JPH0216682A - 細胞増殖状態のモニタ方法及びそのモニタ装置 - Google Patents
細胞増殖状態のモニタ方法及びそのモニタ装置Info
- Publication number
- JPH0216682A JPH0216682A JP63167618A JP16761888A JPH0216682A JP H0216682 A JPH0216682 A JP H0216682A JP 63167618 A JP63167618 A JP 63167618A JP 16761888 A JP16761888 A JP 16761888A JP H0216682 A JPH0216682 A JP H0216682A
- Authority
- JP
- Japan
- Prior art keywords
- image
- block
- data
- dct
- cell proliferation
- 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
- 238000000034 method Methods 0.000 title claims description 13
- 230000004663 cell proliferation Effects 0.000 title claims description 12
- 238000012544 monitoring process Methods 0.000 title claims description 7
- 210000004027 cell Anatomy 0.000 claims description 34
- 238000004458 analytical method Methods 0.000 claims description 11
- 238000003384 imaging method Methods 0.000 claims description 10
- 210000004748 cultured cell Anatomy 0.000 claims description 8
- 238000003860 storage Methods 0.000 claims description 6
- 238000012806 monitoring device Methods 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 3
- 230000001131 transforming effect Effects 0.000 claims 1
- 230000008878 coupling Effects 0.000 description 11
- 238000010168 coupling process Methods 0.000 description 11
- 238000005859 coupling reaction Methods 0.000 description 11
- 239000011159 matrix material Substances 0.000 description 9
- 230000035755 proliferation Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 230000012010 growth Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000016784 immunoglobulin production Effects 0.000 description 2
- 229920001817 Agar Polymers 0.000 description 1
- 239000008272 agar Substances 0.000 description 1
- 238000004113 cell culture Methods 0.000 description 1
- 230000007910 cell fusion Effects 0.000 description 1
- 230000010261 cell growth Effects 0.000 description 1
- 230000005859 cell recognition Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000008676 import Effects 0.000 description 1
Landscapes
- Apparatus Associated With Microorganisms And Enzymes (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。
め要約のデータは記録されません。
Description
【発明の詳細な説明】
[産業上の利用分野]
本発明は、正確且つ短時間で細胞状態を計測することが
出来る細胞増殖状態のモニタ方法及びそのモニタ装置に
関するものである。
出来る細胞増殖状態のモニタ方法及びそのモニタ装置に
関するものである。
[従来の技術]
マイクロプレートなどの細胞培養容器内で細胞を培養す
る場合、生細胞の濃度が濃くなり過ぎると、フルグロー
スと呼ばれる状態になって、死滅する細胞が出てくる。
る場合、生細胞の濃度が濃くなり過ぎると、フルグロー
スと呼ばれる状態になって、死滅する細胞が出てくる。
このため、フルグロース状態になる前に、継代培養を
する必要がある。
する必要がある。
また、細胞融合を行った場合には、目的とする抗体を産
生じているかどうかを、細胞が増殖してきた適当な時期
にチエツクする必要がある。 これらの継代培養の時期
、抗体産生の時期は、これまで、作業者が顕微鏡を用い
て培養容器内の細胞増殖状態を観察し、経験に頼ってい
た。
生じているかどうかを、細胞が増殖してきた適当な時期
にチエツクする必要がある。 これらの継代培養の時期
、抗体産生の時期は、これまで、作業者が顕微鏡を用い
て培養容器内の細胞増殖状態を観察し、経験に頼ってい
た。
[発明が解決しようとする課題]
経験に頼る従来の方法では、培養細胞の増殖状態および
生細胞濃度の把握は、非常に曖昧なものとなり定量性が
なかった。 また、もし、顕微鏡下で、生細胞の数を数
えようとすれば、非常に時間がかかってしまい、多量の
培養細胞の増殖状態をすべて把握することは困難であっ
た。
生細胞濃度の把握は、非常に曖昧なものとなり定量性が
なかった。 また、もし、顕微鏡下で、生細胞の数を数
えようとすれば、非常に時間がかかってしまい、多量の
培養細胞の増殖状態をすべて把握することは困難であっ
た。
顕微鏡の観察に代わり、画像処理による細胞認識方法、
例えば、単に二値化だけで行う方法も提唱されているが
、認識率が悪いものであった。
例えば、単に二値化だけで行う方法も提唱されているが
、認識率が悪いものであった。
これは、寒天培地上に形成された細胞コロニーの場合の
ようなバックグランドが単純な場合には、認識が容易で
あるが、培養液中の培養では、死細胞、ゴミ、その他の
異物が含まれているため、バタンおよびバックグランド
が共に複雑であるためである。これを改良する方法とし
て、空間フィルタ処理を用いた方法も提唱されている(
特開昭62−201332号公報)。
ようなバックグランドが単純な場合には、認識が容易で
あるが、培養液中の培養では、死細胞、ゴミ、その他の
異物が含まれているため、バタンおよびバックグランド
が共に複雑であるためである。これを改良する方法とし
て、空間フィルタ処理を用いた方法も提唱されている(
特開昭62−201332号公報)。
しかし、この方法は空間フィルタを用いるため、精度は
良いが、時間がかかるという問題点がある。
良いが、時間がかかるという問題点がある。
[課題を解決するための手段]
本発明は、複雑なバタン、バックグランドを有する場合
にも、正確に且つ短時間で細胞の増殖状態を計測するた
めになされたもので、その第1の発明は、麗微鏡に接続
された撮像装置を介して、画像処理装置に取り込まれ、
デジタル化された細胞画像を、適切な画素数(水平n画
素×垂直n画素:n≧2)のブロックに分割し、ブロッ
ク毎に2次元離散的コサイン変換(DiscreteC
osine Transform:DCT)を施した後
のDCT係数を用いて、各ブロック内の生細胞の有無を
判別することによって、細胞増殖状態をモニタする方法
を提供するものであり、その第2の発明は、顕微鏡と、
該顕微鏡に接続された撮像装置と、該撮像装置からの信
号をデジタル信号化するA/D変換器と、デジタル化さ
れた画像データを記憶する記憶手段と、画像データを指
定された数に分割する画像分割手段と、分割によって得
られる各ブロックの画像データを2次元DCTする変換
手段と、2次元DCT後のDCT係数データを記憶する
手段と、記憶されたDCT係数のパワを計算する手段と
、記憶されたDCT係数データまたはパワデータのうち
から指定された一部又は全部を用いて判別関数の計算を
行い、得られた数値を基準値と比較する判別分析手段と
、各ブロックの判別結果を記憶する手段と、同一の判別
結果を有するブロックの全画像に対する集合の割合を計
算する演算手段と、計算された割合を出力する出力手段
からなる細胞増殖状態のモニタ装置を提供するものであ
る。
にも、正確に且つ短時間で細胞の増殖状態を計測するた
めになされたもので、その第1の発明は、麗微鏡に接続
された撮像装置を介して、画像処理装置に取り込まれ、
デジタル化された細胞画像を、適切な画素数(水平n画
素×垂直n画素:n≧2)のブロックに分割し、ブロッ
ク毎に2次元離散的コサイン変換(DiscreteC
osine Transform:DCT)を施した後
のDCT係数を用いて、各ブロック内の生細胞の有無を
判別することによって、細胞増殖状態をモニタする方法
を提供するものであり、その第2の発明は、顕微鏡と、
該顕微鏡に接続された撮像装置と、該撮像装置からの信
号をデジタル信号化するA/D変換器と、デジタル化さ
れた画像データを記憶する記憶手段と、画像データを指
定された数に分割する画像分割手段と、分割によって得
られる各ブロックの画像データを2次元DCTする変換
手段と、2次元DCT後のDCT係数データを記憶する
手段と、記憶されたDCT係数のパワを計算する手段と
、記憶されたDCT係数データまたはパワデータのうち
から指定された一部又は全部を用いて判別関数の計算を
行い、得られた数値を基準値と比較する判別分析手段と
、各ブロックの判別結果を記憶する手段と、同一の判別
結果を有するブロックの全画像に対する集合の割合を計
算する演算手段と、計算された割合を出力する出力手段
からなる細胞増殖状態のモニタ装置を提供するものであ
る。
[作用]
図面を参照にして、本発明を説明する。
第1図は、本発明の細胞増殖状態のモニタ方法の手順を
示すフロー図である。
示すフロー図である。
観察手段である顕微鏡に接続されたテレビカメラ等の撮
像装置を用いて、培養容器中の細胞の画像を画像処理装
置に入力する。
像装置を用いて、培養容器中の細胞の画像を画像処理装
置に入力する。
培養細胞画像の取り込みは、1個の培養生細胞の直径が
、指定したサイズのブロックの一辺の大きさの1/2〜
1倍になる倍率、すなわち、分割ブロックのサイズをn
Xn画素(n≧2)とした場合、培養生細胞の大きさは
、一般に10〜20μmφであるので、1画素の大きさ
が、最小10/n[μm]、最大40/n[μm]とな
る倍率で行う、 これは、生細胞が指定されたサイズの
ブロックより大き過ぎても、反対に小さ過ぎても識別効
率が低下するからである。
、指定したサイズのブロックの一辺の大きさの1/2〜
1倍になる倍率、すなわち、分割ブロックのサイズをn
Xn画素(n≧2)とした場合、培養生細胞の大きさは
、一般に10〜20μmφであるので、1画素の大きさ
が、最小10/n[μm]、最大40/n[μm]とな
る倍率で行う、 これは、生細胞が指定されたサイズの
ブロックより大き過ぎても、反対に小さ過ぎても識別効
率が低下するからである。
画像処理装置に取り込んだ画像をデジタル化した後、ブ
ロック分割する。 分割するブロックのサイズは、nx
n画素(n≧2)のものを用いる2次元DCTを高速で
行うためには、nは2のべき乗であることが望ましい。
ロック分割する。 分割するブロックのサイズは、nx
n画素(n≧2)のものを用いる2次元DCTを高速で
行うためには、nは2のべき乗であることが望ましい。
次に各ブロックに対して、それぞれ、2次元離散的コサ
イン変換を施し、ブロックのサイズと同じ次数のDCT
行列を用いて行う、 −例に、ブロックサイズを8画素
×8画素に設定した場合に用いる8次のDCT行列は、
第3図に示す式(1)%式% 2次元DCT係数の行列Yfi8゜(n行n列)は、分
割したブロック内の輝度値の行列をX−0(n行n列)
とすると、式(2)で与えられる。
イン変換を施し、ブロックのサイズと同じ次数のDCT
行列を用いて行う、 −例に、ブロックサイズを8画素
×8画素に設定した場合に用いる8次のDCT行列は、
第3図に示す式(1)%式% 2次元DCT係数の行列Yfi8゜(n行n列)は、分
割したブロック内の輝度値の行列をX−0(n行n列)
とすると、式(2)で与えられる。
Ya、、= D、X、、、D、 (2)こ
こで、YIIXII : nXn DCT係数の行列
X axa : n X 11画素サイズのブロックの
輝度値の行列 :nXn DCT行列 :Dfiの転置行列 n :n≧1の整数 である。
こで、YIIXII : nXn DCT係数の行列
X axa : n X 11画素サイズのブロックの
輝度値の行列 :nXn DCT行列 :Dfiの転置行列 n :n≧1の整数 である。
Dいは、
= 1 : ta:1.2,3. ・−−、n
−1で与えられる。
−1で与えられる。
このDCT後の係数行列Y、。の各値は、DCT行列で
表される各シーゲンシ成分の振幅を表している。 特に
、nの値が2のべき乗の場合、式(2)に示す行列計算
には、高速アルゴリズムが存在し、高速で計算すること
ができる。(W、H,Chen等 IEEE Tra
ns、Commun、V。
表される各シーゲンシ成分の振幅を表している。 特に
、nの値が2のべき乗の場合、式(2)に示す行列計算
には、高速アルゴリズムが存在し、高速で計算すること
ができる。(W、H,Chen等 IEEE Tra
ns、Commun、V。
1、C0M−25No、9 p、1004〜1O09
Sep、1977) このY IIXIIの全部の値または一部の値を用いて
分割したブロック内に生細胞が存在するか否かを判別す
る。
Sep、1977) このY IIXIIの全部の値または一部の値を用いて
分割したブロック内に生細胞が存在するか否かを判別す
る。
ブロック内の生細胞の有無の判別には、マハラノビス汎
距離を用いることができる。
距離を用いることができる。
DCT後の係数行列Y llX11の全部またはその一
部を特徴とする特徴パラメータベクトルをm、に=0.
1,2.− ・・、 n−1その要素の数をp個と
する。
部を特徴とする特徴パラメータベクトルをm、に=0.
1,2.− ・・、 n−1その要素の数をp個と
する。
この際、DCT後の係数の絶対値を特徴パラメータとし
て採用してもよい。 また、DCT後の係数のパワ(2
乗)を特徴パラメータとして採用してもよい、 これは
、細胞像の画素データには、低シーケンシ成分のパワが
大きく寄与しており、判別分析の際にも細胞の有無の相
違は、主として低シーケンシ成分のパワに現れるからで
ある。
て採用してもよい。 また、DCT後の係数のパワ(2
乗)を特徴パラメータとして採用してもよい、 これは
、細胞像の画素データには、低シーケンシ成分のパワが
大きく寄与しており、判別分析の際にも細胞の有無の相
違は、主として低シーケンシ成分のパワに現れるからで
ある。
また、群数を2とすると、ブロック内の生細胞の有無は
線形判別関数2 2=χt R−1(ア、−足2)− Czt+72 )tR−’(x、 t−Σa)/’20
)の符号によって決定することができる。
線形判別関数2 2=χt R−1(ア、−足2)− Czt+72 )tR−’(x、 t−Σa)/’20
)の符号によって決定することができる。
ここで、χ:特徴パラメータベクトル、χj (j=1
.2):各群内の平均値ベクトル、R:分散・共分散行
列を表し、右肩のt、 −1は、それぞれ転置、逆行列
であることを示す。
.2):各群内の平均値ベクトル、R:分散・共分散行
列を表し、右肩のt、 −1は、それぞれ転置、逆行列
であることを示す。
予め、サンプル画像を用いて21 + 22およびR−
1(zt x2”)を求めておけば、各ブロックのD
CT係数またはそのパワをこの式に代入することによっ
て、生細胞の有無を判定できる。
1(zt x2”)を求めておけば、各ブロックのD
CT係数またはそのパワをこの式に代入することによっ
て、生細胞の有無を判定できる。
また、培養細胞の増殖度は、生細胞が存在すると判定さ
れたブロック数の全ブロック数に対する割合で表すこと
ができる。
れたブロック数の全ブロック数に対する割合で表すこと
ができる。
第2図は、第2の発明の細胞増殖状態のモニタ装置のブ
ロック図である。 (1)は顕微装置、(2)は顕微
装置(1)と接続したテレビカメラ等の撮像装置である
。 撮像装置(2)からの画像信号は、A/D変換器(
3)によってデジタル化されてフレームメモリ(4)に
記憶される。
ロック図である。 (1)は顕微装置、(2)は顕微
装置(1)と接続したテレビカメラ等の撮像装置である
。 撮像装置(2)からの画像信号は、A/D変換器(
3)によってデジタル化されてフレームメモリ(4)に
記憶される。
一方、(5)はブロック分割器で、フレームメモリ内に
記憶された画像データを、ブロック数入力手段(6)か
ら入力されたブロック数に分割する。 −ブロックにお
ける画像データを2次元OCT変換器(7)によって2
次元DCTを施し、DCT係数を算出する。 算出され
たDCT係数は、DCT係数メモリー(8)に記憶され
る。
記憶された画像データを、ブロック数入力手段(6)か
ら入力されたブロック数に分割する。 −ブロックにお
ける画像データを2次元OCT変換器(7)によって2
次元DCTを施し、DCT係数を算出する。 算出され
たDCT係数は、DCT係数メモリー(8)に記憶され
る。
他の各ブロックにおける画像データについても同様に、
2次元DCT係数が算出され記憶される。
2次元DCT係数が算出され記憶される。
(9)は、判別分析に使用するDCT係数またはそのパ
ワのデータを選択する係数データ選択手段で、選択デー
タ入力手段(10)から入力された選択されるべき変換
係数に基づいて選択する。
ワのデータを選択する係数データ選択手段で、選択デー
タ入力手段(10)から入力された選択されるべき変換
係数に基づいて選択する。
また、係数データのパワを計算する手段を介してもよい
。
。
選択された係数のデータは、判別分析手段(11)によ
って、予め結合係数入力手段(12)から入力され結合
係数記憶設定装置(13)に設定されている結合係数と
乗算され、各ブロックにおける細胞増殖の有無が判別さ
れる。
って、予め結合係数入力手段(12)から入力され結合
係数記憶設定装置(13)に設定されている結合係数と
乗算され、各ブロックにおける細胞増殖の有無が判別さ
れる。
各ブロックにおける細胞増殖の有無は、判別分析結果メ
モリ(14)に記憶され、増殖率計算手段(15)によ
って、記憶された各ブロックにおける細胞増殖の有無か
ら増殖率が計算される。
モリ(14)に記憶され、増殖率計算手段(15)によ
って、記憶された各ブロックにおける細胞増殖の有無か
ら増殖率が計算される。
(16)は、増殖率を表示するための出力装置で、例え
ば、プリンタ、デイスプレィ装置等が使用される。
ば、プリンタ、デイスプレィ装置等が使用される。
[実施例]
死細胞、異物等の中に培養生細胞のコロニーが存在する
ような顕微鏡像をテレビカメラ、8ピツ)A/D変換器
を介して、画像処理装置に入力した。 一つの画像は、
512X480画素で構成されており、細胞の直径が4
画素程度になるように入力系の倍率を調整した。
ような顕微鏡像をテレビカメラ、8ピツ)A/D変換器
を介して、画像処理装置に入力した。 一つの画像は、
512X480画素で構成されており、細胞の直径が4
画素程度になるように入力系の倍率を調整した。
画像のブロック分割は、1ブロツクが8画素×8画素と
なるように行い、式(1)に示した8×8DCT行列を
用いて、各ブロック毎に2次元DCTを施した。
なるように行い、式(1)に示した8×8DCT行列を
用いて、各ブロック毎に2次元DCTを施した。
得られた交流DCT係数を、ジャミングのバンドの定義
に従って、14グループに分類し、低シーケンシ成分の
グループから順に14個のDCT係数を選択し、それら
のパワを判別分析のパラメータとして用いた。 画像■
から培養細胞の存在するブロックと存在しないブロック
を100ブロツクづつ抽出し、これらより、式(3)の
R,;t+およびマ2を算出した。 ここで、 (at、aa−atJ=!R−’(zt z2)1で
表される結合係数a1を求めた。
に従って、14グループに分類し、低シーケンシ成分の
グループから順に14個のDCT係数を選択し、それら
のパワを判別分析のパラメータとして用いた。 画像■
から培養細胞の存在するブロックと存在しないブロック
を100ブロツクづつ抽出し、これらより、式(3)の
R,;t+およびマ2を算出した。 ここで、 (at、aa−atJ=!R−’(zt z2)1で
表される結合係数a1を求めた。
また、3種類の画像■〜■を対象として、この結合係数
a1を用いて実施した識別結果を表1に示す。
a1を用いて実施した識別結果を表1に示す。
この結果、判別関数の結合係数a、を求めた画像はもと
より、他の細胞画像についても90%程度の識別率が得
られた。
より、他の細胞画像についても90%程度の識別率が得
られた。
ここで、識別率は、
識別率[%]=(生細胞の有無を正しく判定したブロッ
ク数)/(1画像中の全ブロック数)×100で求めた
。
ク数)/(1画像中の全ブロック数)×100で求めた
。
表1 識別結果(ブロック数の分布)
[発明の効果]
生細胞を含む画像の適当なサイズのブロック分割と各ブ
ロックの輝度分布をシーケンシ成分に変換する2次元D
CTの組み合わせにより、生細胞の特徴を表すシーケン
シ成分の大きさを容易に測定することができるので、複
雑なパターン、複雑なバックグランドを有する画像であ
っても、その中より生細胞を含むブロックを識別するこ
とができる。
ロックの輝度分布をシーケンシ成分に変換する2次元D
CTの組み合わせにより、生細胞の特徴を表すシーケン
シ成分の大きさを容易に測定することができるので、複
雑なパターン、複雑なバックグランドを有する画像であ
っても、その中より生細胞を含むブロックを識別するこ
とができる。
また、(イ)ブロックサイズが2のべき乗の場合高速計
算アルゴリズムが存在し、高速に2次元DCTを行うこ
とができる。 (ロ)2次元DCTは、分割したブロ
ックの数だけ行えば良く、フィルタリング等で必要な、
画素毎の処理が不要である。 (ハ)DCT係数の全
部を使わなくても、ブロック内の生細胞の有無を判別す
ることができる。 (ニ)判別分析の結合係数は、−
度求めれば、各画像について求める必要がない。
算アルゴリズムが存在し、高速に2次元DCTを行うこ
とができる。 (ロ)2次元DCTは、分割したブロ
ックの数だけ行えば良く、フィルタリング等で必要な、
画素毎の処理が不要である。 (ハ)DCT係数の全
部を使わなくても、ブロック内の生細胞の有無を判別す
ることができる。 (ニ)判別分析の結合係数は、−
度求めれば、各画像について求める必要がない。
以上の理由により、処理を高速で行え、短時間で大量の
培養細胞の増殖状態をモニターすることができる。
培養細胞の増殖状態をモニターすることができる。
従って、継代培養の時期や抗体産生の有無のチエツク時
期を迅速かつ適切に決定でき、同時に行うことができる
。
期を迅速かつ適切に決定でき、同時に行うことができる
。
第1図は2次元DCTと判別分析を用いた細胞増殖状態
のモニタ方法の処理フロー図、第2図は本発明の細胞増
殖状態のモニタ装置のブロック図、第3図は8次のDC
T行列式を示す。 (1〉・・・顕微鏡、(2)・・・撮像装置、(3)・
・・A/D変換器、(4)・・・フレームメモリ、(5
)・・・ブロック分割器、(7)・・・DCT変換器、
(8)・・・DCT変換係数メモリ、(9)・・・係数
データ選択手段、(11)・−・判別分析手段、(13
)・・・結合係数記憶設定装置、(14)・・・判別分
析結果メモリ、(15)・・・増殖率計算手段、(16
)・・・出力装置 −一一一ヰロ 図
のモニタ方法の処理フロー図、第2図は本発明の細胞増
殖状態のモニタ装置のブロック図、第3図は8次のDC
T行列式を示す。 (1〉・・・顕微鏡、(2)・・・撮像装置、(3)・
・・A/D変換器、(4)・・・フレームメモリ、(5
)・・・ブロック分割器、(7)・・・DCT変換器、
(8)・・・DCT変換係数メモリ、(9)・・・係数
データ選択手段、(11)・−・判別分析手段、(13
)・・・結合係数記憶設定装置、(14)・・・判別分
析結果メモリ、(15)・・・増殖率計算手段、(16
)・・・出力装置 −一一一ヰロ 図
Claims (2)
- (1)培養細胞の状態を顕微装置に接続された撮像装置
で撮り、その画像をA/D変換器にてデジタル化し、次
いで該画像を適当な画素数(水平n×垂直n:n≧2整
数)からなるブロックに分割し、各ブロック毎に2次元
離散的コサイン変換を施した後の変換係数を用いて、各
ブロック内の生細胞の有無を判別することを特徴とする
細胞増殖状態のモニタ方法。 - (2)顕微装置と、該顕微装置に接続された撮像装置と
、該撮像装置からの信号をデジタル信号化するA/D変
換器と、デジタル化された画像データを記憶する記憶手
段と、画像データを指定された数に分割する画像分割手
段と、分割によって得られる各ブロックの画像データを
2次元離散的コサイン変換(DCT)する変換手段と、
2次元離散的コサイン変換後のDCT係数データを記憶
する手段と、DCT係数のパワを計算する手段と、記憶
されたDCT係数データまたはパワデータのうちから指
定された一部又は全部を用いて判別関数の計算を行い、
得られた数値を基準値と比較する判別分析手段と、各ブ
ロックの判別結果を記憶する手段と、同一の判別結果を
有するブロックの集合の全画像に対する割合を計算する
演算手段と、計算された割合を出力する出力手段からな
る細胞増殖状態のモニタ装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP63167618A JPH0216682A (ja) | 1988-07-04 | 1988-07-04 | 細胞増殖状態のモニタ方法及びそのモニタ装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP63167618A JPH0216682A (ja) | 1988-07-04 | 1988-07-04 | 細胞増殖状態のモニタ方法及びそのモニタ装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH0216682A true JPH0216682A (ja) | 1990-01-19 |
Family
ID=15853126
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP63167618A Pending JPH0216682A (ja) | 1988-07-04 | 1988-07-04 | 細胞増殖状態のモニタ方法及びそのモニタ装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH0216682A (ja) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1267305A4 (en) * | 2000-03-23 | 2003-05-21 | Japan Science & Tech Corp | CELL LINES EXTRACTION PROCESS |
| EP3588435A1 (en) * | 2018-06-27 | 2020-01-01 | SCREEN Holdings Co., Ltd. | Image processing method, computer program and recording medium |
| EP3770853A4 (en) * | 2018-03-19 | 2021-12-15 | SCREEN Holdings Co., Ltd. | IMAGE PROCESSING METHOD, COMPUTER PROGRAM AND RECORDING MEDIUM |
-
1988
- 1988-07-04 JP JP63167618A patent/JPH0216682A/ja active Pending
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1267305A4 (en) * | 2000-03-23 | 2003-05-21 | Japan Science & Tech Corp | CELL LINES EXTRACTION PROCESS |
| US7110584B2 (en) | 2000-03-23 | 2006-09-19 | Japan Science And Technology Corporation | Cell lineage extracting method |
| EP3770853A4 (en) * | 2018-03-19 | 2021-12-15 | SCREEN Holdings Co., Ltd. | IMAGE PROCESSING METHOD, COMPUTER PROGRAM AND RECORDING MEDIUM |
| US11430130B2 (en) * | 2018-03-19 | 2022-08-30 | SCREEN Holdings Co., Ltd. | Image processing method and computer-readable recording medium having recorded thereon image processing program |
| EP3588435A1 (en) * | 2018-06-27 | 2020-01-01 | SCREEN Holdings Co., Ltd. | Image processing method, computer program and recording medium |
| CN110717882A (zh) * | 2018-06-27 | 2020-01-21 | 株式会社斯库林集团 | 图像处理方法、计算机程序以及记录介质 |
| US11025924B2 (en) | 2018-06-27 | 2021-06-01 | SCREEN Holdings Co., Ltd. | Image processing method and recording medium |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Bacusmber et al. | Leukocyte pattern recognition | |
| US9014443B2 (en) | Image diagnostic method, image diagnostic apparatus, and image diagnostic program | |
| US6577754B2 (en) | Robust stain detection and quantification for histological specimens based on a physical model for stain absorption | |
| CN110956581B (zh) | 一种基于双通道生成-融合网络的图像模态变换方法 | |
| JP2015123047A (ja) | 画像処理装置及びプログラム | |
| KR20090006295A (ko) | 세포 슬라이드 판독 장치, 세포 슬라이드 판독 시스템,이를 이용하는 세포 슬라이드 판독 방법 및 기록매체 | |
| CN109670398A (zh) | 一种猪只图像的分析方法及设备 | |
| CN113420636A (zh) | 一种基于深度学习与阈值分割的线虫识别方法 | |
| Shahin et al. | A novel enhancement technique for pathological microscopic image using neutrosophic similarity score scaling | |
| CN120142258A (zh) | 一种无创化精子细胞死活检测方法 | |
| CN107016521A (zh) | 一种基于图像卷积神经网络技术的仓库标示牌识别方法 | |
| CN113971825A (zh) | 基于人脸感兴趣区域贡献度的跨数据集微表情识别方法 | |
| CN109767414A (zh) | 一种基于灰度中位数参照的多聚焦图像融合方法 | |
| US11025924B2 (en) | Image processing method and recording medium | |
| CN118887621B (zh) | 输电线路的输电场景监控系统 | |
| CN110278486A (zh) | 图像处理、图像分辨率处理参数的生成方法及装置 | |
| JPH07121232B2 (ja) | 細胞増殖状態のモニタ−方法及びそのモニタ−装置 | |
| Barai et al. | Human visual system inspired saliency guided edge preserving tone-mapping for high dynamic range imaging | |
| JP2001307066A (ja) | 細胞画像分析装置および細胞画像分析方法 | |
| JP2015125098A (ja) | 画像処理装置及びプログラム | |
| JP2018125019A (ja) | 画像処理装置及び画像処理方法 | |
| Mao et al. | Power transmission line defect recognition method based on binocular feature fusion and improved FCOS detection head | |
| Wang | Damage detection method of automobile hub based on image texture feature | |
| Osman et al. | Segmentation of tuberculosis bacilli in ziehl-neelsen tissue slide images using hibrid multilayered perceptron network | |
| Wiling | Identification of mouth cancer laceration using machine learning approach |