) f (j, i) indicates the density value of each pixel (coordinate).
t is a parameter for adjusting the designated range, and is set to about 1/6 of the diameter of the target object.
【００２４】（４）対象物の周囲における指定範囲の平
均濃度（ｆp） まず、濃度の平均をとるための領域情報Ｃ（ｊ，ｉ）を
求める。図８のように検索用のマトリクスを作る。マト
リクスの１辺は、対象物の直径に対して１／６程度に設
定する。このマトリクスをラスタ走査方向に動かし、マ
トリクス内に対象物と背景があるとき（図８のマトリク
スｂのとき）の対象物とマトリクスの重なり部分をＣ
（ｊ，ｉ）の領域とする。(4) Average density (f p ) of a specified range around the object First, area information C (j, i) for averaging the density is obtained. A search matrix is created as shown in FIG. One side of the matrix is set to about 1/6 of the diameter of the object. This matrix is moved in the raster scanning direction, and when the object and the background are present in the matrix (in the case of the matrix b in FIG. 8), the overlap between the object and the matrix is represented by C.
(J, i).
【００２５】対象物の周囲における指定範囲の平均濃度
はＣ（ｊ，ｉ）の領域に対応するｆ（ｊ，ｉ）の濃度値
の平均により求める。ここでのＣ（ｊ，ｉ）では対象と
なる領域は１、対象となる領域外は０であるものとす
る。対象物の周囲における指定範囲の平均濃度をｆpと
するとThe average density of the specified range around the object is obtained by averaging the density values of f (j, i) corresponding to the area of C (j, i). Here, in C (j, i), the target area is 1 and the area outside the target area is 0. Assuming that the average density of the specified range around the object is f p
【数９】 である。ただし、(Equation 9) It is. However,
【数１０】 つまり、ＡcはＣ（ｊ，ｉ）における領域数（領域の画
素数）である。(Equation 10) That is, Ac is the number of regions (the number of pixels of the regions) in C (j, i).
【００２６】（５）極値の数（Ｐ） 極値の数は基本的に、対象物領域内の濃度変化における
波の数により求める。これは、赤血球画像よりも白血球
画像の方が、濃度にばらつきが大きいことに着目した特
徴量である。図９は、典型的な赤血球の濃度分布を示し
ている。ここでは、簡易的に、列ｊ……，ｌｉごとに一
列の平均濃度Ｆjを算出し、その平均濃度Ｆj（ｊ＝ｋ
ｉ，……，ｌｉ）の変化における波の数を極致の数Ｐと
した。(5) Number of Extreme Values (P) The number of extreme values is basically determined by the number of waves in the density change in the object area. This is a feature amount that focuses on the fact that the white blood cell image has a greater variation in density than the red blood cell image. FIG. 9 shows a typical red blood cell concentration distribution. Here, simply, an average density F j of one row is calculated for each row j... Li, and the average density F j (j = k
The number of waves in the change of i,..., li) was defined as the ultimate number P.
【００２７】〔Ｂ〕赤血球と白血球の識別処理 次に、前記の各パラメータＳ，Ｎ，Ｐに基づいて赤血球
と白血球を識別する方法を説明する。算出されたパラメ
ータＳ，Ｎ，Ｐは、正規化された後、識別関数 Ｆ（Ｎ，Ｓ，Ｐ）＝Ｎ＋ａOＳ＋ｂOＰ＋ｃO …（１１） （ａO，ｂO，ｃOは定数）に代入される。そして、Ｆ
（Ｎ，Ｓ，Ｐ）＞０であれば、赤血球として、Ｆ（Ｎ，
Ｓ，Ｐ）＜０であれば、白血球として識別される。[B] Red blood cell and white blood cell discrimination processing Next, a method of distinguishing red blood cells from white blood cells based on the above-described parameters S, N, and P will be described. After the calculated parameters S, N, and P are normalized, the discriminant function F (N, S, P) = N + a O S + b O P + c O (11) (a O , b O and c O are constants) Is assigned to And F
If (N, S, P)> 0, F (N,
If (S, P) <0, it is identified as a white blood cell.
【００２８】なお、識別関数（１１）は次のようにして
決定される。まず、人の目で見て赤血球と白血球の区別
のつく多数の血球画像について、Ｓ，Ｎ，Ｐを算出し、
図１０に示すような立体座標空間に分布させる。そし
て、その分布おいて赤血球領域と白血球領域との境界面
と考えられる平面Ｗを設定し、平面Ｗを表す方程式 Ｎ＋ａOＳ＋ｂOＰ＋ｃO＝０ …（１２） を算出する。そして、式（１２）の左辺を識別関数とす
る。The discriminant function (11) is determined as follows. First, S, N, and P are calculated for a large number of blood cell images that can be distinguished from red blood cells and white blood cells by human eyes.
It is distributed in a three-dimensional coordinate space as shown in FIG. Then, set the plane W which is considered as a boundary surface between the erythrocyte and leukocyte region keep its distribution, it calculates the equation representing the plane W N + a O S + b O P + c O = 0 ... (12). Then, the left side of Expression (12) is used as a discriminant function.
【００２９】実施例 （１）定数ａO，ｂO，ｃOの決定 図１の装置を用いて３００個の血球画像を個々に撮像
し、各血球画像について、画像解析装置５で、Ｓ，Ｎ，
Ｐを算出し、算出結果をＣＲＴ７に表示させた。その算
出結果から得られたＮ−ＳおよびＮ−Ｐの各分布図を図
１１と図１２に示す。Embodiments (1) Determination of Constants a O , B O , and C O 300 blood cell images are individually captured using the apparatus of FIG. N,
P was calculated, and the calculation result was displayed on CRT7. FIGS. 11 and 12 show distribution diagrams of NS and NP obtained from the calculation results.
【００３０】図１１と図１２に基づいてＳ，Ｎ，Ｐをパ
ラメータとする３次元分布図（図示しない）を作成し、
赤血球領域と白血球領域を区画する平面を特定し、識別
関数を求めた。それによって、式（１１）の識別関数Ｆ
（Ｎ，Ｓ，Ｐ）における各係数は、 ａO＝−０．３５４１ ｂO＝−０．０１４８ ｃO＝−０．５４０８ として算出された。Based on FIGS. 11 and 12, a three-dimensional distribution map (not shown) using S, N, and P as parameters is created.
The plane which divides the red blood cell region and the white blood cell region was specified, and the discriminant function was obtained. Thereby, the discriminant function F of the equation (11) is obtained.
(N, S, P) each coefficient in was calculated as a O = -0.3541 b O = -0.0148 c O = -0.5408.
【００３１】（２）識別結果 前記各係数を画像解析装置５に入力設定し、図１の装置
を用いて３３９個の血球画像を撮像して、識別関数によ
る分類を実行させ、その結果をＣＲＴ７に表示させた。
得られたＦ（Ｎ，Ｓ，Ｐ）の値と血球数との関係を図１
３に示す。つまり、画像解析装置５は、図１３において
Ｆ（Ｎ，Ｓ，Ｐ）＞０の領域の血球を赤血球と識別し、
Ｆ（Ｎ，Ｓ，Ｐ）＜０の領域の血球を白血球と識別して
いる。(2) Discrimination result Each of the coefficients is input and set to the image analyzer 5, 339 blood cell images are picked up using the device shown in FIG. Was displayed.
FIG. 1 shows the relationship between the obtained F (N, S, P) value and the blood cell count.
3 is shown. That is, the image analyzer 5 identifies the blood cells in the region of F (N, S, P)> 0 as red blood cells in FIG.
Blood cells in the region of F (N, S, P) <0 are identified as white blood cells.
【００３２】この識別結果と、モニター６によってヒト
が識別した結果とを比較すると、この装置は、赤血球に
ついては１８０個中１７９個（９７．６％）を識別し、
白血球については１５９個中１５８個（９９．４％）を
識別した。Comparing the result of this identification with the result of human identification by the monitor 6, this apparatus identified 179 (97.6%) of 180 red blood cells,
As for leukocytes, 158 out of 159 (99.4%) were identified.
【００３３】このように、この発明では赤血球に対して
も白血球に対しても共に高い識別率を得られていること
がわかる。よって人の目で見て区別が付くものについて
は、ほぼ識別が可能であると言える。As described above, according to the present invention, it can be seen that a high discrimination rate is obtained for both red blood cells and white blood cells. Therefore, it can be said that those which can be distinguished by human eyes can be almost distinguished.
【００３４】[0034]
【発明の効果】この発明によれば、血球類のような粒子
の識別に対し、粒子面積を表すパラメータと、濃度比を
表わすパラメータと、濃度のばらつきを表わすパラメー
タとに基づいて識別することにより、高い識別率が得ら
れる。According to the present invention, particles such as blood cells are identified based on a parameter representing a particle area, a parameter representing a concentration ratio, and a parameter representing variation in concentration. , A high identification rate can be obtained.
【図１】この発明のフローシステムを示す構成図であ
る。FIG. 1 is a configuration diagram showing a flow system of the present invention.
【図２】この発明の装置で撮像した赤血球の顕微鏡写真
である。FIG. 2 is a micrograph of red blood cells taken by the apparatus of the present invention.
【図３】この発明の装置で撮像した白血球の顕微鏡写真
である。FIG. 3 is a micrograph of white blood cells taken by the apparatus of the present invention.
【図４】この発明の座標と各記号の関係を示す説明図で
ある。FIG. 4 is an explanatory diagram showing a relationship between coordinates and symbols according to the present invention.
【図５】この発明による顕微鏡写真である。FIG. 5 is a micrograph according to the present invention.
【図６】図５の写真を２値化した画像図である。6 is a binarized image diagram of the photograph of FIG.
【図７】この発明における対象物の各領域を示す説明図
である。FIG. 7 is an explanatory diagram showing each area of the object in the present invention.
【図８】この発明における分析領域の作成法を示す説明
図である。FIG. 8 is an explanatory diagram showing a method for creating an analysis area in the present invention.
【図９】この発明における赤血球の濃度分布を示す説明
図である。FIG. 9 is an explanatory diagram showing a red blood cell concentration distribution in the present invention.
【図１０】この発明における識別関数の決定方法を示す
説明図である。FIG. 10 is an explanatory diagram showing a method of determining a discriminant function according to the present invention.
【図１１】実施例における濃度比Ｎと面積Ｓの分布を示
す分布図である。FIG. 11 is a distribution diagram showing a distribution of a concentration ratio N and an area S in the example.
【図１２】実施例における濃度比Ｎと極値の数Ｐを示す
分布図である。FIG. 12 is a distribution diagram showing the concentration ratio N and the number P of extreme values in the example.
【図１３】実施例において赤血球と白血球に識別された
血球の度数を示すグラフである。FIG. 13 is a graph showing the frequency of blood cells identified as red blood cells and white blood cells in Examples.
１ シースフローセル ２ 光源 ３ ＣＣＤカメラ ４ 画像メモリ ５ 画像解析装置 ６ モニター ７ ＣＲＴ Reference Signs List 1 sheath flow cell 2 light source 3 CCD camera 4 image memory 5 image analyzer 6 monitor 7 CRT
フロントページの続き (72)発明者 井波 圭一 神戸市中央区港島中町７丁目２番１号 東 亜医用電子株式会社内Continuation of front page (72) Inventor Keiichi Inami 7-2-1, Minatojima-Nakamachi, Chuo-ku, Kobe Inside East Asia Medical Electronics Co., Ltd.
Claims (3)
で試料流を形成するシースフローセルと、試料流に光を
照射する光照射手段と、光照射された粒子を撮像する撮
像手段と、撮像された粒子像を解析する画像解析手段を
備え、 画像解析手段は、撮像された各粒子像について、粒子面
積を表すパラメータ、粒子中心部と周縁部の濃度の比を
表すパラメータ、粒子内部の濃淡の変化度合いを表すパ
タメータを算出する算出手段と、これらパラメータに基
づいて粒子を識別する識別手段を備えた粒子分析装置。1. A sheath flow cell for forming a sample flow by surrounding a sample liquid containing particles with a sheath liquid, a light irradiating unit for irradiating the sample flow with light, an imaging unit for imaging the light-irradiated particles, Image analysis means for analyzing the captured particle image, the image analysis means, for each of the captured particle images, a parameter representing the particle area, a parameter representing the ratio of the concentration of the particle center and the peripheral edge, the inside of the particle A particle analyzer comprising: a calculating unit that calculates a parameter indicating a degree of change in shading; and an identifying unit that identifies particles based on these parameters.
手段は、粒子像から赤血球と白血球を識別する請求項１
記載の粒子分析装置。2. The method according to claim 1, wherein the particles include red blood cells and white blood cells, and wherein the image analyzing means identifies the red blood cells and white blood cells from the particle image.
A particle analyzer according to any one of the preceding claims.
メータは、濃度分布の極値の数である請求項１記載の粒
子分析装置。3. The particle analyzer according to claim 1, wherein the parameter representing the degree of change in shading inside the particle is the number of extreme values of the concentration distribution.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP8269352A JPH1090163A (en) | 1996-09-19 | 1996-09-19 | Particle analyzer |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP8269352A JPH1090163A (en) | 1996-09-19 | 1996-09-19 | Particle analyzer |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH1090163A true JPH1090163A (en) | 1998-04-10 |
Family
ID=17471190
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP8269352A Pending JPH1090163A (en) | 1996-09-19 | 1996-09-19 | Particle analyzer |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH1090163A (en) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2003034062A1 (en) * | 2001-10-11 | 2003-04-24 | Kabushiki Kaisha Instem | Apparatus for judging constitution |
| US7016523B1 (en) | 1999-04-21 | 2006-03-21 | Hiroyuki Ogawa | Method for observing object by projection, method for detecting microorganisms and projection detecting system |
| WO2008029635A1 (en) * | 2006-09-06 | 2008-03-13 | Olympus Corporation | Cell image processor and cell image processing method |
| CN101470109A (en) * | 2007-12-25 | 2009-07-01 | 深圳迈瑞生物医疗电子股份有限公司 | Method for improving accuracy of blood sample leukocyte classifying result |
| US8611634B2 (en) | 2008-04-30 | 2013-12-17 | Konica Minolta Opto, Inc. | Blood aggregation ability measuring apparatus |
| CN110954465A (en) * | 2018-09-26 | 2020-04-03 | 希森美康株式会社 | Flow cytometer, data transmission method, and information processing system |
-
1996
- 1996-09-19 JP JP8269352A patent/JPH1090163A/en active Pending
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7016523B1 (en) | 1999-04-21 | 2006-03-21 | Hiroyuki Ogawa | Method for observing object by projection, method for detecting microorganisms and projection detecting system |
| WO2003034062A1 (en) * | 2001-10-11 | 2003-04-24 | Kabushiki Kaisha Instem | Apparatus for judging constitution |
| WO2008029635A1 (en) * | 2006-09-06 | 2008-03-13 | Olympus Corporation | Cell image processor and cell image processing method |
| JP2008064534A (en) * | 2006-09-06 | 2008-03-21 | Olympus Corp | Cell image processor and cell image processing method |
| US8135203B2 (en) | 2006-09-06 | 2012-03-13 | Olympus Corporation | Cell image processor and cell image processing method |
| CN101470109A (en) * | 2007-12-25 | 2009-07-01 | 深圳迈瑞生物医疗电子股份有限公司 | Method for improving accuracy of blood sample leukocyte classifying result |
| US8611634B2 (en) | 2008-04-30 | 2013-12-17 | Konica Minolta Opto, Inc. | Blood aggregation ability measuring apparatus |
| CN110954465A (en) * | 2018-09-26 | 2020-04-03 | 希森美康株式会社 | Flow cytometer, data transmission method, and information processing system |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP3822242B2 (en) | Method and apparatus for evaluating slide and sample preparation quality | |
| CA2130338C (en) | Method for identifying normal biomedical specimens | |
| CN105143850A (en) | Autofocus systems and methods for particle analysis in blood samples | |
| JP2007133859A (en) | Automated,microscope-assisted examination process of tissue or bodily fluid samples | |
| US20040241677A1 (en) | Techniques for automated diagnosis of cell-borne anomalies with digital optical microscope | |
| JP2001518186A (en) | Cell specimen grading system and method | |
| JPH10506462A (en) | Method and apparatus for detecting inappropriate conditions for automated cytological scoring | |
| JP4864709B2 (en) | A system for determining the staining quality of slides using a scatter plot distribution | |
| US8391608B2 (en) | Method and apparatus for analyzing body fluids | |
| Cruz et al. | Microscopic image analysis and counting of red blood cells and white blood cells in a urine sample | |
| JPH07104342B2 (en) | Method for determining the diagnostic significance of the content of particles in a biological sample containing particles | |
| JP4938428B2 (en) | Specimen image creation method and apparatus | |
| Mohammed et al. | Automatic Cytoplasm and Nucleus detection in the white blood cells depending on hisogram analysis | |
| JPH1090163A (en) | Particle analyzer | |
| KR101106386B1 (en) | System for classifying slides using scatter plot distributions | |
| JP3653804B2 (en) | Particle image region segmentation method and apparatus | |
| TWI324750B (en) | Microscopic image analysis method and system of microfluidic cells | |
| JPH10302067A (en) | Pattern recognition device | |
| WO2003102210A2 (en) | Techniques for automated diagnosis of cell-borne anomalies with a digital optical microscope | |
| JPH1048120A (en) | Particle analyzer | |
| JP2599942B2 (en) | Reticulocyte counter | |
| CN100588941C (en) | System for determining the stain quality of slides using scatter plot distributions | |
| JPH09173300A (en) | Blood analyzer | |
| JP2007017345A (en) | Method and apparatus for automatically detecting observation target | |
| Mohammed et al. | White Blood Cell Detection Depending on Binary Analysis Based on Red, Blue and Hue Components |