[发明专利]流式粒子图像分析方法和装置

说明书

技术领域

本发明涉及一种对流动池中的粒子图像进行拍摄，对粒子的静止图像进行 分析的流式粒子图像分析方法和装置。

背景技术

在现有的粒子图像分析中，为了在形态学上检查血液中的细胞、尿中的粒 子，通过以下的方法进行检查，即由检查技师在玻璃载片上做成标本，直接进 行显微镜观察。显微镜检查存在结果受到技师的熟练程度的影响，检查需要时 间等问题，所以要求提高效率。

近年来，随着检查的自动化的发展，例如在专利文献1、2中，公开了以 下的流式粒子图像分析装置，使试样通过特别形状的流动池，使试样中的粒子 在宽阔的摄影区域中流动，点亮闪光灯，作为静止图像拍摄试样中的粒子的放 大图像，从各静止图像中对粒子进行分类。流式粒子图像分析装置通过外侧的 鞘液的流动将试样液体包围来流到特殊形状的流动池，由此形成扁平的流动。 但是，由于鞘液没有流过预定量，在鞘液的流动中存在不均匀等理由，有时样 本液体的流动的形状比设定值厚。如果样本液的流动变厚，则有时粒子位置从 聚焦点位置偏离，无法得到正确的图像。

为了在流式粒子图像分析装置中维持粒子的分类精度，需要始终在聚焦点 位置拍摄粒子的静止图像。为了始终得到焦点聚焦的图像，例如需要进行以下 的处理。

(1)在装置启动时，正确地调整聚焦点位置。

(2)在(1)后，还定期地检查聚焦点位置和样本液的流动的厚度。

例如在专利文献3～5中记载了(1)的调焦方法。在专利文献3中，记载 了以下的方法：在调焦时，一边使流动池或物镜移动，一边在多个不同的位置， 得到由均匀的物质构成的相同大小的标准粒子(以下称为标准粒子)的静止图 像，计算各位置处的标准粒子的平均面积值，进行流动池或物镜的位置调整， 使该值成为最小。在专利文献4中，表示了使用了神经网络的调焦方法。在该 方法中，预先使神经网络学习在多个焦点位置的标准粒子图像的特征量(浓度 分散、浓度对比度、浓度微分等)，将结果载入装置中，根据结果进行调焦。 在专利文献5中，表示了以下的方法：替代专利文献3的面积，使用标准粒子 的R图像中的等级分散值。这表示了以下的方法，根据在明亮的状态和昏暗 的状态的中间状态下能够看到在聚焦点位置的标准粒子的性质，进行流动池或 物镜的位置调整，以使浓度分散(等级分散)成为最大值与最小值的大致中央 值。

例如在专利文献5中记载了(2)的聚焦点位置的检查和检查样本液的流 动的厚度的方法。在专利文献5中，公开了以下的方法，根据上述等级分散值 和样本宽度(静止图像的横向)的关系图，利用等级分散值的分布，检查从聚 焦点的偏离和样本液的流动的厚度。表示了在等级分散值从聚焦点位置的值偏 离的情况下，判断为焦点没有聚焦，在等级分散值的波动(等级分散值的分散) 大时，判断为样本液的流动变厚的方法。

现有技术文献

专利文献

专利文献1：日本特开平5-296915号公报

专利文献2：日本特开昭63-94156号公报

专利文献3：日本特开2007-304059号公报

专利文献4：日本特开平9-311102号公报

专利文献5：日本特开2002-62251号公报

发明内容

发明要解决的问题

关于上述(1)的粒子图像的聚焦点调整，专利文献3的方法对调焦的参 数使用了面积值。我们通过实验确认可知，如图1所示，在调焦中使用的标准 粒子的颗粒直径小到1μm的情况下，聚焦点位置的面积最小，但颗粒直径越 大，成为面积最小值的位置越是从聚焦点位置偏离。

专利文献4的方法对调焦使用了神经网络。为了使用神经网络，需要预先 通过从所有位置的标准粒子图像得到的特征量进行学习。另外，因为需要通过 考虑了每日的差异、装置之间的差异的标准粒子图像得到的特征量进行学习， 所以数据取得需要时间。另外，神经网络的学习也需要时间。

专利文献5的方法对调焦的参数使用了等级分散值。等级分散值与焦点位 置的关系如图2那样，不是单调减少，所以例如在调焦开始时刻的状态位于图 中的箭头A的情况下，难以判断使流动池或物镜向哪个方向移动才好。