JPH0886736A - 粒子画像の解析方法 - Google Patents
粒子画像の解析方法Info
- Publication number
- JPH0886736A JPH0886736A JP6223027A JP22302794A JPH0886736A JP H0886736 A JPH0886736 A JP H0886736A JP 6223027 A JP6223027 A JP 6223027A JP 22302794 A JP22302794 A JP 22302794A JP H0886736 A JPH0886736 A JP H0886736A
- Authority
- JP
- Japan
- Prior art keywords
- image
- particle
- particles
- area
- identification
- 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.)
- Granted
Links
Landscapes
- Investigating Or Analysing Biological Materials (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
(57)【要約】
【目的】 流体中の粒子像を静止画像として捕え画像中
から目的とする対象物を解析する方法に関し、複数の識
別対象に対して安定に目的の粒子を解析する。 【構成】 画像中の対象粒子の領域分割、およびラベリ
ング処理により、画像中のラベル数と抽出された領域１
０の画像上での分布から識別方式を決定し、入力画像に
適した解析を行なう。なお、（ａ）は円柱の２値画像に
おける解析対象の連結成分数が１の場合、（ｂ）は検出
粒子が淡染色され複数の領域に分割された場合、（ｃ）
は検出粒子が染色剤に染まらず全体が微小領域に分割さ
れた場合の分布をそれぞれ示す。 【効果】 画像中に複数の粒子が存在していたり、ま
た、背景部と濃度差のない無染色細胞や淡染色細胞が領
域分割処理で複数部分に分割されても、画像全体を記述
できるので、効率の良い粒子の解析を安定に行うことが
できる。
から目的とする対象物を解析する方法に関し、複数の識
別対象に対して安定に目的の粒子を解析する。 【構成】 画像中の対象粒子の領域分割、およびラベリ
ング処理により、画像中のラベル数と抽出された領域１
０の画像上での分布から識別方式を決定し、入力画像に
適した解析を行なう。なお、（ａ）は円柱の２値画像に
おける解析対象の連結成分数が１の場合、（ｂ）は検出
粒子が淡染色され複数の領域に分割された場合、（ｃ）
は検出粒子が染色剤に染まらず全体が微小領域に分割さ
れた場合の分布をそれぞれ示す。 【効果】 画像中に複数の粒子が存在していたり、ま
た、背景部と濃度差のない無染色細胞や淡染色細胞が領
域分割処理で複数部分に分割されても、画像全体を記述
できるので、効率の良い粒子の解析を安定に行うことが
できる。
Description
【０００１】
【産業上の利用分野】本発明は粒子の形態情報を用いた
粒子の分類方法に係り、特に血液や尿中の粒子画像を分
類するのに好適な解析方法に関する。
粒子の分類方法に係り、特に血液や尿中の粒子画像を分
類するのに好適な解析方法に関する。
【０００２】
【従来の技術】尿中の粒子を形態学的に検査するには、
従来目視で行うものでは、尿試料を遠心分離し、沈渣物
を染色してスライドガラス上に標本を作り、顕微鏡観察
することで行っていた。その際、遠心分離の濃縮の度合
いを常に一定にし、観察する試料の量も一定にすること
で、元の尿試料中にどういう沈渣物がどれだけの濃度で
含まれているかを知ることができる。沈渣物の中には、
血球細胞や細菌などのように大きさが数マイクロメ−ト
ルの粒子から、円柱などのように数百マイクロメートル
の粒子まであり、顕微鏡の倍率を高倍率と低倍率に切り
替えて観察する。連続的に流れているサンプル試料中の
粒子画像を撮影し、個々の粒子画像から粒子を分析・分
類する試みとしては、特表昭５７−５００９９５号、特
開昭６３−９４１５６号、特開平５−２９６９１５号等
が知られている。特表昭５７−５００９９５号では、サ
ンプル試料を特別な形状の流路に通し、そこで試料中の
粒子を幅広の撮像領域中に流し、フラッシュランプによ
る静止画像を撮影し、その画像を用い粒子分析する方法
が示されている。顕微鏡を用いてサンプル粒子の拡大像
をＣＣＤカメラ上に投影するとき、パルス光源であるフ
ラッシュランプがＣＣＤカメラの動作に同期して周期的
に発光する。パルス光源の発光時間は短く、粒子が連続
的に流れていても静止画像を得ることができ、かつＣＣ
Ｄカメラは毎秒３０枚の静止画像を撮影することができ
る。特開昭６３−９４１５６号では、静止画像撮影系と
は別にサンプル流れ中の粒子画像撮影領域より上流に粒
子検出用光学系を有している。あらかじめ粒子検出部で
粒子通過を知り、丁度その粒子が粒子撮像領域に達した
とき適当なタイミングでフラッシュランプを点灯させる
方法である。この方法ではパルス光源の発光を周期的に
行なわず粒子の通過を検出してその時だけタイミングを
合わせて静止画像を撮影することができ、効率的に粒子
画像が集められ、濃度の薄いサンプル試料でも無意味な
粒子の存在しない画像を処理することはない。特開平５
−２９６９１５号では、さらに粒子検出用光学系を粒子
画像撮像系の中に組み込んだ方法が示されている。すな
わち、粒子検出用レーザ光束が、顕微鏡画像撮像系の顕
微鏡コンデンサレンズを通してサンプル試料流れに照射
する方法が述べられている。これは、粒子検出用の光学
系を別に用意する必要がないこと、粒子検出位置をでき
るだけ粒子画像取り込み領域に近づけて配置できる特徴
がある。従来この種の解析方法は、まず、撮像された画
像について対象物（解析対象の粒子）が占める領域と解
析対象の粒子が存在しない背景領域とを見分け、撮像さ
れた画像を意味を持つ部分画像に分割する。この意味を
持つ部分画像に分割する操作を画像の領域分割と言い、
その方法については、例えば「画像処理：共立出版、１
９８３年刊」に記載されている。領域分割によって解析
対象の２値画像を作成し、ノイズ除去、穴埋め処理によ
って２値画像を整形する。ノイズ除去、穴埋め処理は画
像の収縮と膨張処理の組み合わせによって行うことがで
き、例えば「コンピュータ画像処理入門：総研出版、１
９８５年刊」に記載されている。２値画像の整形処理を
行なったのち、２値画像に含まれる同じ連結成分に属す
る全ての画素に同じラベル（番号）を割り当て、異なっ
た連結成分には異なったラベルを割り当てる。従って、
ラベル数は連結成分の数を示す。この様な操作を連結成
分のラベリング（ラベル処理）と言い、例えば「コンピ
ュータ画像処理入門：総研出版、１９８５年刊」に記載
されている。なお、連結成分とは、２値画像の画素点
（１の領域）の連なり（領域）を意味し、例えばある点
から順次８近傍を辿って次の点へ到達可能であるような
点全てを８連結成分と言う。次に、解析対象の幾何学的
特徴を示す特徴量（連結成分ごとの領域の大きさ、形、
あるいは元の画像での領域に対応する濃度情報など）を
求め、分析・分類を行う。例えば、血球像等においては
特公昭５８−２９８７２号に記載のように細胞の形態情
報、濃度情報を用いて画像中の細胞一個一個について分
類しカテゴリー毎の出現細胞割合で報告していた。
従来目視で行うものでは、尿試料を遠心分離し、沈渣物
を染色してスライドガラス上に標本を作り、顕微鏡観察
することで行っていた。その際、遠心分離の濃縮の度合
いを常に一定にし、観察する試料の量も一定にすること
で、元の尿試料中にどういう沈渣物がどれだけの濃度で
含まれているかを知ることができる。沈渣物の中には、
血球細胞や細菌などのように大きさが数マイクロメ−ト
ルの粒子から、円柱などのように数百マイクロメートル
の粒子まであり、顕微鏡の倍率を高倍率と低倍率に切り
替えて観察する。連続的に流れているサンプル試料中の
粒子画像を撮影し、個々の粒子画像から粒子を分析・分
類する試みとしては、特表昭５７−５００９９５号、特
開昭６３−９４１５６号、特開平５−２９６９１５号等
が知られている。特表昭５７−５００９９５号では、サ
ンプル試料を特別な形状の流路に通し、そこで試料中の
粒子を幅広の撮像領域中に流し、フラッシュランプによ
る静止画像を撮影し、その画像を用い粒子分析する方法
が示されている。顕微鏡を用いてサンプル粒子の拡大像
をＣＣＤカメラ上に投影するとき、パルス光源であるフ
ラッシュランプがＣＣＤカメラの動作に同期して周期的
に発光する。パルス光源の発光時間は短く、粒子が連続
的に流れていても静止画像を得ることができ、かつＣＣ
Ｄカメラは毎秒３０枚の静止画像を撮影することができ
る。特開昭６３−９４１５６号では、静止画像撮影系と
は別にサンプル流れ中の粒子画像撮影領域より上流に粒
子検出用光学系を有している。あらかじめ粒子検出部で
粒子通過を知り、丁度その粒子が粒子撮像領域に達した
とき適当なタイミングでフラッシュランプを点灯させる
方法である。この方法ではパルス光源の発光を周期的に
行なわず粒子の通過を検出してその時だけタイミングを
合わせて静止画像を撮影することができ、効率的に粒子
画像が集められ、濃度の薄いサンプル試料でも無意味な
粒子の存在しない画像を処理することはない。特開平５
−２９６９１５号では、さらに粒子検出用光学系を粒子
画像撮像系の中に組み込んだ方法が示されている。すな
わち、粒子検出用レーザ光束が、顕微鏡画像撮像系の顕
微鏡コンデンサレンズを通してサンプル試料流れに照射
する方法が述べられている。これは、粒子検出用の光学
系を別に用意する必要がないこと、粒子検出位置をでき
るだけ粒子画像取り込み領域に近づけて配置できる特徴
がある。従来この種の解析方法は、まず、撮像された画
像について対象物（解析対象の粒子）が占める領域と解
析対象の粒子が存在しない背景領域とを見分け、撮像さ
れた画像を意味を持つ部分画像に分割する。この意味を
持つ部分画像に分割する操作を画像の領域分割と言い、
その方法については、例えば「画像処理：共立出版、１
９８３年刊」に記載されている。領域分割によって解析
対象の２値画像を作成し、ノイズ除去、穴埋め処理によ
って２値画像を整形する。ノイズ除去、穴埋め処理は画
像の収縮と膨張処理の組み合わせによって行うことがで
き、例えば「コンピュータ画像処理入門：総研出版、１
９８５年刊」に記載されている。２値画像の整形処理を
行なったのち、２値画像に含まれる同じ連結成分に属す
る全ての画素に同じラベル（番号）を割り当て、異なっ
た連結成分には異なったラベルを割り当てる。従って、
ラベル数は連結成分の数を示す。この様な操作を連結成
分のラベリング（ラベル処理）と言い、例えば「コンピ
ュータ画像処理入門：総研出版、１９８５年刊」に記載
されている。なお、連結成分とは、２値画像の画素点
（１の領域）の連なり（領域）を意味し、例えばある点
から順次８近傍を辿って次の点へ到達可能であるような
点全てを８連結成分と言う。次に、解析対象の幾何学的
特徴を示す特徴量（連結成分ごとの領域の大きさ、形、
あるいは元の画像での領域に対応する濃度情報など）を
求め、分析・分類を行う。例えば、血球像等においては
特公昭５８−２９８７２号に記載のように細胞の形態情
報、濃度情報を用いて画像中の細胞一個一個について分
類しカテゴリー毎の出現細胞割合で報告していた。
【０００３】
【発明が解決しようとする課題】しかしながら、この方
法では必ずしも適確に分類が行えないという欠点があっ
た。特に無染色細胞（染色剤に染まらない細胞）や淡染
色（染色剤に濃く染まらない細胞）細胞のような場合背
景と区別がつかず、画像中の細胞領域を完全に抽出でき
ないために対象が小領域に分割され、連結成分数が多く
検出されることによって、見かけ上分類対象が多くなる
という問題があった。本発明の目的は、画像中で複数個
存在する連結成分について最適な分析・分類すべき粒子
数および画像中の粒子の状態を記述することにより安定
な粒子画像の解析方法を提供することにある。
法では必ずしも適確に分類が行えないという欠点があっ
た。特に無染色細胞（染色剤に染まらない細胞）や淡染
色（染色剤に濃く染まらない細胞）細胞のような場合背
景と区別がつかず、画像中の細胞領域を完全に抽出でき
ないために対象が小領域に分割され、連結成分数が多く
検出されることによって、見かけ上分類対象が多くなる
という問題があった。本発明の目的は、画像中で複数個
存在する連結成分について最適な分析・分類すべき粒子
数および画像中の粒子の状態を記述することにより安定
な粒子画像の解析方法を提供することにある。
【０００４】
【課題を解決するための手段】上記目的は、まず、画像
中で分割された領域の個数と、各領域毎の画像中での位
置情報から全体の粒子の分布状態を求め、最大値を持つ
粒子領域の面積から識別分類すべき粒子数を決定するこ
とによって達成される。より具体的には、計算機（図２
の１０９）の制御により領域分割回路（図２の１０５）
にて、撮像した画像中から分類対象毎の領域を分割する
ステップ（図３のＳ１０）と、計算機の制御により画像
処理回路（図２の１０６）にて、前記分割した領域の処
理対象となる連結成分をラベリング処理し、ラベル毎の
特徴量（例えば面積等）を求めるステップ（図３のＳ２
０，３０）と、計算機の制御により識別制御回路（図２
の１１１）にて、前記ラベル数と特徴量を基に識別方式
を決定するステップ（図３の４０）と、その識別制御回
路にて、前記方式で粒子毎の識別分類を行うステップ
（図３の５０）と、計算機にて、前記識別分類結果に応
じた粒子単位のカテゴリ別加算あるいは画像単位のラン
ク別加算を行い、出力装置にて画像中の粒子の出現状況
を出力させるステップ（図３のＳ６０）と有する。ま
た、前記分割領域数を決定するステップでは、１画像中
に抽出された領域の連結成分数（前記Ｓ２０のラベリン
グ処理で付与されたラベル数）が複数の場合は、１画像
中での識別分類を行う領域の連結成分数を限定し、ある
いは、１画像中に抽出された領域の連結成分数が規定の
値以下のときにのみ検出された領域の粒子すべての識別
分類を行い、あるいは、１画像中に抽出された領域の連
結成分の大きさの順に識別分類を行う（例えば、ラベル
の面積の大きい順に処理個数を設定する）。また、前記
出現状況を出力するステップでは、粒子個々の分類結果
（カテゴリ別の出現粒子数）を出力するとともに、複数
の粒子が存在した画像数をラベル数に応じてランク別に
出力する。
中で分割された領域の個数と、各領域毎の画像中での位
置情報から全体の粒子の分布状態を求め、最大値を持つ
粒子領域の面積から識別分類すべき粒子数を決定するこ
とによって達成される。より具体的には、計算機（図２
の１０９）の制御により領域分割回路（図２の１０５）
にて、撮像した画像中から分類対象毎の領域を分割する
ステップ（図３のＳ１０）と、計算機の制御により画像
処理回路（図２の１０６）にて、前記分割した領域の処
理対象となる連結成分をラベリング処理し、ラベル毎の
特徴量（例えば面積等）を求めるステップ（図３のＳ２
０，３０）と、計算機の制御により識別制御回路（図２
の１１１）にて、前記ラベル数と特徴量を基に識別方式
を決定するステップ（図３の４０）と、その識別制御回
路にて、前記方式で粒子毎の識別分類を行うステップ
（図３の５０）と、計算機にて、前記識別分類結果に応
じた粒子単位のカテゴリ別加算あるいは画像単位のラン
ク別加算を行い、出力装置にて画像中の粒子の出現状況
を出力させるステップ（図３のＳ６０）と有する。ま
た、前記分割領域数を決定するステップでは、１画像中
に抽出された領域の連結成分数（前記Ｓ２０のラベリン
グ処理で付与されたラベル数）が複数の場合は、１画像
中での識別分類を行う領域の連結成分数を限定し、ある
いは、１画像中に抽出された領域の連結成分数が規定の
値以下のときにのみ検出された領域の粒子すべての識別
分類を行い、あるいは、１画像中に抽出された領域の連
結成分の大きさの順に識別分類を行う（例えば、ラベル
の面積の大きい順に処理個数を設定する）。また、前記
出現状況を出力するステップでは、粒子個々の分類結果
（カテゴリ別の出現粒子数）を出力するとともに、複数
の粒子が存在した画像数をラベル数に応じてランク別に
出力する。
【０００５】
【作用】本発明においては、計算機の指示により識別制
御回路にて、予め抽出した領域の連結成分数および連結
成分毎の領域の特徴量(空間的な広がり)を基に識別方式
を決定し（識別前処理）、その方式で粒子単位あるいは
画像単位に識別を行う。さらに、計算機にて、識別結果
を画像単位および粒子単位に記述し、それを出力装置に
出力させる。これにより、オペレータは１サンプルの画
像全体の粒子出現状況を適確に把握することができる。
すなわち、円柱を例に取ると、撮像された画像中におけ
る染色された円柱を領域分割処理によって２値化処理
し、２値画像の整形処理を行えば図１（a）に示すよう
になる。この場合、２値画像における解析対象の連結成
分数は１（ラベル数１）であり、処理対象となる領域１
０の情報を求めることによって識別できる。検出粒子
が、淡染色された場合は図１（b）のように全体が均一
に領域分割されずに濃度の淡いところ（背景と区別がつ
けにくい部分）が複数の領域に分割されてしまい、ラベ
リング処理で求めたラベル数（連結成分数）は複数個と
なる。このような場合は、各ラベルの分布状態と検出領
域の大きさにより処理すべき対象の個数を定めて分類
し、さらに画像中の検出粒子数を記憶する。また、染色
剤に染まらなかった場合は、図１（c）のように円柱の
全体が微小領域に分割され、ラベリング処理による検出
領域数が図１（b）にくらべて非常に多くラベル付けさ
れることになる。このような場合は、画像上での分布の
広がり方はある一定の広がり方を持っているので、ラベ
ル付けされた個々の粒子の分類結果よりも画像単位の結
果を報告する。このことは、画像において検出粒子数が
少ないときはラベル付けされた検出粒子を全て分類対象
とし、画像中において検出粒子が多く存在した場合は検
出粒子の分布状態により画像単位の分類か細胞単位の分
類かを決定することにより行なう。これより、粒子画像
の分類が正確かつ安定に行える。
御回路にて、予め抽出した領域の連結成分数および連結
成分毎の領域の特徴量(空間的な広がり)を基に識別方式
を決定し（識別前処理）、その方式で粒子単位あるいは
画像単位に識別を行う。さらに、計算機にて、識別結果
を画像単位および粒子単位に記述し、それを出力装置に
出力させる。これにより、オペレータは１サンプルの画
像全体の粒子出現状況を適確に把握することができる。
すなわち、円柱を例に取ると、撮像された画像中におけ
る染色された円柱を領域分割処理によって２値化処理
し、２値画像の整形処理を行えば図１（a）に示すよう
になる。この場合、２値画像における解析対象の連結成
分数は１（ラベル数１）であり、処理対象となる領域１
０の情報を求めることによって識別できる。検出粒子
が、淡染色された場合は図１（b）のように全体が均一
に領域分割されずに濃度の淡いところ（背景と区別がつ
けにくい部分）が複数の領域に分割されてしまい、ラベ
リング処理で求めたラベル数（連結成分数）は複数個と
なる。このような場合は、各ラベルの分布状態と検出領
域の大きさにより処理すべき対象の個数を定めて分類
し、さらに画像中の検出粒子数を記憶する。また、染色
剤に染まらなかった場合は、図１（c）のように円柱の
全体が微小領域に分割され、ラベリング処理による検出
領域数が図１（b）にくらべて非常に多くラベル付けさ
れることになる。このような場合は、画像上での分布の
広がり方はある一定の広がり方を持っているので、ラベ
ル付けされた個々の粒子の分類結果よりも画像単位の結
果を報告する。このことは、画像において検出粒子数が
少ないときはラベル付けされた検出粒子を全て分類対象
とし、画像中において検出粒子が多く存在した場合は検
出粒子の分布状態により画像単位の分類か細胞単位の分
類かを決定することにより行なう。これより、粒子画像
の分類が正確かつ安定に行える。
【０００６】
【実施例】以下、本発明を実施例により詳細に説明す
る。図２は、本発明を実施するための装置構成を示す。
まず、流体中の粒子はパルスランプによって照射され光
学的拡大手段よって拡大され、色フィルタを介して光電
変換器１０１によりアナログ電気信号に変換される。光
電変換器１０１の出力は画像入力部１０２に導かれディ
ジタル信号に変換さる。画像入力部１０２の出力は画像
データバス１０７を経由して画像メモリ１０３に記憶さ
れる。この時、画像メモリ１０３は複数のフレームで構
成されおり各色フィルタに対応する画像と演算画像など
を記憶する。画像入力部１０２の出力は画像データバス
１０７を経由して領域分割回路１０５に導かれ濃度情報
を利用した領域分割方法により対象領域を抽出し、領域
分割画像を画像メモリ１０４に出力し記憶する。画像メ
モリ１０４に記憶された画像は画像処理回路１０６に導
かれ、画像の太め、細め処理などのフィルタリング処理
とラベリング処理を行ない画像メモリ１０４に記憶す
る。さらに画像処理回路１０６はラベリング処理した画
像の各領域毎に特徴量を求め、ＣＰＵバス１０８を経由
して識別制御回路１１１に転送する。識別制御回路１１
１は計算機１０９の指示により各領域毎の特徴量から識
別処理を行ない、識別結果をＣＰＵ１０９に転送する。
計算機１０９は規定量の処理が終了した時点で処理結果
を出力装置１１０に出力する。以上の、処理の制御、デ
ータの転送はすべて計算機１０９がＣＰＵバス１０９を
経由して制御する。また、識別結果に応じて画像メモリ
１０３の内容を画像記憶装置１１２に記憶する。ここ
で、画像記憶装置１１２はデジタル信号が記憶できる半
導体メモリ装置、磁気あるいは光磁気記憶装置、および
デジタルビデオテープ記録装置、また、デジタル信号を
アナログ信号に変換してビデオテープ記憶装置などが考
えられる。
る。図２は、本発明を実施するための装置構成を示す。
まず、流体中の粒子はパルスランプによって照射され光
学的拡大手段よって拡大され、色フィルタを介して光電
変換器１０１によりアナログ電気信号に変換される。光
電変換器１０１の出力は画像入力部１０２に導かれディ
ジタル信号に変換さる。画像入力部１０２の出力は画像
データバス１０７を経由して画像メモリ１０３に記憶さ
れる。この時、画像メモリ１０３は複数のフレームで構
成されおり各色フィルタに対応する画像と演算画像など
を記憶する。画像入力部１０２の出力は画像データバス
１０７を経由して領域分割回路１０５に導かれ濃度情報
を利用した領域分割方法により対象領域を抽出し、領域
分割画像を画像メモリ１０４に出力し記憶する。画像メ
モリ１０４に記憶された画像は画像処理回路１０６に導
かれ、画像の太め、細め処理などのフィルタリング処理
とラベリング処理を行ない画像メモリ１０４に記憶す
る。さらに画像処理回路１０６はラベリング処理した画
像の各領域毎に特徴量を求め、ＣＰＵバス１０８を経由
して識別制御回路１１１に転送する。識別制御回路１１
１は計算機１０９の指示により各領域毎の特徴量から識
別処理を行ない、識別結果をＣＰＵ１０９に転送する。
計算機１０９は規定量の処理が終了した時点で処理結果
を出力装置１１０に出力する。以上の、処理の制御、デ
ータの転送はすべて計算機１０９がＣＰＵバス１０９を
経由して制御する。また、識別結果に応じて画像メモリ
１０３の内容を画像記憶装置１１２に記憶する。ここ
で、画像記憶装置１１２はデジタル信号が記憶できる半
導体メモリ装置、磁気あるいは光磁気記憶装置、および
デジタルビデオテープ記録装置、また、デジタル信号を
アナログ信号に変換してビデオテープ記憶装置などが考
えられる。
【０００７】以下、計算機１０９で行う処理手順につい
て図４から図６を用いて説明する。なお、図３は計算機
１０９の処理手順を示すフローチャート、図４およびか
ら図６は図３における処理の詳細フローを示す図、図５
は分布状態のひとつの指標を示す図である。まず、計算
機１０９は画像入力した後の画像から濃度情報を利用し
た領域分割処理により画像中の対象領域を抽出させる
（ステップＳ１０）。画像中の対象領域の抽出は、画像
の濃度ヒストグラムを作成し、濃度ヒストグラム上で背
景の平均濃度と対象の平均濃度付近にあるピークを検出
し、この２つのピーク位置の間にある谷の底を求め、谷
の底の濃度値をしきい値とする２値化によって２値画像
を作成するものである。
て図４から図６を用いて説明する。なお、図３は計算機
１０９の処理手順を示すフローチャート、図４およびか
ら図６は図３における処理の詳細フローを示す図、図５
は分布状態のひとつの指標を示す図である。まず、計算
機１０９は画像入力した後の画像から濃度情報を利用し
た領域分割処理により画像中の対象領域を抽出させる
（ステップＳ１０）。画像中の対象領域の抽出は、画像
の濃度ヒストグラムを作成し、濃度ヒストグラム上で背
景の平均濃度と対象の平均濃度付近にあるピークを検出
し、この２つのピーク位置の間にある谷の底を求め、谷
の底の濃度値をしきい値とする２値化によって２値画像
を作成するものである。
【０００８】この後、画像処理回路１０６に指示しノイ
ズ除去、穴埋め処理によって２値画像の整形処理を行
い、処理対象となる連結成分のラベリング処理によって
連結成分をラベル付けさせる（ステップＳ２０）。２値
画像のノイズ除去、穴埋め処理は、画像の収縮と膨張処
理を繰り返す（膨張→収縮→収縮→膨張を１動作とし、
これを繰り返す）ことによって行う。
ズ除去、穴埋め処理によって２値画像の整形処理を行
い、処理対象となる連結成分のラベリング処理によって
連結成分をラベル付けさせる（ステップＳ２０）。２値
画像のノイズ除去、穴埋め処理は、画像の収縮と膨張処
理を繰り返す（膨張→収縮→収縮→膨張を１動作とし、
これを繰り返す）ことによって行う。
【０００９】次に、各連結成分（ラベル）毎の領域の特
徴量を算出させる（ステップＳ３０）。ここで言う特徴
量とは例えば「画像処理：共立出版、１９８３年刊」に
記載のように、領域の画像上での面積、周囲長、円形
度、各波長成分の平均濃度などを指す。
徴量を算出させる（ステップＳ３０）。ここで言う特徴
量とは例えば「画像処理：共立出版、１９８３年刊」に
記載のように、領域の画像上での面積、周囲長、円形
度、各波長成分の平均濃度などを指す。
【００１０】次に、識別前処理では識別制御回路１１１
にてステップ３０で求めた特徴量を基に識別方式を決定
させる（ステップＳ４０）。ステップＳ４０の詳細は図
４に示すように、ステップＳ３０で求めた特徴量のうち
面積情報の大きさで並べ替え（ソーティング）（ステッ
プＳ４１）、次に、統計量を算出する（ステップＳ４
２）。ここで得る統計量とは、例えばラベル数分の領域
の偏差値σｘ、σｙと、図５に示すように座標の水平方
向の偏差値σｘと垂直方向の偏差値σｙから角度θを次
式（１）によって求める。 θ＝tan-1（σｙ／σｘ）…（１） 次に、ステップＳ４２で求めた統計量から識別方法を決
定する（ステップＳ４３）。まず、ラベル数がｋ０未満
の場合は、ラベル全部について処理する粒子単位識別を
行なう方式とする。ラベル数がｋ０以上ｋ１未満の場合
は、最大面積によって処理個数を設定し、例えば最大面
積がｓ以下で角度θがｔ０〜ｔ１の場合は面積の大きい
順にｍ１個処理し、角度θがｔ０〜ｔ１以外の場合はｍ
２個処理する。最大面積がｓ以上の場合はｍ３個処理す
る。ラベル数がｋ１以上の場合は画像単位識別として粒
子単位の識別を行わない。ここで、ｋ０は実験的に定ま
る値であり通常１０を設定し、ｋ１は２０を設定する。
またｓは、領域分割処理によって定まる値であり通常１
０００程度を設定する。角度範囲ｔ０、ｔ１はそれぞれ
０．５、０．７を設定する。粒子の処理個数ｍ１、ｍ
２、ｍ３はそれぞれ１０、５、３を設定する。
にてステップ３０で求めた特徴量を基に識別方式を決定
させる（ステップＳ４０）。ステップＳ４０の詳細は図
４に示すように、ステップＳ３０で求めた特徴量のうち
面積情報の大きさで並べ替え（ソーティング）（ステッ
プＳ４１）、次に、統計量を算出する（ステップＳ４
２）。ここで得る統計量とは、例えばラベル数分の領域
の偏差値σｘ、σｙと、図５に示すように座標の水平方
向の偏差値σｘと垂直方向の偏差値σｙから角度θを次
式（１）によって求める。 θ＝tan-1（σｙ／σｘ）…（１） 次に、ステップＳ４２で求めた統計量から識別方法を決
定する（ステップＳ４３）。まず、ラベル数がｋ０未満
の場合は、ラベル全部について処理する粒子単位識別を
行なう方式とする。ラベル数がｋ０以上ｋ１未満の場合
は、最大面積によって処理個数を設定し、例えば最大面
積がｓ以下で角度θがｔ０〜ｔ１の場合は面積の大きい
順にｍ１個処理し、角度θがｔ０〜ｔ１以外の場合はｍ
２個処理する。最大面積がｓ以上の場合はｍ３個処理す
る。ラベル数がｋ１以上の場合は画像単位識別として粒
子単位の識別を行わない。ここで、ｋ０は実験的に定ま
る値であり通常１０を設定し、ｋ１は２０を設定する。
またｓは、領域分割処理によって定まる値であり通常１
０００程度を設定する。角度範囲ｔ０、ｔ１はそれぞれ
０．５、０．７を設定する。粒子の処理個数ｍ１、ｍ
２、ｍ３はそれぞれ１０、５、３を設定する。
【００１１】次に、識別制御回路１１１にてステップＳ
４０で決定された方式に沿って識別させる（ステップＳ
５０）。識別処理の詳細は、図６に示すように、まず、
粒子単位の識別か否かの判定により（ステップＳ５１）
粒子単位ではない場合は本処理はスキップする。粒子単
位識別の場合は指定された粒子各々について識別する
（ステップＳ５２、Ｓ５３）。
４０で決定された方式に沿って識別させる（ステップＳ
５０）。識別処理の詳細は、図６に示すように、まず、
粒子単位の識別か否かの判定により（ステップＳ５１）
粒子単位ではない場合は本処理はスキップする。粒子単
位識別の場合は指定された粒子各々について識別する
（ステップＳ５２、Ｓ５３）。
【００１２】次に、計算機１０９はステップＳ５０の識
別結果を基に図７に示すような表を記憶・更新し、出力
装置１１０にて出力させる（Ｓ６０）。例えば粒子単位
識別の場合は、計算機１０９にて識別結果に応じたカテ
ゴリー毎の加算を行うと共に、画像のラベル数に応じた
ランクの加算を行う。また、画像単位識別の場合はラベ
ル数により各ランク毎の加算を行なう。画像単位のラン
クの設定はラベル数により、例えば、ランクＡはラベル
数が１、ランクＢはラベル数が２〜５、ランクＣはラベ
ル数が５〜９、ランクＤはラベル数が１０〜１９のよう
に設定する。また、この時画像単位の識別結果に応じて
画像記憶装置１１２に画像メモリ１０３の内容を記憶す
る指示を出すことも可能である。以上が入力した１画像
の処理である。この処理を定められた画像数分だけ行な
うことによって１つのシーケンスが終了し、図７で示す
ような表を出力することによって一連の処理は終了す
る。このように画像単位の情報を持ち、１サンプル全体
の構成を把握することによって、データの信頼性が高ま
り解析結果の裏づけにも役立つ。
別結果を基に図７に示すような表を記憶・更新し、出力
装置１１０にて出力させる（Ｓ６０）。例えば粒子単位
識別の場合は、計算機１０９にて識別結果に応じたカテ
ゴリー毎の加算を行うと共に、画像のラベル数に応じた
ランクの加算を行う。また、画像単位識別の場合はラベ
ル数により各ランク毎の加算を行なう。画像単位のラン
クの設定はラベル数により、例えば、ランクＡはラベル
数が１、ランクＢはラベル数が２〜５、ランクＣはラベ
ル数が５〜９、ランクＤはラベル数が１０〜１９のよう
に設定する。また、この時画像単位の識別結果に応じて
画像記憶装置１１２に画像メモリ１０３の内容を記憶す
る指示を出すことも可能である。以上が入力した１画像
の処理である。この処理を定められた画像数分だけ行な
うことによって１つのシーケンスが終了し、図７で示す
ような表を出力することによって一連の処理は終了す
る。このように画像単位の情報を持ち、１サンプル全体
の構成を把握することによって、データの信頼性が高ま
り解析結果の裏づけにも役立つ。
【００１３】
【発明の効果】本発明によれば、画像中に複数の粒子が
存在していたり、また、背景部と濃度差のない無染色細
胞や淡染色細胞が領域分割処理で複数部分に分割されて
も、画像全体を記述できるので、効率の良い粒子の解析
を安定に行うことができる。
存在していたり、また、背景部と濃度差のない無染色細
胞や淡染色細胞が領域分割処理で複数部分に分割されて
も、画像全体を記述できるので、効率の良い粒子の解析
を安定に行うことができる。
【図１】本発明の原理説明図である。
【図２】本発明の一実施例における粒子画像解析装置の
構成図である。
構成図である。
【図３】本発明の一実施例における識別処理を示すフロ
ーチャートである。
ーチャートである。
【図４】本発明の一実施例における識別前処理の詳細を
示すフローチャートである。
示すフローチャートである。
【図５】本発明の一実施例における粒子の広がりを記述
するための説明図である。
するための説明図である。
【図６】本発明の一実施例における識別処理の詳細を示
すフローチャートである。
すフローチャートである。
【図７】本発明の一実施例における識別結果を説明する
ための図である。
ための図である。
１０：基本的な粒子像、１０１：光電変換器、１０２：
画像入力部、１０３，１０４：画像メモリ、１０５：領
域分割回路、１０６：画像処理回路、１０７：画像デー
タバス、１０８：ＣＰＵバス、１０９：計算機、１１
０：出力装置、１１１：識別制御回路、１１２：画像記
憶装置。
画像入力部、１０３，１０４：画像メモリ、１０５：領
域分割回路、１０６：画像処理回路、１０７：画像デー
タバス、１０８：ＣＰＵバス、１０９：計算機、１１
０：出力装置、１１１：識別制御回路、１１２：画像記
憶装置。
Claims (5)
- 【請求項１】 液体中に懸濁する粒子サンプルをフロー
セル中に流し、フローセル中の粒子検出領域を通過する
粒子を検出し、前記フローセル中の撮像領域を通過した
検出粒子の静止画像を撮像し、撮像した粒子画像を画像
解析することにより粒子の形態学的分類を行う粒子画像
の解析方法において、撮像した画像を分割し分類対象毎
の領域を抽出するステップと、前記画像の分割数と抽出
された各々の領域の画像上での位置および抽出された領
域の特徴量を求めるステップと、前記分割数と抽出領域
の画像上での位置から識別分類を行うべき抽出領域数を
決定するステップと、前記特徴量と分割数から粒子毎の
識別分類を行うステップと、前記特徴量と分割数から画
像中の粒子の出現状況を出力するステップとを有するこ
とを特徴とする粒子画像の解析方法。 - 【請求項２】 前記分割領域数決定ステップでは、１画
像中に抽出された領域の連結成分数が複数の場合は、１
画像中での識別分類を行う領域の連結成分数を限定する
ことを特徴とする請求項１記載の粒子画像の解析方法。 - 【請求項３】 前記分割領域数決定ステップでは、１画
像中に抽出された領域の連結成分数が規定の値以下の場
合は、検出された領域の粒子すべてについて識別分類を
行うことを特徴とする請求項１記載の粒子画像の解析方
法。 - 【請求項４】 前記分割領域数決定ステップでは、１画
像中に抽出された領域の連結成分の大きさの順に識別分
類を行うことを特徴とする請求項１記載の粒子画像の解
析方法。 - 【請求項５】 前記出現状況出力ステップでは、粒子個
々の分類結果と複数の粒子が存在した画像数を分割数に
応じてランク別に出力することを特徴とする請求項１記
載の粒子画像の解析方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP22302794A JP3539581B2 (ja) | 1994-09-19 | 1994-09-19 | 粒子画像の解析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP22302794A JP3539581B2 (ja) | 1994-09-19 | 1994-09-19 | 粒子画像の解析方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH0886736A true JPH0886736A (ja) | 1996-04-02 |
| JP3539581B2 JP3539581B2 (ja) | 2004-07-07 |
Family
ID=16791698
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP22302794A Expired - Fee Related JP3539581B2 (ja) | 1994-09-19 | 1994-09-19 | 粒子画像の解析方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3539581B2 (ja) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2013057631A (ja) * | 2011-09-09 | 2013-03-28 | Konica Minolta Medical & Graphic Inc | 生体物質発現レベル評価システム |
| WO2022059467A1 (ja) * | 2020-09-18 | 2022-03-24 | シスメックス株式会社 | 細胞分析方法及び細胞分析装置 |
-
1994
- 1994-09-19 JP JP22302794A patent/JP3539581B2/ja not_active Expired - Fee Related
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2013057631A (ja) * | 2011-09-09 | 2013-03-28 | Konica Minolta Medical & Graphic Inc | 生体物質発現レベル評価システム |
| WO2022059467A1 (ja) * | 2020-09-18 | 2022-03-24 | シスメックス株式会社 | 細胞分析方法及び細胞分析装置 |
| JP2022051447A (ja) * | 2020-09-18 | 2022-03-31 | シスメックス株式会社 | 細胞分析方法及び細胞分析装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP3539581B2 (ja) | 2004-07-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US5566249A (en) | Apparatus for detecting bubbles in coverslip adhesive | |
| US7869641B2 (en) | System and method for finding regions of interest for microscopic digital montage imaging | |
| US5933519A (en) | Cytological slide scoring apparatus | |
| US10453195B2 (en) | Method of detecting tissue area of interest in digital pathology imaging by executing computer-executable instructions stored on a non-transitory computer-readable medium | |
| US8064678B2 (en) | Automated detection of cell colonies and coverslip detection using hough transforms | |
| US8600143B1 (en) | Method and system for hierarchical tissue analysis and classification | |
| CA2976774C (en) | Classification of barcode tag conditions from top view sample tube images for laboratory automation | |
| WO2012169088A1 (ja) | 画像処理装置、画像処理方法及び画像処理システム | |
| CN114332058B (zh) | 基于神经网络的血清质量识别方法、装置、设备及介质 | |
| KR102140385B1 (ko) | 골수 판독을 위한 셀존 레이블링 장치 및 이를 포함하는 셀존 검출 시스템 | |
| US10169878B2 (en) | System and method for segmentation of three-dimensional microscope images | |
| JP2000088563A (ja) | 外観検査方法および外観検査装置 | |
| CN114120318B (zh) | 一种基于集成决策树的暗场图像目标点精确提取方法 | |
| JP3653804B2 (ja) | 粒子画像の領域分割方法及び装置 | |
| US11501543B2 (en) | System and method for automatic real-time localization of license plate of vehicle from plurality of images of the vehicle | |
| JP3539581B2 (ja) | 粒子画像の解析方法 | |
| CN108596262A (zh) | 一种基于计算机视觉进行植物病斑分类的方法及系统 | |
| CN120410965A (zh) | 一种病理切片图像分析方法及系统 | |
| CN115541578B (zh) | 一种高通量超分辨宫颈细胞病理切片快速扫描分析系统 | |
| JPS5830049B2 (ja) | 網赤血球自動計測装置 | |
| EP1095357B1 (en) | Automatic masking of objects in images | |
| WO2000004497A1 (en) | Automatic masking of objects in images | |
| Malpica et al. | Morphological segmentation of clustered nuclei in analytical cytology | |
| JPH09126987A (ja) | 粒子画像解析装置 | |
| CN117423100A (zh) | 基于图像识别算法的车牌识别方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20040109 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20040305 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20040318 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090402 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100402 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110402 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120402 Year of fee payment: 8 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120402 Year of fee payment: 8 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130402 Year of fee payment: 9 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20140402 Year of fee payment: 10 |
|
| LAPS | Cancellation because of no payment of annual fees |