KR20170038724A - Optical method for identifying cell - Google Patents
Optical method for identifying cell Download PDFInfo
- Publication number
- KR20170038724A KR20170038724A KR1020160125729A KR20160125729A KR20170038724A KR 20170038724 A KR20170038724 A KR 20170038724A KR 1020160125729 A KR1020160125729 A KR 1020160125729A KR 20160125729 A KR20160125729 A KR 20160125729A KR 20170038724 A KR20170038724 A KR 20170038724A
- Authority
- KR
- South Korea
- Prior art keywords
- cell
- image
- wavelength range
- cells
- optical
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G02—OPTICS
- G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
- G02B21/00—Microscopes
- G02B21/36—Microscopes arranged for photographic purposes or projection purposes or digital imaging or video purposes including associated control and data processing arrangements
- G02B21/365—Control or image processing arrangements for digital or video microscopes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
- G01N21/64—Fluorescence; Phosphorescence
- G01N21/6486—Measuring fluorescence of biological material, e.g. DNA, RNA, cells
-
- G—PHYSICS
- G02—OPTICS
- G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
- G02B21/00—Microscopes
- G02B21/0004—Microscopes specially adapted for specific applications
- G02B21/002—Scanning microscopes
- G02B21/0024—Confocal scanning microscopes (CSOMs) or confocal "macroscopes"; Accessories which are not restricted to use with CSOMs, e.g. sample holders
- G02B21/0052—Optical details of the image generation
- G02B21/0076—Optical details of the image generation arrangements using fluorescence or luminescence
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Optics & Photonics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
Abstract
Description
본 발명은 광학적 세포 식별방법에 관한 것으로, 더욱 상세하게는 표적세포를 포함하는 생물학적 샘플에 대한 광학 이미지를 대상으로, 개별 파장 이미지에 대한 형광강도 분석, 개별 파장 이미지에 대한 모폴로지 분석, 및 통합 이미지에 대한 모폴로지 분석을 통해 세포 종류 및 속성을 판별하고, 원하는 세포를 계수(카운팅)하는 광학적 세포 식별방법에 관한 것이다.
The present invention relates to an optical cell identification method, and more particularly, to an optical cell identification method, and more particularly, to an optical cell identification method for an optical image for a biological sample including a target cell, (Counting) a desired cell and determining a cell type and an attribute through morphology analysis of the cell.
형광 현미경은 생물, 화학, 의학 등의 분야에서 세포 영상 관찰을 위해 가장 널리 사용되는 장치이다. 사용자는 형광 현미경을 통해 광학 이미지를 얻은 후에 특정한 세포(표적세포)의 개수나 존재비율 등의 통계자료를 얻을 수 있다. 이를 위해서는 광학 이미지에서 세포를 정확히 식별하는 기술이 필수이다.Fluorescence microscopy is the most widely used device for observing cell images in biological, chemical, and medical fields. After obtaining an optical image through a fluorescence microscope, the user can obtain statistical data such as the number of the specific cells (target cells) and the presence ratio. This requires a technique to accurately identify cells in optical images.
세포 이미징은 세포를 이용한 검사 또는 검진에도 응용된다. 유전자 해석, 암진단 등 바이오 기술의 발달에 따라 세포를 이용한 다양한 검사 또는 검진 방법이 개발되고 있다. 이를 위해 표적세포를 포함한 생물학적 샘플에 대해 형광 현미경을 통한 촬상 및 촬상된 이미지의 분석이 요구된다. 그러한 표적세포의 한 예로 혈중 암세포를 들 수 있다. 혈중 암세포(CTCs: Circulating Tumor Cells)는 1차적인 종양조직, 즉 원발암으로부터 떨어져 나와 혈액 속을 돌아다니는 소수의 종양세포로 전이암의 핵심요인으로 알려져 있다. 혈중 암세포는 혈구 성분 108∼109 개당 약 1개 비율로 존재한다고 알려져 있다. 이러한 혈중 암세포의 개수나 비율을 정확히 판정하는 것은 암 검진이나 항암치료의 검증 등에 있어 매우 중요하다.Cell imaging is also applied to cell-based screening or screening. Gene analysis, cancer diagnosis, etc., various methods of examining or examining cells using cells have been developed. For this purpose, imaging through a fluorescence microscope and analysis of the imaged images are required for biological samples containing target cells. An example of such a target cell is blood cancer cells. Circulating Tumor Cells (CTCs) are a primary tumor tissue, a small number of tumor cells that move away from a primary carcinoma and circulate in the blood. It is known that blood cancer cells are present at a rate of about 1 per 10 8 to 10 9 blood cells. It is very important to accurately determine the number or the ratio of blood cancer cells in cancer screening and verification of chemotherapy.
표적세포의 개수를 판단하고 이들의 종류를 판단하기 위해서는 각 세포의 크기와 형상을 특정해야 한다. 따라서 세포를 정확히 식별하여 표적세포, 예컨대 암세포를 정확히 판단해낼 수 있는 신뢰성과 경제성이 우수한 세포 이미징 방법이 요구되고 있다.To determine the number of target cells and determine their type, the size and shape of each cell should be specified. Therefore, there is a demand for a cell imaging method that can accurately identify cells and accurately determine target cells, such as cancer cells, with high reliability and economy.
또한, 다수개의 생물학적 샘플을 빠른 속도로 처리할 수 있는 자동화된 방식의 세포 이미징 장치와 방법이 요구되고 있다. 이러한 장치 및 방법은 특히 셀 카운팅(세포 계수) 기능이 포함된 디지털 영상 분석 분야에서 그 중요성이 더욱 크다.
In addition, there is a need for automated cell imaging devices and methods that can process large numbers of biological samples at high rates. These devices and methods are of even greater importance, particularly in the field of digital image analysis involving cell counting (cell counting) functions.
본 발명이 이루고자 하는 기술적 과제는 표적세포를 포함하는 생물학적 샘플에 대한 광학 이미지를 대상으로, 개별 파장 이미지에 대한 형광강도 분석, 개별 파장 이미지에 대한 모폴로지 분석, 및 통합 이미지에 대한 모폴로지 분석을 통해 세포 종류 및 속성을 판별하고, 원하는 세포를 계수(카운팅)하는 광학적 세포 식별방법을 제공하는 것이다.The object of the present invention is to provide a method for analyzing an optical image of a biological sample containing a target cell by performing fluorescence intensity analysis on individual wavelength images, morphology analysis on individual wavelength images, and morphology analysis on the integrated image, And counting (counting) a desired cell.
본 발명이 이루고자 하는 기술적 과제는 이상에서 언급한 기술적 과제로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
It is to be understood that both the foregoing general description and the following detailed description are exemplary and explanatory and are not intended to limit the invention to the precise form disclosed. There will be.
상기 기술적 과제를 달성하기 위하여, 본 발명의 일실시예는 광학적 세포 식별방법으로서, a) 표적세포를 포함하는 생물학적 샘플을 대상으로 복수 파장범위 각각에 대한 광학 이미지를 수신하는 단계와, b) 상기 복수 파장범위 전체 또는 일부의 광학 이미지에서 세포에 대한 형광강도를 측정하여 1차 필터링을 수행하는 단계와, c) 상기 복수 파장범위 전체 또는 일부의 광학 이미지에서 세포에 대한 모폴로지(morphology)를 측정하여 2차 필터링을 수행하는 단계와, d) 상기 복수 파장범위 각각에 대한 광학 이미지 중 전체 또는 일부를 병합한 통합 이미지에서 세포에 대한 모폴로지를 측정하여 3차 필터링을 수행하는 단계를 포함하는 것을 특징으로 하는, 광학적 세포 식별방법을 제공한다.According to an aspect of the present invention, there is provided an optical cell identification method comprising the steps of: a) receiving an optical image for each of a plurality of wavelength ranges for a biological sample including a target cell; b) Measuring fluorescence intensities for cells in all or part of the optical image in a plurality of wavelength ranges to perform first-order filtering; and c) measuring morphology for the cells in all or part of the optical image in the plurality of wavelength ranges Performing second filtering on the cells, and d) performing third-order filtering by measuring morphology on the cells in an integrated image in which all or a part of the optical image for each of the plurality of wavelength ranges is merged. Lt; RTI ID = 0.0 > cell < / RTI >
본 발명의 실시예에 있어서, 제1 파장범위에 대한 광학 이미지에서 상기 b 단계 및 c 단계를 수행하고, 상기 제1 파장범위와 상이한 제2 파장범위에 대한 광학 이미지에서 상기 b 단계 및 c 단계 중 하나 이상의 단계를 더 수행할 수 있다.In an embodiment of the present invention, steps b and c are performed in an optical image for a first wavelength range, and steps b and c are performed in an optical image for a second wavelength range different from the first wavelength range, More than one step can be performed.
본 발명의 실시예에 있어서, 상기 a 단계에서, 상기 복수 파장범위의 광학 이미지는 청색 파장범위 이미지, 녹색 파장범위 이미지, 및 적색 파장범위 이미지를 포함할 수 있다.In an embodiment of the present invention, in the step a, the optical image in the plurality of wavelength ranges may include a blue wavelength range image, a green wavelength range image, and a red wavelength range image.
본 발명의 실시예에 있어서, 상기 청색 파장범위 이미지에서 상기 b 단계 및 c 단계를 수행하여 세포핵을 판별할 수 있다.In an embodiment of the present invention, b and c are performed in the blue wavelength range image to discriminate the nucleus.
본 발명의 실시예에 있어서, 상기 녹색 파장범위 이미지와 상기 적색 파장범위 이미지 중 하나 이상의 이미지에서 상기 b 단계를 수행하여 세포막을 판별할 수 있다.In an embodiment of the present invention, step b) may be performed on at least one of the green wavelength range image and the red wavelength range image to discriminate the cell membrane.
본 발명의 실시예에 있어서, 상기 c 단계 및 d 단계에서, 상기 세포에 대한 모폴로지는 세포 면적, 세포 크기, 및 진원도 중 하나 이상을 포함할 수 있다.In an embodiment of the present invention, in steps c and d, the morphology for the cell may include at least one of a cell area, a cell size, and a roundness.
본 발명의 실시예에 있어서, 상기 d 단계에서, 상기 통합 이미지에 대한 3차 필터링을 통해 혈중 암세포(CTC)를 판별할 수 있다.In an embodiment of the present invention, in step d, blood cancer cells (CTC) can be determined through third-order filtering on the integrated image.
본 발명의 실시예에 있어서, 상기 b 단계는, 상기 복수 파장범위 전체 또는 일부의 광학 이미지에서 세포의 크기를 측정하는 단계와, 상기 측정된 세포의 크기보다 미리 정해진 비율 또는 양만큼 큰 다각형 또는 원으로 이루어진 영역을 설정하고, 상기 영역 내에서 세포에 대한 형광강도를 측정하여 1차 필터링을 수행하는 단계를 포함할 수 있다.
In an embodiment of the present invention, the step (b) includes the steps of: measuring the size of a cell in the optical image of all or a part of the plurality of wavelength ranges; determining a polygon or a circle And performing primary filtering by measuring the fluorescence intensity of the cells in the region.
본 발명의 실시예에 따르면, 표적세포를 포함하는 생물학적 샘플에 대한 광학 이미지를 대상으로, 개별 파장 이미지에 대한 형광강도 분석, 개별 파장 이미지에 대한 모폴로지 분석, 및 통합 이미지에 대한 모폴로지 분석을 통해 세포 종류 및 속성을 판별하고, 원하는 세포를 계수(카운팅)하는 광학적 세포 식별방법을 제공할 수 있다. 또한 광학 이미지에서 암세포와 같은 특정 표적세포를 정확히 식별할 수 있는 신뢰성이 높은 알고리즘을 제공한다. 특히 다수개의 생물학적 샘플에 대하여 빠른 속도로 세포 식별이 이루어지며, 디지털 영상 분석 모듈이 포함된 세포 이미징 시스템에 적용가능하다.According to an embodiment of the present invention, an optical image of a biological sample containing a target cell is subjected to analysis of fluorescence intensity for individual wavelength images, morphology analysis for individual wavelength images, and morphology analysis for an integrated image, It is possible to provide an optical cell identification method of discriminating types and attributes and counting (counting) desired cells. It also provides a highly reliable algorithm that can accurately identify specific target cells, such as cancer cells, in an optical image. In particular, cell identification is performed at high speed for a plurality of biological samples, and the present invention is applicable to a cell imaging system including a digital image analysis module.
본 발명의 효과는 상기한 효과로 한정되는 것은 아니며, 본 발명의 상세한 설명 또는 특허청구범위에 기재된 발명의 구성으로부터 추론 가능한 모든 효과를 포함하는 것으로 이해되어야 한다.
It should be understood that the effects of the present invention are not limited to the above effects and include all effects that can be deduced from the detailed description of the present invention or the configuration of the invention described in the claims.
도 1은 본 발명의 실시예에 따른 광학적 세포 식별방법을 나타낸 플로우 차트이다.
도 2는 세포 이미징 장치로 출력된 광학 이미지의 샘플 사진이다.
도 3은 청색, 녹색, 및 적색 파장범위에 대한 표적세포 광학 이미지의 샘플 사진이다.
도 4는 도 3에 나타난 표적세포 광학 이미지를 병합한 통합 이미지 사진이다.
도 5는 여러 형광염료 또는 마커가 결합된 표적세포의 형상과 그 형광강도의 측정 결과를 나타낸다.
도 6은 광학적 세포 식별방법을 구현한 프로그램의 구동예이다.1 is a flowchart showing an optical cell identification method according to an embodiment of the present invention.
Figure 2 is a sample photograph of an optical image output to a cell imaging device.
Figure 3 is a sample photograph of a target cell optical image for the blue, green, and red wavelength ranges.
FIG. 4 is an image of an integrated image incorporating the optical image of the target cell shown in FIG.
FIG. 5 shows the shape and fluorescence intensity of target cells to which various fluorescent dyes or markers are bound.
6 is an example of driving a program implementing the optical cell identification method.
이하에서는 첨부한 도면을 참조하여 본 발명을 설명하기로 한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며, 따라서 여기에서 설명하는 실시예로 한정되는 것은 아니다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.DETAILED DESCRIPTION OF THE PREFERRED EMBODIMENTS Hereinafter, the present invention will be described with reference to the accompanying drawings. The present invention may, however, be embodied in many different forms and should not be construed as limited to the embodiments set forth herein. In order to clearly illustrate the present invention, parts not related to the description are omitted, and similar parts are denoted by like reference characters throughout the specification.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결(접속, 접촉, 결합)"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 부재를 사이에 두고 "간접적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 구비할 수 있다는 것을 의미한다.Throughout the specification, when a part is referred to as being "connected" (connected, connected, coupled) with another part, it is not only the case where it is "directly connected" "Is included. Also, when an element is referred to as "comprising ", it means that it can include other elements, not excluding other elements unless specifically stated otherwise.
본 명세서에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.The terminology used herein is for the purpose of describing particular embodiments only and is not intended to be limiting of the invention. The singular expressions include plural expressions unless the context clearly dictates otherwise. In this specification, the terms "comprises" or "having" and the like refer to the presence of stated features, integers, steps, operations, elements, components, or combinations thereof, But do not preclude the presence or addition of one or more other features, integers, steps, operations, elements, components, or combinations thereof.
이하 첨부된 도면을 참고하여 본 발명의 실시예를 상세히 설명하기로 한다. 본 발명에 첨부된 도면에서 세포에 대한 광학 이미지는 실제 이미지에서 흑백 반전한 이미지를 사용하였다.
Hereinafter, embodiments of the present invention will be described in detail with reference to the accompanying drawings. In the drawings attached to the present invention, an optical image for a cell uses a monochrome inverted image in an actual image.
도 1은 본 발명의 실시예에 따른 광학적 세포 식별방법을 나타낸 플로우 차트, 도 2는 세포 이미징 장치로 출력된 광학 이미지의 샘플 사진, 도 3은 청색, 녹색, 및 적색 파장범위에 대한 표적세포 광학 이미지의 샘플 사진, 도 4는 도 3에 나타난 표적세포 광학 이미지를 병합한 통합 이미지 사진, 도 5는 여러 형광염료 또는 마커가 결합된 표적세포의 형상과 그 형광강도의 측정 결과를 나타낸 도면이며, 도 6은 광학적 세포 식별방법을 구현한 프로그램의 구동예이다.FIG. 1 is a flow chart showing an optical cell identification method according to an embodiment of the present invention, FIG. 2 is a sample photograph of an optical image outputted to a cell imaging device, FIG. 3 is a schematic diagram of a target cell optics for blue, FIG. 5 is a graph showing the shape and fluorescence intensity of a target cell to which various fluorescent dyes or markers are bound, and FIG. 6 is an example of driving a program implementing the optical cell identification method.
본 발명에 의한 광학적 세포 식별방법은 세포 이미징 시스템에 적용될 수 있다. 세포 이미징 시스템은 예컨대 슬라이드 글라스와 같은 플랫폼 상에 염색된 세포를 놓고 여러 파장별로 세포를 관찰하고 촬영하는 시스템이다. 세포 이미징 시스템은 자동 셀 카운팅(cell counting) 모듈, 형광 강도(intensity) 분석 모듈, 형질 주입(transfection) 효율 분석 모듈, 3D 디컨볼루션(deconvolution) 모듈, 세포학(cytology) 기반 셀 분류/인식(cell classification/cognition) 모듈을 포함할 수 있다. 또한, 사용자 편의 기능으로서, 측정(Measurement) 기능, 리포트(Report) 자동 생성 기능, DB 관리 기능을 유저 인터페이스로 포함할 수 있다.The optical cell identification method according to the present invention can be applied to a cell imaging system. The cell imaging system is a system for observing and photographing cells at various wavelengths by placing stained cells on a platform such as a slide glass. The cell imaging system includes an automated cell counting module, a fluorescence intensity analysis module, a transfection efficiency analysis module, a 3D deconvolution module, a cytology-based cell sorting / classification / cognition module. Also, as a user-friendly function, a measurement function, an automatic report generation function, and a DB management function can be included as a user interface.
이러한 세포 이미징 시스템은 세포, 배양액, 데브리스(debris) 등을 구별하고, 사용자가 원하는 세포를 판별하고 계수하기 위한 디지털 영상분석 장비가 포함된다. 본 발명의 실시예에 의한 광학적 세포 식별방법은 세포 이미징 시스템에 적용되는 것으로, 광학적 이미지로부터 형광표지된 또는 마커가 결합된 표적세포를 정확히 식별하고 계수할 수 있다.
These cell imaging systems include digital image analysis equipment to distinguish cells, culture fluids, debris, and to identify and count cells that the user desires. The optical cell identification method according to an embodiment of the present invention is applied to a cell imaging system and can accurately identify and count fluorescence-labeled or marker-bound target cells from an optical image.
도 1을 참조하면, 본 발명의 실시예에 의한 광학적 세포 식별방법은, 복수 파장 범위에 대한 광학 이미지 수신 단계(S10), 세포에 대한 형광강도(fluorescence intensity)를 측정하여 1차 필터링을 하는 단계(S20), 세포에 대한 모폴로지(morphology)를 측정하여 2차 필터링을 하는 단계(S30), 및 통합 이미지에서 세포에 대한 모폴로지를 측정하여 3차 필터링을 하는 단계(S40)를 포함한다. 이러한 3차에 걸친 필터링을 통해 보다 신뢰성 높은 세포 식별방법을 제공할 수 있게 된다.
1, an optical cell identification method according to an embodiment of the present invention includes an optical image reception step (S10) for a plurality of wavelength ranges, a step of performing first-order filtering by measuring a fluorescence intensity for a cell (S30) of measuring the morphology of the cells (S30), performing a secondary filtering (S30), and performing a third-order filtering (S40) by measuring the morphology of the cells in the integrated image. Through this third-order filtering, a more reliable cell identification method can be provided.
구체적으로, S10 단계에서는 표적세포를 포함하는 생물학적 샘플을 대상으로 복수 파장범위 각각에 대한 광학 이미지를 수신한다.Specifically, in step S10, an optical image for each of a plurality of wavelength ranges is received on a biological sample including a target cell.
표적세포는 특정 시료에 의해 형광염색된 세포, 또는 특정 혈구세포, 또는 혈중 암세포(CTC) 등과 같은 특정 세포일 수 있으며, 그 종류에는 특별한 제한이 없다. 또한 생(live) 세포이든 죽은 세포이든 관계없다.The target cell may be a fluorescently stained cell by a specific sample, or a specific cell such as a specific hemocyte cell or a blood cancer cell (CTC), and there is no particular limitation on its type. It does not matter whether it is a live cell or a dead cell.
광학 이미지는 투과 광원(transmission light source) 또는 형광 광원(fluorescence light source)에 의해 촬상된 광학 이미지일 수 있다. 도 2에 도시된 바와 같이, 세포 광학 이미지는 세포 이미징 장치에 의해 출력되어 배경 상에 세포와 데브리스 등이 촬상된 것일 수 있다. 이 광학 이미지는 특정 파장범위 각각에 대하여 복수개의 분할 이미지를 스티칭(stitching)하여 이루어진 하나의 이미지 파일로 제공되는 것일 수 있다.The optical image may be an optical image captured by a transmission light source or a fluorescence light source. As shown in Fig. 2, the cell-optical image may be output by a cell-imaging device, and images of cells, debris, etc., may be imaged on the background. This optical image may be provided as one image file formed by stitching a plurality of divided images for each specific wavelength range.
여기서, 복수 파장범위의 광학 이미지는 청색 파장범위 이미지, 녹색 파장범위 이미지, 및 적색 파장범위 이미지를 포함할 수 있다. 청색 파장범위에 대한 광학 이미지는 세포핵의 판별에 특히 유용하며, 녹색 파장범위 및 적색 파장범위에 대한 광학 이미지는 세포막의 판별에 특히 유용하다. 그 외에도 다양한 색상(컬러)의 파장범위를 이용하여 특정 형광염료 또는 마커를 식별하는 것이 가능하다.
Here, the optical image in the multiple wavelength range may include a blue wavelength range image, a green wavelength range image, and a red wavelength range image. Optical images for the blue wavelength range are particularly useful for discrimination of nuclei, and optical images for the green wavelength range and the red wavelength range are particularly useful for discrimination of cell membranes. In addition, it is possible to identify specific fluorescent dyes or markers using a range of wavelengths of various colors (colors).
다시 도 1을 참조하면, S20 단계에서 복수 파장범위 전체 또는 일부의 광학 이미지에서 세포에 대한 형광강도를 측정하여 1차 필터링을 수행한다.Referring again to FIG. 1, in step S20, fluorescence intensity for cells is measured in all or a part of optical images in a plurality of wavelength ranges, and primary filtering is performed.
이어서, S30 단계에서 복수 파장범위 전체 또는 일부의 광학 이미지에서 세포에 대한 모폴로지를 측정하여 2차 필터링을 수행한다.Subsequently, in step S30, the morphology on the cells is measured in all or a part of the optical images in a plurality of wavelength ranges to perform secondary filtering.
1차 필터링 또는 2차 필터링에 있어서, 세포 식별이 원하는 수준으로 이루어지지 않으면, 광학 이미지 데이터에 대한 데이터 필터링을 거치고 다시 한번 1차 필터링 또는 2차 필터링을 수행하는 것도 가능하며, 데이터 필터링을 복수회 거치는 것도 가능하다. 또한, 1차 필터링 또는 2차 필터링이 수행된 이후에는 이미지 데이터를 저장하고 이를 출력할 수 있다.In the case of primary filtering or secondary filtering, it is also possible to perform data filtering on optical image data and perform primary filtering or secondary filtering once again if the cell identification is not achieved to the desired level, It is also possible to cross. Further, after the primary filtering or the secondary filtering is performed, the image data can be stored and output.
또한, 제1 파장범위에 대한 광학 이미지에서 S20 단계 및 S30 단계를 수행하고, 이어서 제1 파장범위와 상이한 제2 파장범위에 대한 광학 이미지에서 S20 단계 및 S30 단계 중 하나 이상의 단계를 더 수행할 수 있다.Further, steps S20 and S30 may be performed in the optical image for the first wavelength range, and then one or more of steps S20 and S30 may be performed in the optical image for the second wavelength range different from the first wavelength range have.
예컨대, 제1 파장범위는 청색 파장범위, 제2 파장범위는 녹색 또는 적색 파장범위일 수 있다. 이 경우, 청색 파장범위 이미지에서 제1 필터링 과정 및 제2 필터링 과정을 수행하여 세포핵을 판별할 수 있다. 또한, 녹색 파장범위 이미지와 적색 파장범위 이미지 중 하나 이상의 이미지에서 제1 필터링 과정을 수행하여 세포막을 판별할 수 있다. 이러한 1차 및 2차 필터링을 통해 광학 이미지로부터 세포를 정확히 식별하는 것이 가능하게 된다. 예컨대, 녹색 및 적색 파장범위 이미지를 통해서 예컨대 백혈구와 암세포 등의 표적세포에 대한 식별성이 높아지게 된다. 도 3에는 실제 표적세포에 대한 청색 파장범위 이미지(a), 녹색 파장범위 이미지(b), 및 적색 파장범위 이미지(c)의 샘플 사진이 도시되어 있다.For example, the first wavelength range may be a blue wavelength range, and the second wavelength range may be a green or red wavelength range. In this case, the first filtering process and the second filtering process can be performed in the blue wavelength range image to discriminate the nucleus. In addition, the first filtering process can be performed on at least one of the green wavelength range image and the red wavelength range image to discriminate the cell membrane. This primary and secondary filtering makes it possible to accurately identify cells from the optical image. For example, images of target cells such as leukocytes and cancer cells are increased in the green and red wavelength range images. FIG. 3 shows a sample photograph of the blue wavelength range image (a), the green wavelength range image (b), and the red wavelength range image (c) for the actual target cell.
한편, 2차 필터링 과정에서는 세포에 대한 모폴로지를 측정하게 되는데, 여기서 세포에 대한 모폴로지는 세포 면적(area), 세포 크기(diameter), 및 진원도(circularity) 중 하나 이상을 포함할 수 있다.
Meanwhile, the second filtering process measures the morphology of the cells, wherein the morphology of the cells may include at least one of a cell area, a cell size, and a circularity.
광학 이미지에서 세포에 대한 형광강도를 측정하여 1차 필터링을 수행하는 과정을 더 구체적으로 살펴보면 다음과 같다.The process of performing the primary filtering by measuring the fluorescence intensity of the cells in the optical image will be described in more detail as follows.
먼저, 복수 파장범위 전체 또는 일부의 광학 이미지에서 세포의 크기를 측정하고, 이후 측정된 세포의 크기보다 미리 정해진 비율 또는 양만큼 큰 다각형 또는 원으로 이루어진 영역을 설정하고, 이 영역 내에서 세포에 대한 형광강도를 측정하여 1차 필터링을 수행할 수 있다.First, the size of a cell is measured in all or part of the optical image of a plurality of wavelength ranges, and thereafter, a region made of a polygon or a circle larger than the measured cell size by a predetermined ratio or amount is set, The primary filtering can be performed by measuring the fluorescence intensity.
도 5에는 여러 형광염료 또는 마커가 결합된 표적세포의 형상과 그 형광강도의 측정 결과가 나타나 있는데, 세포 핵을 DAPI로 염색한 경우(a), 중간경 필라멘트 단백질인 비멘틴(vimentin)을 마커로 사용한 경우(b), 상피세포 발현 단백질인 EpCAM(epithelial cell adhesion molecule)과 CK(cytokeratins)를 마커로 사용한 경우(c), 및 CD45를 마커 또는 비표적세포 제거수단으로 사용한 경우(d)가 각각 도시되어 있다. 각각의 경우에 대해 예컨대, 청색 파장범위 광학 이미지에서 세포의 크기를 측정한 이후, 측정된 크기보다 10% 이상의 크기를 갖는 사각형을 설정하고, 이 사각형 내에서 세포에 대한 형광강도를 측정하여 1차 필터링을 수행할 수 있다. 이후에 다른 컬러, 예컨대 녹색, 적색, 황색 파장범위 광학 이미지에서도 동일한 좌표와 크기의 영역에서 형광강도 측정이 이루어질 수 있다. 도 5의 (a) 내지 (d)는 각각 청색, 녹색, 황색, 및 적색 파장범위 이미지이며, 도 5의 (e)에는 각 파장범위 이미지에서의 형광강도 측정결과가 나타나 있다.
FIG. 5 shows the shape and fluorescence intensity of a target cell to which various fluorescent dyes or markers are bound. When the cell nucleus is stained with DAPI (a), the intermediate light filament protein vimentin is labeled with a marker (B), (c) using epithelial cell adhesion molecule (EPCAM) and CK (cytokeratins) as markers, and (d) using CD45 as a marker or non- Respectively. For each case, for example, after measuring the size of a cell in a blue wavelength range optical image, a rectangle having a size of 10% or more of the measured size is set, and fluorescence intensity for the cell is measured in the square Filtering can be performed. Fluorescence intensity measurements can then be made in regions of the same coordinates and magnitudes in other colors, e.g., green, red, and yellow wavelength range optical images. 5A to 5D are blue, green, yellow, and red wavelength range images, respectively, and FIG. 5E shows fluorescence intensity measurement results in each wavelength range image.
다시 도 1을 참조하면, S40 단계에서 복수 파장범위 각각에 대한 광학 이미지 중 전체 또는 일부를 병합한 통합 이미지에서 세포에 대한 모폴로지를 측정하여 3차 필터링을 수행한다. 여기서 세포에 대한 모폴로지는 세포 면적, 세포 크기, 및 진원도 중 하나 이상을 포함할 수 있다.Referring again to FIG. 1, in step S40, the morphology of the cells is measured in an integrated image in which all or a part of the optical images for each of the plurality of wavelength ranges are merged, and the third-order filtering is performed. Wherein the morphology for the cells may comprise at least one of cell area, cell size, and roundness.
예컨대, 도 4에 도시된 바와 같이 청색 파장범위 광학 이미지, 녹색 파장범위 이미지, 및 적색 파장범위 이미지를 모두 병합한 통합 이미지를 생성하고, 이 통합 이미지로부터 세포에 대한 모폴로지를 측정하여 3차 필터링을 수행할 수 있다. 이러한 통합 이미지를 이용한 3차 필터링을 통해 예컨대 혈중 암세포(CTC)를 판별할 수 있다.For example, as shown in FIG. 4, a combined image is generated by merging both the blue wavelength range optical image, the green wavelength range image, and the red wavelength range image, and the morphology for the cells is measured from the combined image, Can be performed. For example, blood cancer cells (CTC) can be discriminated through the third filtering using the integrated image.
3차 필터링은 표적세포 전체에 대해 수행하는 것도 가능하고, 1차 및 2차 필터링 과정에서 세포의 식별이 어려웠던 것에 대해 보충적으로 수행하는 것도 가능하다. 또한 암세포와 같이 세포 식별이 중요한 경우에는 별도의 데이터 필터링을 거치거나, 3차 필터링 과정을 다수회 거치는 것도 가능하다.
It is also possible to perform the tertiary filtering on the whole of the target cell, and to supplement the difficulty of identifying the cells in the primary and secondary filtering processes. In addition, when cell identification is important, such as cancer cells, it is possible to perform separate data filtering or to perform a third filtering process multiple times.
이상 설명한 광학적 세포 식별방법은 컴퓨터 프로그램에 의해 실행될 수 있다. 이러한 컴퓨터 프로그램은 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다The optical cell identification method described above can be executed by a computer program. Such a computer program may be executed by a processor, a controller, an arithmetic logic unit (ALU), a digital signal processor, a microcomputer, a field programmable gate array (FPGA), a programmable logic unit (PLU), a microprocessor, Such as any other device capable of executing and responding to the request
도 6은 광학적 세포 식별방법을 구현한 프로그램의 구동예로서, 본 발명의 실시예에 의한 광학적 세포 식별방법을 알고리즘으로 구현한 분석 소프트웨어의 사용자 인터페이스 중의 한 예이다. 이 소프트웨어를 통해 세포의 식별과 계수가 빠른 시간 내에 자동적으로 이루어질 수 있다.
6 is an example of a user interface of an analysis software in which an optical cell identification method according to an embodiment of the present invention is implemented by an algorithm, as an example of driving a program implementing the optical cell identification method. Through this software, cell identification and counting can be done quickly and automatically.
전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.It will be understood by those skilled in the art that the foregoing description of the present invention is for illustrative purposes only and that those of ordinary skill in the art can readily understand that various changes and modifications may be made without departing from the spirit or essential characteristics of the present invention. will be. It is therefore to be understood that the above-described embodiments are illustrative in all aspects and not restrictive. For example, each component described as a single entity may be distributed and implemented, and components described as being distributed may also be implemented in a combined form.
본 발명의 범위는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.The scope of the present invention is defined by the appended claims, and all changes or modifications derived from the meaning and scope of the claims and their equivalents should be construed as being included within the scope of the present invention.
Claims (8)
a) 표적세포를 포함하는 생물학적 샘플을 대상으로 복수 파장범위 각각에 대한 광학 이미지를 수신하는 단계와,
b) 상기 복수 파장범위 전체 또는 일부의 광학 이미지에서 세포에 대한 형광강도를 측정하여 1차 필터링을 수행하는 단계와,
c) 상기 복수 파장범위 전체 또는 일부의 광학 이미지에서 세포에 대한 모폴로지(morphology)를 측정하여 2차 필터링을 수행하는 단계와,
d) 상기 복수 파장범위 각각에 대한 광학 이미지 중 전체 또는 일부를 병합한 통합 이미지에서 세포에 대한 모폴로지를 측정하여 3차 필터링을 수행하는 단계
를 포함하는 것을 특징으로 하는, 광학적 세포 식별방법.
As an optical cell identification method,
comprising the steps of: a) receiving an optical image for each of a plurality of wavelength ranges for a biological sample comprising a target cell;
b) measuring the fluorescence intensity for the cells in the optical image of all or part of the plurality of wavelength ranges to perform the first filtering;
c) performing a second filtering by measuring a morphology of the cells in the optical image of all or a part of the plurality of wavelength ranges,
d) performing a third-order filtering by measuring morphology for the cells in the integrated image in which all or a part of the optical image for each of the plurality of wavelength ranges is merged,
/ RTI > The method of claim 1, wherein the method further comprises:
제1 파장범위에 대한 광학 이미지에서 상기 b 단계 및 c 단계를 수행하고, 상기 제1 파장범위와 상이한 제2 파장범위에 대한 광학 이미지에서 상기 b 단계 및 c 단계 중 하나 이상의 단계를 더 수행하는 것을 특징으로 하는, 광학적 세포 식별방법.
The method according to claim 1,
Performing steps b and c in the optical image for the first wavelength range and further performing at least one of the steps b and c in the optical image for the second wavelength range different from the first wavelength range ≪ / RTI >
상기 a 단계에서, 상기 복수 파장범위의 광학 이미지는 청색 파장범위 이미지, 녹색 파장범위 이미지, 및 적색 파장범위 이미지를 포함하는 것을 특징으로 하는, 광학적 세포 식별방법.
The method according to claim 1,
In the step a, the optical image in the plurality of wavelength ranges includes a blue wavelength range image, a green wavelength range image, and a red wavelength range image.
상기 청색 파장범위 이미지에서 상기 b 단계 및 c 단계를 수행하여 세포핵을 판별하는 것을 특징으로 하는, 광학적 세포 식별방법.
The method of claim 3,
Wherein the step (b) and the step (c) are performed on the blue wavelength range image to discriminate the nucleus of the nucleus.
상기 녹색 파장범위 이미지와 상기 적색 파장범위 이미지 중 하나 이상의 이미지에서 상기 b 단계를 수행하여 세포막을 판별하는 것을 특징으로 하는, 광학적 세포 식별방법.
The method of claim 3,
Wherein step (b) is performed on at least one of the green wavelength range image and the red wavelength range image to discriminate the cell membrane.
상기 c 단계 및 d 단계에서, 상기 세포에 대한 모폴로지는 세포 면적, 세포 크기, 및 진원도 중 하나 이상을 포함하는 것을 특징으로 하는, 광학적 세포 식별방법.
The method according to claim 1,
Wherein in step c and step d, the morphology for the cell comprises at least one of cell area, cell size, and roundness.
상기 d 단계에서, 상기 통합 이미지에 대한 3차 필터링을 통해 혈중 암세포(CTC)를 판별하는 것을 특징으로 하는, 광학적 세포 식별방법.
The method according to claim 1,
Wherein in step d, blood cancer cells (CTC) are discriminated through tertiary filtering on the integrated image.
상기 b 단계는,
상기 복수 파장범위 전체 또는 일부의 광학 이미지에서 세포의 크기를 측정하는 단계와,
상기 측정된 세포의 크기보다 미리 정해진 비율 또는 양만큼 큰 다각형 또는 원으로 이루어진 영역을 설정하고, 상기 영역 내에서 세포에 대한 형광강도를 측정하여 1차 필터링을 수행하는 단계
를 포함하는 것을 특징으로 하는, 광학적 세포 식별방법.The method according to claim 1,
The step (b)
Measuring the size of the cells in the optical image of all or part of the plurality of wavelength ranges;
Setting a region made of polygons or circles that is larger than the measured cell size by a predetermined ratio or amount and performing first filtering by measuring fluorescence intensity for the cells in the region
/ RTI > The method of claim 1, wherein the method further comprises:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/KR2016/011010 WO2017057970A1 (en) | 2015-09-30 | 2016-09-30 | Optical cell identification method |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020150137925 | 2015-09-30 | ||
KR20150137925 | 2015-09-30 |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20170038724A true KR20170038724A (en) | 2017-04-07 |
KR101836830B1 KR101836830B1 (en) | 2018-03-09 |
Family
ID=58583500
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020160125729A KR101836830B1 (en) | 2015-09-30 | 2016-09-29 | Optical method for identifying cell |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR101836830B1 (en) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20190026413A (en) * | 2017-09-05 | 2019-03-13 | 주식회사 싸이토젠 | A method for screening cancer subjects based on axl |
KR20190026412A (en) * | 2017-09-05 | 2019-03-13 | 주식회사 싸이토젠 | A method for screening prostate cancer subjects based on prostate-specific membrane antigen |
WO2019035565A3 (en) * | 2017-08-18 | 2019-04-11 | 주식회사 싸이토젠 | Androgen receptor variant-based prostate cancer patient screening method |
CN115063796A (en) * | 2022-08-18 | 2022-09-16 | 珠海横琴圣澳云智科技有限公司 | Cell classification method and device based on signal point content constraint |
KR102663515B1 (en) | 2023-05-25 | 2024-05-03 | (주) 디케이금속 | Butterfly valve in which a disc with a molded rubber sealing member is installed |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8131053B2 (en) * | 1999-01-25 | 2012-03-06 | Amnis Corporation | Detection of circulating tumor cells using imaging flow cytometry |
US8326014B2 (en) | 2007-09-28 | 2012-12-04 | Cytyc Corporation | Methods and systems for processing biological specimens utilizing multiple wavelengths |
-
2016
- 2016-09-29 KR KR1020160125729A patent/KR101836830B1/en active IP Right Grant
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110945359A (en) * | 2017-08-18 | 2020-03-31 | 西托根有限公司 | Prostate cancer patient screening method based on androgen receptor variant |
CN110945359B (en) * | 2017-08-18 | 2024-01-05 | 西托根有限公司 | Androgen receptor variant-based screening method for prostate cancer patients |
WO2019035565A3 (en) * | 2017-08-18 | 2019-04-11 | 주식회사 싸이토젠 | Androgen receptor variant-based prostate cancer patient screening method |
US11789023B2 (en) | 2017-08-18 | 2023-10-17 | Cytogen, Inc. | Androgen receptor variant-based prostate cancer patient screening method |
EP3680659A4 (en) * | 2017-09-05 | 2020-09-02 | Cytogen, Inc. | Axl-based cancer patient screening method |
CN111033255B (en) * | 2017-09-05 | 2023-02-21 | 西托根有限公司 | AXL-based cancer patient screening method |
CN111033255A (en) * | 2017-09-05 | 2020-04-17 | 西托根有限公司 | AXL-based cancer patient screening method |
CN111065920A (en) * | 2017-09-05 | 2020-04-24 | 西托根有限公司 | Prostate cancer patient screening method based on prostate specific membrane antigen |
KR20190026413A (en) * | 2017-09-05 | 2019-03-13 | 주식회사 싸이토젠 | A method for screening cancer subjects based on axl |
JP2020532725A (en) * | 2017-09-05 | 2020-11-12 | サイトジェン インコーポレーテッドCytogen, Inc. | AXL-based cancer patient screening method |
JP2020532728A (en) * | 2017-09-05 | 2020-11-12 | サイトジェン インコーポレーテッドCytogen, Inc. | Prostate Specific Membrane Antigen-Based Prostate Cancer Patient Screening Method |
KR20190026412A (en) * | 2017-09-05 | 2019-03-13 | 주식회사 싸이토젠 | A method for screening prostate cancer subjects based on prostate-specific membrane antigen |
WO2019050149A3 (en) * | 2017-09-05 | 2019-05-02 | 주식회사 싸이토젠 | Prostate-specific membrane antigen-based prostate cancer patient screening method |
US11513124B2 (en) | 2017-09-05 | 2022-11-29 | Cytogen, Inc. | Prostate-specific membrane antigen-based prostate cancer patient screening method |
WO2019050150A3 (en) * | 2017-09-05 | 2019-05-23 | 주식회사 싸이토젠 | Axl-based cancer patient screening method |
CN115063796B (en) * | 2022-08-18 | 2022-11-15 | 珠海横琴圣澳云智科技有限公司 | Cell classification method and device based on signal point content constraint |
CN115063796A (en) * | 2022-08-18 | 2022-09-16 | 珠海横琴圣澳云智科技有限公司 | Cell classification method and device based on signal point content constraint |
KR102663515B1 (en) | 2023-05-25 | 2024-05-03 | (주) 디케이금속 | Butterfly valve in which a disc with a molded rubber sealing member is installed |
Also Published As
Publication number | Publication date |
---|---|
KR101836830B1 (en) | 2018-03-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7253014B2 (en) | Performing optical measurements on samples | |
KR101836830B1 (en) | Optical method for identifying cell | |
US11158049B2 (en) | Methods and systems for assessing histological stains | |
US10061973B2 (en) | Method and apparatus for automated platelet identification within a whole blood sample from microscopy images | |
US10024858B2 (en) | Portable blood count monitor | |
EP2630492B1 (en) | Internal focus reference beads for imaging cytometry | |
Smith et al. | Single-step preparation and image-based counting of minute volumes of human blood | |
US20230003622A1 (en) | Detecting platelets in a blood sample | |
WO2015173774A2 (en) | A microscopy system and a method for analyzing fluids | |
CN109963936A (en) | Automatic body fluid analysis | |
Camacho et al. | Characterization of extracellular vesicles by flow cytometry | |
JP2006330001A (en) | Device and method for identifying urinary erythrocyte | |
WO2017057970A1 (en) | Optical cell identification method | |
Kim et al. | Ongoing development of image cytometers | |
CN114708588B (en) | Brain glioma circulating tumor cell identification method, device, equipment and storage medium | |
Dimitriadis | L. Bormann C, Kanakasabapathy MK, Thirumalaraju P, Kandula H, Yogesh V, et al.(2019) Automated smartphone-based system for measuring sperm viability, DNA fragmentation, and hyaluronic binding assay score | |
Moradi et al. | Comprehensive quantitative analysis of erythrocytes and leukocytes using trace volume of human blood using microfluidic-image cytometry and machine learning | |
WO2024127207A1 (en) | System and method for analyzing bodily samples | |
CN117554610A (en) | Cell identification method |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A201 | Request for examination | ||
GRNT | Written decision to grant |