细胞解析方法、装置、系统及程序、以及训练的人工智能算法的生成方法、装置及程序制造方法及图纸

本发明专利技术旨在提供使高精度并且高速解析受试体中所含的更多的细胞变得容易的细胞解析方法、细胞解析装置、细胞解析系统、及细胞解析程序、以及训练的人工智能算法的生成方法、生成装置、及生成程序。是由使用人工智能算法而对细胞进行解析的细胞解析方法解决课题，所述细胞解析方法包括：使含细胞的试样流经流路，拍摄通过所述流路内的细胞而生成解析对象图像，从生成的所述解析对象图像生成解析用数据，向所述人工智能算法输入生成的所述解析用数据，由所述人工智能算法生成显示所述解析对象图像中所含的细胞的性状的数据。

【技术实现步骤摘要】
细胞解析方法、装置、系统及程序、以及训练的人工智能算法的生成方法、装置及程序
本专利技术涉及对细胞进行解析的细胞解析方法、细胞解析装置、细胞解析系统、及细胞解析程序、以及用于对细胞进行解析的训练的人工智能算法的生成方法、生成装置、及生成程序。
技术介绍
在专利文献1中公开了将进行过滤处理的显微镜图像适用于训练的机器学习模型，确定特定的类型的细胞的中心及边界，对确定的细胞进行计数的同时，输出该细胞的图像的方法。【现有技术文献】【专利文献】【专利文献1】国际公开第2015/065697号【专利技术的概要】【专利技术要解决的课题】在有具有肿瘤的可能性的患者的检查中，为了判断肿瘤的有无、抗癌疗法的效果、再发的有无等，有掌握在含多种细胞的受试体中以什么比例存在具有染色体异常的细胞或末梢循环肿瘤细胞等的异常细胞的必要。受试体中所含的异常细胞也有与原本应存在于该受试体中的正常细胞的数比非常地少的情况。因此，为了检测受试体中所含的异常细胞，有解析更多的细胞的必要。但是，记载在专利文献1的方法由于使用显微镜图像，增加判断的细胞的数，则显微镜图像的取得所要求的时间增大了。本专利技术旨在提供对于受试体中所含的更多的细胞而使高精度并且高速的解析变得容易的细胞解析方法、细胞解析装置、细胞解析系统、及细胞解析程序、以及训练的人工智能算法的生成方法、生成装置、及生成程序。【用于解决课题的手段】本专利技术的一实施方式涉及使用人工智能算法(60、63、97)对细胞进行解析的细胞解析方法。上述细胞解析方法使含细胞的试样(10)流经流路(111)，拍摄通过流路(111)内的细胞而生成解析对象图像(80、85、95)，从生成的上述解析对象图像(80、85、95)生成解析用数据(82、87、96)，向上述人工智能算法(60、63、97)输入生成的上述解析用数据，由上述人工智能算法生成显示上述解析对象图像(80、85、95)中所含的细胞的性状的数据(84、88、98)。本专利技术的一实施方式涉及使用人工智能算法(60、63、97)对细胞进行解析的细胞解析装置(400A、200B、200C)。细胞解析装置(400A、200B、200C)具备控制部(40A、20B、20C)，所述控制部以如下方式构成：使含细胞的试样(10)流经流路(111)，向上述人工智能算法(60、63、97)输入从拍摄通过上述流路(111)内的细胞的解析对象图像(80、85、95)生成的解析用数据(82、87、96)，由上述人工智能算法(60、63、97)生成显示上述解析对象图像(80、85、95)中所含的细胞的性状的数据(84、88、98)。本专利技术的一实施方式涉及细胞解析系统(1000、2000、3000)。细胞解析系统(1000、2000、3000)具备含细胞的试样(10)流经的流动池(110)，用于向流经流动池(110)的试样(10)照射光的光源(120、121、122、123)，拍摄照射上述光的试样(10)中的细胞的摄像部(160)和控制部(40A、20B、20C)。控制部(40A、20B、20C)以如下方式构成：以摄像部(160)拍摄的通过流路(111)内的细胞的图像作为解析对象图像(80、85、95)取得，从解析对象图像(80、85、95)生成解析用数据(82、87、96)，向人工智能算法(60、63、97)输入解析用数据(82、87、96)，由上述人工智能算法(60、63、97)生成显示上述解析对象图像(80、85、95)中所含的细胞的性状的数据(84、88、98)。本专利技术的一实施方式涉及对细胞进行解析的细胞解析程序。上述细胞解析程序使计算机执行包括下列步骤的处理：使含细胞的试样(10)流经流路(111)，向人工智能算法(60、63、97)输入从拍摄通过上述流路(111)内的细胞的解析对象图像(80、85、95)生成的解析用数据(82、87、96)的步骤(S22)和由人工智能算法(60、63、97)生成显示解析对象图像(80、85、95)中所含的细胞的性状的数据(84、88、98)的步骤(S32)。细胞解析装置(400A、200B、200C)、细胞解析系统(1000、2000、3000)、及细胞解析程序对于受试体中所含的更多的细胞而使高精度并且高速的解析变得容易。本专利技术的一实施方式涉及用于对细胞进行解析的训练的人工智能算法(60、63、97)的生成方法。上述生成方法包括使含细胞的试样(10)流经流路(111)，向人工智能算法(50、53、94)输入从拍摄通过上述流路(111)内的细胞的训练图像(70、75、90)生成的训练用数据(73、78、92)和显示训练图像(70、75、90)中所含的细胞的性状的标签(74P、74N、79P、79N、93P、93N)，训练人工智能算法(50、53、94)。本专利技术的一实施方式涉及用于对细胞进行解析的训练的人工智能算法(60、63、97)的生成装置(200A、200B、200C)。生成装置(200A、200B、200C)具备使含细胞的试样(10)流经流路(111)，向人工智能算法(50、53、94)输入从拍摄通过流路(111)内的细胞的训练图像(70、75、90)生成的训练用数据(73、78、92)和显示上述训练图像(70、75、90)中所含的细胞的性状的标签(74P、74N、79P、79N、93P、93N)，训练人工智能算法(50、53、94)的，控制部(20A、20B、20C)。本专利技术的一实施方式涉及用于对细胞进行解析的训练的人工智能算法(60、63、97)的生成程序。上述生成程序使计算机执行具备下列步骤的处理：使含细胞的试样(10)流经流路(111)，向人工智能算法(50、53、94)输入从拍摄通过上述流路(111)内的细胞的训练图像(70、75、90)生成的训练用数据(73、78、92)和显示训练图像(70、75、90)中所含的细胞的性状的标签(74P、74N、79P、79N、93P、93N)的步骤(S12)和训练人工智能算法(50、53、94)的步骤(S12)。由训练的人工智能算法(60、63、97)的生成方法、生成装置(200A、200B、200C)、及生成程序可生成对于受试体中所含的更多的细胞而使高精度并且高速的解析变得容易的人工智能算法(60、63、97)。【专利技术的效果】对于受试体中所含的更多的细胞而可使高精度并且高速的解析变得容易。【附图的简单的说明】【图1】显示训练用于对染色体异常进行解析的第1人工智能算法50的训练数据的生成方法。(A)显示阳性训练数据的生成方法。(B)显示阴性训练数据的生成方法。【图2】显示训练用于对染色体异常进行解析的第1人工智能算法50的训练数据的生成方法。【图3】显示为了对染色体异常进行解析而解析数据的生成方法和由训练的第1人工智能算法60的细胞的解析方法。【图4】显示利用成像流式细胞仪的PML-RARA嵌合体基因阳性细胞的本文档来自技高网...

【技术保护点】
1.使用人工智能算法对细胞进行解析的细胞解析方法，其包括：/n使含细胞的试样流经流路，/n拍摄通过所述流路内的细胞而生成解析对象图像，/n从生成的所述解析对象图像生成解析用数据，/n向所述人工智能算法输入生成的所述解析用数据，及/n由所述人工智能算法生成显示所述解析对象图像中所含的细胞的性状的数据。/n

【技术特征摘要】
20191129 JP 2019-2171591.使用人工智能算法对细胞进行解析的细胞解析方法，其包括：
使含细胞的试样流经流路，
拍摄通过所述流路内的细胞而生成解析对象图像，
从生成的所述解析对象图像生成解析用数据，
向所述人工智能算法输入生成的所述解析用数据，及
由所述人工智能算法生成显示所述解析对象图像中所含的细胞的性状的数据。


2.权利要求1所述的细胞解析方法，其中显示所述细胞的性状的数据是：
显示是否是具有染色体异常的细胞的数据、或者
显示是否是末梢循环肿瘤细胞的数据。


3.权利要求1所述的细胞解析方法，其中所述细胞的目标部位被标记。


4.权利要求3所述的细胞解析方法，其中所述目标部位存在于选自核、细胞质、及细胞表面的至少1个。


5.权利要求3所述的细胞解析方法，其中所述目标部位由原位杂交法、免疫染色法或细胞器染色标记。


6.权利要求3所述的细胞解析方法，其中所述标记是由荧光染料的标记。


7.权利要求1所述的细胞解析方法，其中
所述解析对象图像含多次拍摄1个细胞而得到的多个图像，
所述解析用数据从各图像各自生成。


8.权利要求7所述的细胞解析方法，其中所述多个图像是拍摄相同的视野的不同的光的波长区域的图像。


9.权利要求8所述的细胞解析方法，其中所述多个图像含：
拍摄存在于核的第1荧光标记的第1荧光图像、和
拍摄存在于核的第2荧光标记的第2荧光图像。


10.权利要求8所述的细胞解析方法，其中所述多个图像含：
所述细胞的明场图像、和
拍摄所述细胞的荧光标记的荧光图像。


11.权利要求1所述的细胞解析方法，其中生成所述解析对象图像含从拍摄细胞而得到的图像提取细胞区域的修整处理。


12.权利要求1所述的细胞解析方法，其中所述人工智能算法是具有神经网络结构的深层学习算法。


13.权利要求12所述的细胞解析方法，其中所述解析用数据是显示所述解析对象图像的各像素的亮度的数据。


14.权利要求1所述的细胞解析方法，其中所述解析用数据是在显示所述解析对象图像中的特征量的数据。


15.权利要求14所述的细胞解析方法，其中所述特征量含所述解析对象图像中的所述细胞的面积。


16.使用人工智能算法对细胞进行解析的细胞解析装置，其具备控制部，所述控制部以如下方式构成：
使含细胞的试样流...

【专利技术属性】
技术研发人员：白井健太郎，胜俣惠理，冈本有司，今久保桃子，陆建银，
申请(专利权)人：希森美康株式会社，
类型：发明
国别省市：日本;JP