本发明专利技术提供一种菌种鉴定支援方法、多菌落学习模型的生成方法、菌种鉴定支援装置和程序产品。所述方法包括：取得包含多菌落的培养基的图像，所述多菌落由所培养的多个种类的细菌形成的多个菌落聚集而成，通过将所取得的图像输入多菌落学习模型，确定多菌落所含的多个菌种，所述多菌落学习模型在被输入包含多菌落的图像的情况下，进行图像识别，输出表示形成该多菌落的细菌的种类的信息。多菌落的细菌的种类的信息。多菌落的细菌的种类的信息。
【技术实现步骤摘要】
菌种鉴定支援方法、多菌落学习模型的生成方法、菌种鉴定支援装置和程序产品
[0001]本专利技术涉及菌种鉴定支援方法、多菌落学习模型的生成方法、单菌落学习模型的生成方法、菌种鉴定支援装置和程序产品。
技术介绍
[0002]传染病是由于细菌等侵入身体而引起的。通过对所感染的细菌进行鉴定，能够确定传染病，采取治疗或防止传染病传播等措施。在医院等医疗设施，对患者进行检查，在怀疑是传染病的情况下，从患者处采集标本，委托检查机构进行检查。检查机构进行检查，以对标本中所含的细菌进行鉴定。针对细菌鉴定检查，开发出了许多鉴定试剂盒，但能用于鉴定试剂盒的标本只有纯分离株。因此，在细菌鉴定检查中，需要首先对细菌进行分离培养。在分离培养之后，能够大致推定出使用哪个鉴定试剂盒是合适的。具体来说，通过检查技师观察分离株培养时的生长性和培养条件、菌落的性质状态(颜色、气味、溶血性、自溶、对培养基的渗透、迁移、滑行、等等)、革兰氏染色结果等来进行检查，能够大致推定菌种。细菌鉴定检查要求准确性、简便性、迅速性和经济效率，因此，根据这样的分离株菌种推定结果，推定适合该菌株判定的鉴定试剂盒，只有在该推定正确的情况下，才能正确鉴定细菌。但在推定不正确的情况下就不能鉴定细菌，需要再次进行推定。菌种的推定依照推定次数被称为一次辨认(一次影像解读)、二次辨认(二次影像解读)等。这样的检查顺序属于一般的细菌鉴定法。另一方面，近年来，已能够通过鉴定基因组核酸序列的测序仪或质量分析装置来鉴定细菌，但准确的菌种鉴定需要分离培养这一点并没有变。另外，细菌通过一个细胞分裂成两个进行增殖，一个细胞用肉眼无法看见，但是，例如增殖到一千万个以上的话，就会在平板培养基(琼脂培养基)上形成群落(菌落)，可用肉眼确认。而且，一个菌落源自一个细胞，因此，通过数菌落数就能确定培养前标本中的菌量(菌数)。
[0003]日本特开2012
‑
135240号公报公开了一种菌落识别系统，包括可见光照射图像取得部、非可见光照射图像取得部和菌落识别部，可见光照射图像取得部取得可见光照射图像，也就是在对形成于培养基的细菌的菌落照射可见光的状态下拍摄菌落得到的图像，非可见光照射图像取得部取得非可见光照射图像，也就是在对菌落照射非可见光的状态下拍摄菌落所得的图像，菌落识别部根据可见光照射图像和非可见光照射图像识别形成了菌落的细菌。
[0004]日本特开2020
‑
18249号公报公开了一种细菌菌落的鉴定装置，包括照明装置、透过照明手段、拍摄手段、数据库和信号处理部，照明装置对收纳于光学透明容器的培养基上培养的细菌菌落进行照明，透过照明手段使照明光透过光学透明容器和培养基对该细菌菌落进行照明，拍摄手段对用各照明手段照明的细菌菌落进行拍摄，数据库中存储有多个细菌种类的多个培养时间内的细菌菌落的图像和光谱数据，信号处理部将由拍摄手段拍摄的该细菌菌落的拍摄图像与数据库中保存的信息进行比较，识别该细菌菌落的种类。
技术实现思路
[0005]本专利技术的目的在于，提供能够确定多菌落所含的多个菌种的菌种鉴定支援方法、多菌落学习模型的生成方法、单菌落学习模型的生成方法、菌种鉴定支援装置和程序产品。
[0006]本专利技术的菌种鉴定支援方法，取得包含多菌落的培养基的图像，所述多菌落由所培养的多个种类的细菌形成的多个菌落聚集而成，通过将所取得的图像输入多菌落学习模型，确定多菌落所含的多个菌种，所述多菌落学习模型在被输入包含多菌落的图像的情况下，进行图像识别，输出表示形成该多菌落的细菌的种类的信息。
[0007]本专利技术的多菌落学习模型的生成方法，该多菌落学习模型在被输入包含多菌落的培养基的图像的情况下，输出表示形成该多菌落的细菌的种类的信息，所述多菌落由所培养的多个种类的细菌形成的多个菌落聚集而成，取得包含由所培养的多个细菌形成的多菌落的图像，通过对所取得的图像附加表示所述多个细菌的菌种的训练数据，做成学习用数据，使学习模型进行机械学习，以在被输入包含多菌落的培养基的图像的情况下，输出该图像的训练数据表示的多个菌种。
[0008]本专利技术的单菌落学习模型的生成方法，该单菌落学习模型在被输入包含由所培养的细菌形成的单菌落培养基的图像的情况下，输出表示该单菌落的位置和形成该单菌落的菌种的信息，取得第一图像和第二图像，所述第一图像包含由所培养的第一菌种的细菌形成的单菌落，所述第二图像包含由所培养的第二菌种的细菌形成的单菌落，将所取得的第一图像和第二图像分割成包含一个单菌落的小图像，通过对第一图像和第二图像的各个小图像附加表示第一菌种的训练数据和表示第二菌种的训练数据，做成学习用数据，使学习模型进行机械学习，使得在被输入第一图像的小图像的情况下，输出表示训练数据所示的第一菌种的信息，在被输入第二图像的小图像的情况下，输出表示训练数据所示的第二菌种的信息。
[0009]本专利技术的菌种鉴定支援装置，包括取得部和多菌落学习模型，
[0010]所述取得部取得包含多菌落的培养基的图像，所述多菌落由所培养的多个种类的细菌形成的多个菌落聚集而成；所述多菌落学习模型在被输入包含多菌落的图像的情况下，进行图像识别，输出表示形成该多菌落的细菌的种类的信息，所述菌种鉴定支援装置通过输入所述取得部取得的图像确定多菌落所含的多个菌种。
[0011]本专利技术的程序产品，用于使计算机执行下述处理：取得包含多菌落的培养基的图像，所述多菌落由所培养的多个种类的细菌形成的多个菌落聚集而成，通过将所取得的图像输入多菌落学习模型，确定多菌落所含的多个菌种，所述多菌落学习模型在被输入包含多菌落的图像的情况下，进行图像识别，输出表示形成该多菌落的细菌的种类的信息。
[0012]按照上述各项，能够确定多菌落所含的多个菌种。
附图说明
[0013]图1是表示实施方式1的菌种鉴定支援装置的结构例的框图。
[0014]图2是表示实施方式1的菌种鉴定支援方法的概念图。
[0015]图3是表示多菌落学习模型的结构例的概念图。
[0016]图4是表示单菌落学习模型的结构例的框图。
[0017]图5是表示单菌落学习模型的生成处理顺序的流程图。
[0018]图6是表示单菌落学习模型用的学习用数据的做成方法的概念图。
[0019]图7是表示多菌落学习模型的生成处理顺序的流程图。
[0020]图8是表示多菌落学习模型用的学习用数据的做成方法的概念图。
[0021]图9是表示菌种、含有该菌种的可信度、其菌量的鉴定步骤的概要的流程图。
[0022]图10是表示实施方式1的菌种鉴定支援方法的图像诊断的处理顺序的流程图。
[0023]图11是表示实施方式1的显示处理顺序的流程图。
[0024]图12是表示结果显示画面的一例的示意图。
[0025]图13是表示隶属概率等显示画面的一例的示意图。
[0026]图14A、图14B和图14C是表示标记和遮挡的一例的示意图。
[0027]图15是表示实施方式2的学习用数据的本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种菌种鉴定支援方法，取得包含多菌落的培养基的图像，所述多菌落由所培养的多个种类的细菌形成的多个菌落聚集而成，通过将所取得的图像输入多菌落学习模型，确定多菌落所含的多个菌种，所述多菌落学习模型在被输入包含多菌落的图像的情况下，进行图像识别，输出表示形成该多菌落的细菌的种类的信息。2.根据权利要求1所述的菌种鉴定支援方法，取得包含单菌落和多菌落的培养基的图像，所述单菌落由所培养的细菌形成，所述多菌落由所培养的多个种类的细菌形成的多个菌落聚集而成，通过将所取得的图像输入单菌落学习模型，确定单菌落的位置和菌种，所述单菌落学习模型在被输入包含单菌落的图像的情况下，输出表示该单菌落的位置和形成该单菌落的菌种的信息，通过将所取得的图像输入所述多菌落学习模型，确定多菌落所含的多个菌种。3.根据权利要求2所述的菌种鉴定支援方法，所述多菌落学习模型输出表示多菌落所含的多个菌种的信息，不识别构成多菌落的多个菌种的菌落的位置。4.根据权利要求2或权利要求3所述的菌种鉴定支援方法，将所取得的培养基的图像分割为多个小图像，通过将分割后的小图像输入所述单菌落学习模型，确定单菌落的位置和菌种。5.根据权利要求2至权利要求4中的任意一项所述的菌种鉴定支援方法，所述单菌落学习模型，使用物体检测模型检测单菌落的位置和大小，剪切包含单个单菌落的图像，通过将剪切出的图像输入图像识别模型，确定单菌落的菌种。6.根据权利要求2或权利要求3所述的菌种鉴定支援方法，将所取得的培养基的图像分割成包含单个单菌落的多个小图像，通过将分割出的小图像输入所述单菌落学习模型，确定单菌落的位置和菌种。7.根据权利要求6所述的菌种鉴定支援方法，将比确定出的单菌落大的菌落确定为多菌落，通过将确定出的多菌落的图像输入所述多菌落学习模型，确定多菌落所含的多个菌种。8.根据权利要求2至权利要求7中的任意一项所述的菌种鉴定支援方法，所述单菌落学习模型输出的表示菌种的信息是表示特定的菌种的群的信息。9.根据权利要求2至权利要求8中的任意一项所述的菌种鉴定支援方法，确定菌种形成了单菌落的概率，该菌种是被确定为形成该单菌落的菌种。10.根据权利要求9所述的菌种鉴定支援方法，显示确定出的菌种和所述概率。11.根据权利要求10所述的菌种鉴定支援方法，接受指定概率，
与培养基的图像一起显示下述图像：标记具有所接受的指定概率以上或指定概率以...
【专利技术属性】
技术研发人员：山下英俊，竹中福太，植松昭彦，森邦义，
申请(专利权)人：合同会社予幸集团中央研究所，
类型：发明
国别省市：
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。