[发明专利]细胞图像解析装置

说明书

细胞图像解析装置(2)具备：显示部(52)；存储部(31)，其保存有学习数据和识别器，其中，所述学习数据是细胞图像的数据与确定出了该细胞图像所包含的关心区域的解析完成图像的数据的组，所述识别器是使用学习模型制作出的识别器，所述学习模型是通过使用了所述学习数据的机器学习构建出的学习模型；测试数据输入受理部(36)，其受理测试数据的输入；识别器评价部(37)，其使用测试数据评价识别器；评价结果保存部(38)，其将包含识别器的评价结果以及被使用于该评价的测试数据的评价数据以与识别器相对应的方式保存；以及显示处理部(39)，其根据选择识别器的规定输入，将与该识别器对应的学习数据和/或评价结果显示于显示部的画面。

技术领域

本发明涉及一种解析细胞图像的装置。

背景技术

在再生医疗的领域中，近年来进行使用了iPS细胞、ES细胞、间充质干细胞等多能干细胞的研究。在这样的使用了多能干细胞的再生医疗的研究/开发中，需要大量地培养细胞。在大量地培养用于再生医疗的细胞时，在适当的时刻观察培养中的细胞，确认其状态(细胞的增殖率是否变化、是否存在形态上的变化、是否维持着未分化的状态、有没有产生菌类等的污染等)。在该情况下，为了继续对观察后的细胞继续进行培养，需要以非破坏及非侵入的方式确认细胞状态。大多情况下，使用细胞的图像来以非破坏及非侵入方式进行该细胞的状态的确认。

细胞通常薄且透明，且对光的吸收少，因此难以在利用光学显微镜得到的细胞图像中识别培养基和细胞。因此，在细胞的观察中广泛利用相位差显微镜。在相位差显微镜中，由于将光通过对象物时的相位的变化量进行图像化，因此对于薄且透明的细胞也能够从培养基中识别细胞，得到可视化的图像(相位图像)。

在非专利文献1中，提出了使用图像处理软件将相位图像中包含的“细胞核的区域”、“一个细胞所占有的区域”作为关心区域来提取，根据该关心区域来对细胞的数量、细胞形态的变化进行解析。在这样的图像处理软件中登记有用于去除噪声及背景的各种算法。使用者在从这些算法中选择适当的算法来去除噪声及背景之后，对各像素的强度进行二值化来确定细胞的位置，对细胞的数量、形状进行解析。

细胞的形状根据细胞的种类及培养天数而不同。另外，相位图像的背景的状态(例如亮度的偏差)根据培养基的种类而不同。因此，为了判断哪个算法适合于要解析的相位图像的处理，需要对图像解析的算法熟练。

因此，近年来提出了使用通过机器学习而制作出的识别器来对相位图像进行解析(例如非专利文献2、3)。在使用了机器学习的相位图像的解析中，预先分别准备多组细胞的相位图像与确定出了该相位图像的关心区域的解析完成图像(例如“对相位图像中的细胞内的确定的蛋白质进行了染色的图像”、“相位图像中的细胞中由观察者判断为具有异常的细胞形态并进行了指定的任意区域”)的组，来作为学习数据、验证数据。而且，通过使用了学习数据的机器学习来构建学习模型。之后，使用验证数据来调整学习模型的参数。通过这样制作出的学习模型被作为用于对实际的相位图像进行解析的识别器来提供。使用者通过使用像这样提供的识别器，无论该使用者的熟练度如何都能够对细胞图像进行解析。

现有技术文献

非专利文献

非专利文献1：三浦耕太、塚田祐基著，“ImageJではじめる生物画像解析”，学研メディカル秀潤社，2016年4月，ISBN：9784780909364(三浦耕太、塚田祐基著，“利用ImageJ开始进行的生物图像解析”，学研医疗秀润社，2016年4月，ISBN：9784780909364)

非专利文献2：Fully Convolutional Networks for SemanticSegmentation.The IEEE Conference on Computer Vision and Pattern Recognition(CVPR),2015,pp.3431-3440