[发明专利]细胞图像解析方法、细胞图像解析装置、及学习模型创建方法

权利要求书

1.一种细胞图像解析方法,是通过解析细胞的观察图像来进行与细胞相关联的分割的细胞图像解析方法，其特征在于，使用机器学习作为用于该分割的图像解析的方法,具有：

a)学习图像扩充步骤：将输入的学习图像旋转任意角度,且对于在该旋转前的所述学习图像的框内由于旋转而图像缺损的区域，填补与旋转后的图像可连续相接的图像，由此生成新的学习图像；

b)学习模型创建步骤,利用学习处理创建机器学习的模型，所述学习处理所使用的多个学习图像包括所述输入的学习图像及在所述学习图像扩充步骤中生成的学习图像。

2.如权利要求1所述的细胞图像解析方法，其特征在于，

在所述学习图像扩充步骤中,通过以旋转后的图像的框作为轴的该框内的图像的镜像翻转,填补有对由于旋转而图像缺损的区域进行填补的可连续相接的图像。

3.如权利要求1所述的细胞图像解析方法，其特征在于，

所述机器学习为卷积神经网络。

4.如权利要求2所述的细胞图像解析方法，其特征在于，

所述卷积神经网络为全层卷积神经网络。

5.如权利要求3所述的细胞图像解析方法，其特征在于，

使用全层卷积神经网络以像素单位分割输入图像。

6.如权利要求1所述的细胞图像解析方法，其特征在于，

试样所包含的细胞是包括人iPS细胞的多能性干细胞，所述分割至少识别未分化细胞、未分化逃脱细胞或者分化细胞。

7.如权利要求5所述的细胞图像解析方法，其特征在于，

所述分割进一步识别存在异物的区域。

8.如权利要求1所述的细胞图像解析方法，其特征在于，

所述细胞的观察图像是通过基于全息图数据的运算处理求出的相位像。

9.如权利要求1所述的细胞图像解析方法，其特征在于,

还具有细胞信息计算步骤，基于对细胞的观察图像进行与细胞相关的分割的结果,推测细胞区域的面积、细胞的数目或者细胞的密度中的至少任一项。

10.如权利要求1所述的细胞图像解析方法，其特征在于,

具有显示处理步骤，将对细胞的观察图像进行与细胞相关的分割的结果或基于该分割的细胞状态的判定结果重叠于该观察图像，并在显示部的显示画面上进行显示。

11.一种细胞图像解析装置，是通过解析细胞的观察图像来进行与细胞相关联的分割的细胞图像解析装置，其特征在于，

使用机器学习作为用于该分割的图像解析的方法，该细胞图像解析装置具备：

a)学习图像扩充处理部，将输入的学习图像旋转任意角度,且对于在该旋转前的所述学习图像的框内由于旋转而图像缺损的区域，填补与旋转后的图像可连续相接的图像，由此生成新的学习图像；

b)学习模型创建部,通过使用了多个学习图像的学习处理来创建机器学习的模型，所述多个学习图像包括所述输入的学习图像及由所述学习图像扩充处理部生成的学习图像；

c)区域识别部，使用由所述学习模型创建部所创建的学习完毕的模型，执行对输入的目标细胞观察图像的分割，从而输出标签图像。

12.一种学习模型创建方法,是通过利用机器学习对基于由全息显微镜获取的全息图数据而创建的观察图像进行解析,从而创建在进行所述观察图像的分割时使用的学习模型的学习模型创建方法，其特征在于，

使用多个学习图像执行机器学习的学习从而创建学习模型，所述多个学习图像包括：将输入的学习图像旋转任意角度,且对于在该旋转前的所述学习图像的框内由于旋转而图像缺损的区域，填补与旋转后的图像可连续相接的图像，由此生成的新的学习图像。