An object of the invention is to provide an image analysis method for identifying the respective morphology of several cells contained in an image for analysis with higher accuracy. An image analysis method for analyzing cell morphology using a deep learning algorithm with a neural network structure is used to input the analysis data containing the information related to the analysis object cell into the deep learning algorithm (60, 61), and through the deep learning algorithm (60, 61), the morphological classification of the analysis object cell belonging to several cells under a certain cell group is calculated The probability of each term, through this method to analyze the image.
【技术实现步骤摘要】
图像解析方法、装置、存储介质和深度学习算法生成方法
本专利技术涉及解析细胞形态的图像解析方法、装置、存储介质和深度学习算法的生成方法。
技术介绍
专利文献1公开了用于处理显微镜图像的细胞识别系统。所述细胞识别系统中,使用机器训练技法训练的模型将获取的图像内的像素和细胞、细胞边界、背景及其等同物中的一项或更多相关联。机器训练技法使用的是随机森林决策树技法。现有技术文献专利文献专利文献1:日本特表2016-534709号。
技术实现思路
专利技术要解决的技术问题细胞检查中,通常检查者通过显微镜观察来观察细胞,并从形态学上鉴定细胞的种类、特征。但是同系的细胞具有相似的形态,因此为了能从形态学上识别细胞就需要观察许多细胞标本并提高识别技能。要识别患病时出现的异常细胞时尤其要求熟练度。比如,像初期的骨髓增生异常综合征那样异常细胞的出现频率小的情况下也会有技能不充分的检查者注意不到异常细胞等风险。另外,检查者1天能观察的标本枚数是有限的,1天观察超过100枚也会对检查者造成负担。流式的自动血细胞分类装置等也能实现增加细胞检查的处理件数。但是,从流式的自动血细胞分类装置得到的信息有限,很难识别母细胞(blast)、早幼粒细胞、巨大血小板等出现频率低的血细胞。如专利文献1所述的方法所示,现在也已知使用机器训练技法(也叫机器学习)识别细胞的方法。但是需要用户制作用于训练机器学习模型的训练数据,为生成模型需要花费巨大的劳动力。另外现状是由于是用户制作训练 ...
【技术保护点】
1.一种图像解析方法,包括以下步骤:/n将解析数据输入具有神经网络结构的深度学习算法中,所述解析数据由解析对象细胞的图像生成且包含所述解析对象细胞相关信息;/n通过所述深度学习算法计算所述解析对象细胞属于一定细胞群下属的数个细胞的形态学分类中每一项的概率。/n
【技术特征摘要】
20180510 JP 2018-0917761.一种图像解析方法,包括以下步骤:
将解析数据输入具有神经网络结构的深度学习算法中,所述解析数据由解析对象细胞的图像生成且包含所述解析对象细胞相关信息;
通过所述深度学习算法计算所述解析对象细胞属于一定细胞群下属的数个细胞的形态学分类中每一项的概率。
2.根据权利要求1所述的图像解析方法,还包括以下步骤:
基于计算出的所述概率识别所述解析对象细胞所属的所述形态学分类。
3.根据权利要求1所述的图像解析方法,其特征在于:
所述一定细胞群是血中细胞群。
4.根据权利要求1所述的图像解析方法,其特征在于:
所述一定细胞群是属于一定细胞系的细胞的群。
5.根据权利要求1所述的图像解析方法,其特征在于:
所述一定细胞系是造血系统。
6.根据权利要求1所述的图像解析方法,其特征在于:
每一形态学分类表明细胞的种类。
7.根据权利要求1所述的图像解析方法,其特征在于:
所述数个细胞包含从由下述项目组成的群中选择的数种细胞:分叶核中性粒细胞、杆状核中性粒细胞、晚幼粒细胞、中幼粒细胞、母细胞、淋巴细胞、异型淋巴细胞、单核细胞、嗜酸性粒细胞、嗜碱性粒细胞、成红细胞、巨大血小板、血小板凝集和巨核细胞。
8.根据权利要求1所述的图像解析方法,其特征在于:
每一形态学分类表明细胞的异常表现。
9.根据权利要求1所述的图像解析方法,其特征在于:
所述数个细胞的所述形态学分类包含从下述项目构成的群中选择的至少一种:核形态异常、空泡的存在、颗粒形态异常、颗粒分布异常、异常颗粒的存在、细胞的大小异常、包含体的存在和裸核。
10.根据权利要求1所述的图像解析方法,其特征在于:
所述深度学习算法,包括:
第1算法,用于算出所述解析对象细胞归属于一定细胞群下属的数个细胞的第1形态学分类中的每一项的概率;
第2算法,用于算出所述解析对象细胞归属于一定细胞群下属的数个细胞的第2形态...
【专利技术属性】
技术研发人员:大坂显通,田部阳子,木村考伸,
申请(专利权)人:学校法人顺天堂,希森美康株式会社,
类型:发明
国别省市:日本;JP
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。