JP5131431B2 - 病理画像評価装置、病理画像評価方法、及び病理画像評価プログラム - Google Patents

Description

本発明は、染色された組織標本の画像を評価する病理画像評価装置、病理画像評価方法、及び病理画像評価プログラムに関する。

病理分野において、組織標本を染色して撮影し、得られた染色画像を評価することが知られている。このように、組織標本の染色画像を評価する方法としては、例えば、特許文献１に記載の方法が挙げられる。

一般に、染色画像は、まず染色された組織標本の薄片をスライドガラス上に載せカバーグラスで封入し、このスライドを光学装置で撮像し、紙やデジタル化された電子媒体上に出力することで作成される。染色画像は、病理医などが直接見ることで診断に用いられる。しかしながら、染色画像を直接見て診断を行う場合、診断者には画像から組織標本の状態を正確に判断する高度な能力が求められる。従って、限られた者にしか正確な診断を行うことができず、経験の浅い人間でも正確な診断を行うことのできる技術の提供が望まれていた。

診断を正確に行いやすくする為に、計算機上で画像処理を行うことが考えられる。計算機上における画像処理に関する技術としては、特許文献２に記載された画質評価装置が挙げられる。また、関連して、特許文献３には、入力パターンの標準パターンに対する適合度を求めるパターン認識装置が記載されている。更に、画像処理技術を診断に適用したものとしては、例えば、特許文献４に記載された病理画像検査支援装置、特許文献５に記載された組織学的アセスメント、特許文献６に記載された病理診断支援装置、特許文献７に記載された細胞活性度判定装置が挙げられる。

計算機上で画像を診断する場合、染色画像に対して、コンピュータプログラムに基づいた一律の処理が行われ、診断されることになる。従って、診断用の画像は、染色度合いや画質が、一定の水準範囲内に収まっていることが特に要求される。診断用画像の画質などを一定の水準範囲内に収めるため、予め、画像の変換が行われることもある。

画像を変換する技術として、特許文献８には、撮像装置からの映像信号を入力するモニタに再現された画像の色と、画像記録装置により再現される画像の色の差を測色的に改善する事を目的とした画像処理装置が記載されている。

特開２００６−１７６９２号 公報 特開２００２−３０４６２５号 公報 特開２００２−２５９９７８号 公報 特開平６−９４７０６号 公報 特表２００５−５３５８９２号 公報 特開２００６−１５３７４２号 公報 特開平７−１９８７１４号 公報 特開平８−３７６０４号 公報

ところで、染色画像の染色度合いや画質は、上述の組織標本の薄片の染色過程の条件に大きく影響される。染色過程は人により行われるため、作業者の技量に大きく影響される。例えば、ヘマトキシリンによる細胞核の染色等の場合、染色の程度自体が診断での重要な要素になる。このような場合、染色過程の出来によっては正確な診断を行うことができず、再染色を行ったほうが良いこともある。

また、染色画像の状態は、組織標本を撮像してデジタルデータとする際に用いられる、光学機器やアナログデジタルコンバータなどの性能にも依存する。従って、染色過程は良好に行われたとしても、使用する光学機器やアナログデジタルコンバータなどの機器が異なれば、出力される染色画像の状態も異なることがある。このことは、正確な診断の妨げとなりえる。

また、診断にあたって事前に画像を変換する場合、その診断に適する様に画像を変換しなければ、逆に正確な診断を行うことが困難となる場合も有り得る。例えば、画像平滑化によるノイズ除去処理の画像変換を行う場合、平滑化は画像詳細変化とのトレードオフになってしまい、画像詳細変化の要求される診断には向かない。また、ノイズが少なく詳細変化に富んだ画像が最良の結果を与えるとも限らず、診断に不要な画像情報はノイズとともに消去されたほうが正確な診断を実施できることもある。

従って、本発明の目的は、染色画像が診断に適した画像であるか否かを判断することのできる病理画像評価装置、病理画像評価方法、及び病理画像評価プログラムを提供することにある。

また、本発明の別の目的は、画像取得に用いた機器の性能が、診断用の画像に対して与える影響をを排除することできる病理画像評価装置、病理画像評価方法、及び病理画像評価プログラムを提供することにある。

本発明の更に別の目的は、染色画像を、診断に適した形で変換することのできる病理画像評価装置、病理画像評価方法、及び病理画像評価プログラムを提供することにある。

以下に、［発明を実施するための最良の形態］で使用される番号・符号を用いて、［課題を解決するための手段］を説明する。これらの番号・符号は、［特許請求の範囲］の記載と［発明を実施するための最良の形態］との対応関係を明らかにするために括弧付きで付加されたものである。ただし、それらの番号・符号を、［特許請求の範囲］に記載されている発明の技術的範囲の解釈に用いてはならない。

本発明にかかる病理画像評価装置（１０）は、染色された被検査対象の組織標本を画像取得装置（３０）により撮像して得られた被検査画像データ（５２）を、予め準備された画像評価用データ（５１）と比較して、被検査対象の組織標本の染色が良好に行われたものであるか否かを判断する染色画像評価部（２１）と、染色画像評価部（２１）の判断結果を出力する出力部（２３）と、を具備する。

上記の病理画像評価装置（１０）において、染色画像評価部（２１）は、色を表すデータにより、被検査画像データ（５２）を画像評価用データ（５１）と比較することが好ましい。ここで、一の観点からは、色値に基いて、被検査画像データ（５２）を画像評価用データ（５１）と比較することが好ましい。また、他の一観点からは、色ヒストグラムを用いて比較することが好ましい。

上記の病理画像評価装置（１０）において、更に、テスト用の画像データに基いて画像評価用データ（５１）を生成する機械学習アルゴリズム（２４）を具備し、染色画像評価部（２１）は、被検査画像データ（５２）を、機械学習アルゴリズム（２４）により生成された画像評価用データ（２１）と比較することが好ましい。

上記の病理画像評価装置（１０）において、更に、染色画像評価部（２１）により、良好な染色が行われたと判断された被検査画像データ（良好染色画像データ５３）を、診断に適した画像データに変換する画像変換部（２２）、を具備することが好ましい。

この病理画像評価装置（１０）において、画像変換部（２２）は、その被検査画像データ（５２）の色空間と周波数レベルを変更することで、診断に適した画像データに変換することが好ましい。

本発明にかかる病理画像評価方法は、染色された被検査対象の組織標本を撮像して生成された被検査画像データ（５２）を、予め準備された画像評価用データ（５１）と比較して、その被検査対象の組織標本の染色が良好に行われたものであるか否かを判断する画像評価ステップ（ステップＳ３０）と、画像評価ステップ（Ｓ３０）の判断結果を出力するステップ（ステップＳ４０、５０）と、を具備する。

この病理画像評価方法において、画像評価ステップ（Ｓ３０）では、色を表すデータにより、被検査画像データ（５２）を画像評価用データ（５１）と比較することが好ましい。このとき、一の観点からは、色値に基いて、被検査画像データ（５２）を画像評価用データ（５１）と比較することが好ましい。また、別の観点からは、色ヒストグラムを用いて比較することが好ましい。

上記の病理画像評価方法であって、画像評価用データ（２１）は、機械学習アルゴリズムにより生成されたものであることが好ましい。

上記の病理画像評価方法において、更に、画像評価ステップ（Ｓ３０）において良好な染色が行われたと判断された被検査画像データ（良好染色画像データ５３）を、診断に適した画像データに変換する画像変換ステップ（ステップＳ６０）を具備することが好ましい。

この病理画像評価方法において、画像変換ステップ（Ｓ６０）では、被検査画像データ（５２）の色空間と周波数レベルを変更することで、診断に適した画像データに変換することが好ましい。

本発明にかかる病理画像評価プログラムは、上記の病理画像評価方法を、コンピュータによって実現する為のものである。

本発明に依れば、染色画像が診断に適した画像であるか否かを判断することのできる病理画像評価装置、病理画像評価方法、及び病理画像評価プログラムが提供される。

また、本発明に依れば、画像取得に用いた機器の性能が画像に対して与える影響をを排除することできる病理画像評価装置、病理画像評価方法、及び病理画像評価プログラムが提供される。

また、本発明に依れば、染色画像を、診断に適した形で変換することのできる病理画像評価装置、病理画像評価方法、及び病理画像評価プログラムが提供される。

（第１の実施形態）
図面を参照しつつ、本発明の第１の実施形態について説明する。図１は、本実施形態に係る病理画像評価システム１００の構成を示すブロック図である。図１に示されるように、病理画像評価システム１００は、組織標本の画像を撮像しデジタルデータ化する画像取得装置３０と、画像取得装置３０により生成された被検査画像データ５２が診断に適したデータであるか否かを判断する病理画像評価装置１０と、病理画像評価装置１０により診断に適したデータであると判断された画像データに基いて診断処理を実行する画像診断装置４０とを備えている。これらの構成のうち、画像診断装置４０は、診断用の画像データが、ガン細胞を写したデータであるのか正常な細胞を写したデータであるのか、などといった診断を行う機能を実現するものであり、公知の技術を用いることができる。従って、本明細書中での画像診断装置４０に関する詳細な説明は省略する。

病理画像取得装置３０は、染色された組織標本を撮像し、画像をデジタル化して被検査画像データ５２を生成するものである。図２は、この病理画像取得装置３０の構成例を示すブロック図である。図３に示される例において、病理画像取得装置３０は、光学機器３１、アナログデジタルコンバータ３２、及び記憶装置（ディスク、メモリ）３３を有している。光学機器３１は、染色された組織標本の薄片が封入されたスライドを、拡大して撮像するものであり、顕微鏡に取りつけられたカメラや、スキャナーなどに例示される。アナログデジタルコンバータ３２は、光学機器３１によって撮像された画像をデジタルデータに変換する機能を実現するものであり、例えばＣＰＵやインストールされたプログラムによって構成することができる。記憶装置３３は、アナログデジタルコンバータ３２によって変換されたデジタルデータを、被検査画像データ５２として記憶（取得）するものであり、ハードディスクやメモリ等の電子媒体や、紙等に例示される。取得された被検査画像データ５２は、病理画像評価装置１０へ通知される。

図１に戻り、病理画像評価装置１０について説明する。病理画像評価装置１０は、画像取得装置３０によって取得された被検査画像データ５２が、正常に染色の行われた組織標本のデータであるか否かを判断するためのものである。病理画像評価装置１０は、記憶部１１と、染色画像評価部２１と、画像変換部２２と、出力部２３とを有している。尚、染色評価部２１、画像変換部２２、及び出力部２３は、ＣＰＵやインストールされたプログラムが協同的に作動してその機能を実現する病理画像評価プログラム２０である。

病理画像評価装置１０は、画像取得装置３０に対応して設けられる。すなわち、図２に示されるように、画像取得装置３０が複数存在する場合には、画像取得装置（３０−１〜３０−ｎ）それぞれに対応して、病理画像評価装置（１０−１〜１０−ｎ）が設けられる。病理画像取得装置３０により作成された被検査画像データ５２の色合いや周波数レベルは、病理画像取得装置３０の構成（光学機器３１、アナログデジタルコンバータ３２など）に依存する。すなわち、同じスライドから得た被検査画像データ５２であっても、光学機器３１やアナログデジタルコンバータ３２の異なる病理画像取得装置３０から得られた画像データ同士では、色合いや周波数レベルが異なることがある。特に、光学機器３１のレンズ系が異なる場合、色合いに大きな差異が生じることが多い。従って、画像処理装置３０の性能が画像評価に影響を与えない様にする為、病理画像評価装置１０を画像処理装置３０に対応させて設けることが必要である。

記憶部１１は、予め画像評価用データ５１を記憶しておく為のものであり、メモリやハードディスク等に例示される。画像評価用データ５１は、染色画像評価部２１が、被検査画像データ５２に対して、正常に染色の行われた組織標本のデータであるか否かの判断を行うに際し、基準とするデータである。また、既述のように同じスライドから得た画像でも画像取得装置３０により画像の色合い、周波数レベルが異なることがあるので、画像評価用データ５１も、画像取得装置３０毎に用意される必要が有る。

画像評価用データ５１としては、正常な染色が行われたか否かの基準とすることができる様なデータであれば、どのようなデータを用いてもよい。本実施形態では、色値の有効範囲が画像評価用データ５１として用いられる場合について説明する。

図４は、ヘマトキシリン（青）とエオシン（赤）で染色された組織標本の画像（ＨＥ染色画像）を評価するための画像評価用データ５１を説明するための概念図である。図４に示されるように、画像評価用データ５１として、ＲＧＢ色値の有効範囲が設定されている。画像評価用データ５１を作成するにあたっては、まず、正常な染色の行われたことが既知である組織標本を用意し、対応する病理画像取得装置３０によって撮像する。正常な染色が行われた組織標本であるかどうかの判定は、専門の病理医が行うのが望ましい。

ＨＥ染色画像は、青色部と赤色部と無色（未染色）部（まれに混入物）に分けることができる。そこで、正常な染色の行われた組織標本画像を、青領域、赤領域、及び無色領域に分割し、青と赤それぞれの色の分布を求める。そして、青領域のＲＧＢ値のそれぞれの値の最大値（Ｍａｘγ^Ｈ、Ｍａｘｇ^Ｈ、Ｍａｘβ^Ｈ）、最小値（Ｍｉｘγ^Ｈ、Ｍｉｘｇ^Ｈ、Ｍｉｘβ^Ｈ）、平均（μγ^Ｈ、μｇ^Ｈ、μβ^Ｈ）、標準偏差（σγ^Ｈ、σｇ^Ｈ、σβ^Ｈ）を求める。赤領域に関しても、青領域と同様に、（Ｍａｘγ^Ｅ、Ｍａｘｇ^Ｅ、Ｍａｘβ^Ｅ）、最小値（Ｍｉｘγ^Ｅ、Ｍｉｘｇ^Ｅ、Ｍｉｘβ^Ｅ）、平均（μγ^Ｅ、μｇ^Ｅ、μβ^Ｅ）、標準偏差（σγ^Ｅ、σｇ^Ｅ、σβ^Ｅ）を求める。そして、青、赤領域の各ＲＧＢ値について、平均と標準偏差より、有効範囲を設定する。図４の例では、μ±２σが有効範囲として設定されている。この有効範囲の値が、画像評価用データ５１である。すなわち、記憶部１１には、この青、赤領域のＲＧＢそれぞれの有効範囲を示すデータが記憶されていることになる。

尚、当然の事ながら、有効領域範囲の設定マージンは、±２σに限定されず、更に広く又は狭くしてもいい。また、表色系はＲＧＢに限定されず、その補色のシアン、マゼンタ、黄色を要素とするＣＭＹ系や色相を考慮したＨＳＶ，ＨＳＬ系であってもよい。また、正常に染色が行われた組織標本の画像データに基いて有効範囲を決定する場合について説明したが、あくまで一例であり、必ずしも実際の組織標本の画像データに基いて決定する必要も無い。例えば、計算値から、有効範囲が決定されてもよい。

続いて、図１に戻り、染色画像評価部２１について説明する。染色画像評価部２１は、画像取得装置３０から被検査画像データ５２を取得すると、記憶部１１を参照して、被検査画像データ５２を画像評価用データ５１と比較する。

具体的には、被検査画像データ５２に対して、色ごとの領域（青領域、赤領域、無色領域）に分離する。そして、青領域と赤領域それぞれについて、ＲＧＢ値毎の色の分布（例えば平均値）を求める。さらに、求めた分布（平均値）が、画像評価用データ５１の有効範囲内であるかどうかを判断する。判断の結果、各領域の各ＲＧＢ値が有効範囲内であった場合には、正常な染色の行われた組織標本の画像データであり、診断に用いることのできる正常なデータ（以下、良好染色画像データ５３と記載する）であると判断し、有効範囲外であった場合には診断に用いるには不適格なデータ（以下、不良染色画像データ５４と記載する）であると判断する。

出力部２３は、染色画像評価部２１の評価結果に基いて、好染色画像データ５３を画像変換部２２に通知し、不良染色画像データ５４を廃棄（削除）する、等の所定の出力処理を行う。このとき、例えば、表示装置（図示せず）に判断結果を表示したりする、等の出力処理を実行してもいい。

画像変換部２２は、良好染色画像データ５３を画像診断装置４０に適する様に変換する。これは、画像データ５３が画像診断装置４０に入力された際に、画像診断装置４０側において、画像の状態に変化が生じたりする場合があるからである。変換にあたっては、色空間と周波数レベルを変換することが好ましい。変換された画像データは、診断用画像データ５５として、画像診断装置４０に通知される。

尚、画像変換部２２における変換処理の具体的な内容は、変換の目的を考慮して設定されていることが好ましい。その変換の目的としては、例えば、（１）画像診断装置４０において正確な診断結果を出力する、（２）画像診断装置４０に入力後の画像が、別の画像診断装置に入力されたときの画像と差違を生じない様にする、といった目的が考えられる。

前者（１）の場合、まず、予めテスト用の良好染色画像データを用意しておく。そしてテスト用の良好染色画像データに対して色分布と周波数レベルを変換したサンプルを複数パターン作成する。さらに、これらの各サンプルを画像診断装置４０によって診断し、最も正確な診断結果の得られたサンプルの変換条件を求める。画像変換部２２の変換処理の内容として、最も正確な診断結果の得られたサンプルの変換条件を採用するようにすればよい。

また、後者（２）の場合、基準となる画像診断装置を決めておく。また、予めテスト用の良好染色画像データを用意しておく。そして、テスト用の良好染色画像データを、基準となる画像診断装置に入力して、画像診断装置側での画像を基準画像として把握しておく。更に、テスト用の良好染色画像データに対して、色分布と周波数レベルを複数パターンで変換した複数のサンプルを用意する。そして、各サンプルを実際に使用する画像診断装置４０に入力し、画像診断装置４０側での画像を、把握しておいた基準画像と比較する。比較の結果、両者が最も近くなるようなサンプルの変換条件を、画像変換部２２の変換条件とすればよい。

また、色分布の調整としては、Ｇａｍｍａ補正、ＲＧＢ表色系での色分布空間の平行移動、引き伸ばし、収縮、ＨＳＶ，ＨＳＬ表色系での色相変換などが例示される。

周波数レベルの調整としては、例えば、高周波成分を取り除き画像全体をぼかすローパスフィルタ、逆に高周波成分を抽出するハイパスフィルタ、を利用することが挙げられる。ノイズや画像診断に不要な高周波成分が多く、画像をぼかしたほうが診断に適する場合はローパスフィルタを利用することが好ましい。好ましく用いられるローパスフィルタとして、例えば、下記数式１に示されるガウス関数を元にしたガウスフィルタが挙げられる。

逆に画像全体がボケ気味で、エッジの部分を強調したほうが画像診断に好ましい場合は、エッジ抽出フィルタなどの高周波成分抽出フィルタで取り出した高周波成分を強調すればよい。エッジ抽出フィルタとしては、例えば、ソーベルフィルタやラプラシアンフィルタなどの微分フィルタが挙げられる。

続いて、本実施形態に係る病理染色画像評価装置１０の動作方法について説明する。図５は、本実施形態に係る病理染色画像評価方法を示すフローチャートである。

ステップＳ１０；撮影
まず、画像取得装置３０を用いて、染色された組織標本の封入されたスライドを撮影し、デジタルデータ化する。デジタルデータ化された画像は、被検査画像データ５２として、病理画像評価装置１０へ通知される。

ステップＳ２０；画像評価用データ５１の用意
次に、画像評価用データ５１を用意し、病理画像評価装置１０内の記憶部１１に格納する。画像評価用データ５１の作成方法については、既述の通りであるので、ここでは詳述しない。尚、画像評価用データ５１は、必ずしもステップＳ１０の後に用意される必要は無く、後述する画像評価の段階より前であればどの段階で用意されてもいい。

ステップＳ３０；画像評価
次に、病理画像評価装置１０が、取得した被検査画像データ５２と、記憶部１１に格納された画像評価用データ５１とに基いて、被検査画像データ５２が良好な画像であるか不良画像であるかを判断する。

ステップＳ４０、５０；出力処理
Ｓ３０の判断結果において、不良画像であると判断された被検査画像データ５２は、不良染色画像データ５４として出力部２３によって廃棄される（ステップＳ４０）。一方、良好な画像であると判断された被検査画像データ５２は、良好染色画像データ５３として出力部２３により画像変換部２２へ通知される（ステップＳ５０）。

ステップＳ６０；画像変換
次に、画像変換部２２は、良好染色画像データ５３の色分布と周波数レベルを、診断に適する様に変換する。変換された良好染色画像は、診断用画像データ５５として画像診断装置４０へ送信される。

ステップＳ７０；画像診断
画像診断装置４０によって、診断用画像データ５５の診断が行われる。これにより、一連の処理が終了する。

以上説明した様に、本実施形態に依れば、被検査画像データ５２を良好な染色画像（画像評価用データ５１）と比較することにより、診断に適した画像であるか否かを判別することができる。これにより、診断に適した画像のみを診断に用いることができる。

ここで、画像取得装置３０毎に病理評価装置１０を設けているので、病理画像取得装置の性能等が画像へ与える影響を考慮しないで診断を行うことができる。

また、診断に先だって、画像変換部２２が、良好染色画像データ５３の色分布と周波数レベルを変換するので、診断時においてより正確な診断を行うことができる。

尚、本実施形態では、染色画像評価部２１によって不良染色画像データ５４と判断された画像は棄却される場合について説明したが、不良染色画像データ５４に対して救済処理を行ってもいい。不良染色画像データ５４であっても色空間での色値有効領域の平行移動やＧａｍｍａ補正などの変換により、良好染色画像データ５３と見なせることがある。このような場合には、不良染色画像データ５４に対して、それらの簡単な画像変換を施した後、染色画像評価部２１によって再度画像評価を行う。評価の結果、正常な染色の行われた画像であるとみなされれば、変換後の画像を良好染色画像データ５３として取り扱うようにしてもよい。

また、本実施形態では、画像診断装置４０が診断を行う場合について説明したが、必ずしも計算機である画像診断装置４０を用いて診断が行われる必要はない。染色画像評価部２１によって良好染色画像データ５３と不良染色画像データ５４が判別されれば、例えば表示装置に診断用データを表示して、実際の診断は人間が行ってもよい。このようにしても、良好染色画像データ５３と不良染色画像データ５４とが選別されることにより、より正確な診断を行いやすくなるという作用を奏することができる。

（第２の実施形態）
本発明の第２の実施形態について説明する。本実施形態は、第１の実施形態と比較して、画像評価用データ５１のデータ内容、染色画像評価部２１の処理内容が異なっている。その他の点については第１の実施形態と同様であるので、説明を省略する。

図６は、画像評価用データ５１の内容を示す概念図である。本実施の形態における画像評価用データ５１は、図６に示されるように、正常な染色の行われたことが既知である画像を色値のヒストグラムとしてあらわしたものである。尚、色値のヒストグラムは、第１の実施形態と同様に、青領域、赤領域のそれぞれについて与えられる。そして各色領域全体でのＲＧＢそれぞれの値が占める割合をベクトルとする（図６の縦軸の値がベクトル値になる）。たとえば、青領域で青値２００の画素が青領域の３０％を占める場合は、青ベクトルの２００の値が０．３になる。尚、第１の実施形態と同様、表色系はＲＧＢに限定されず、その補色のシアン、マゼンタ、黄色を要素とするＣＭＹ系や色相を考慮したＨＳＶ，ＨＳＬ系であってもよい。

被検査画像データ５２を評価するにあたっては、病理画像評価部２１が、被検査画像データ５２に対して、上記と同じく青領域と赤領域それぞれの色の分布を調べ、各色領域全体でのＲＧＢそれぞれの値が占める割合をベクトルとして算出する。そして、画像評価用データ５１に示されるヒストグラムのベクトルと、被検査画像データ５２から得られたベクトル間の距離を算出する。算出した距離が一定以下であれば良好染色画像、そうでなければ不良染色画像と判断する。

以上説明した様に、本実施形態のように色値のヒストグラムを用いても、被検査画像データ５２が診断に適した画像であるか否かを判定することができ、第１の実施形態と同様の作用を奏することができる。

（第３の実施形態）
本発明の第３の実施形態について説明する。本実施形態は、第１の実施形態と比較して、画像評価用データ５１、染色画像評価部２１の処理内容が異なっている。また、コンピュータプログラムとして、機械学習アルゴリズム２４が追加されている。その他の点については、既述の実施形態と同様とすることができるので、説明を省略する。

図７は、本実施形態に係る染色画像評価装置１０の主要部の構成を表すブロック図である。図７に示されるように、機械学習アルゴリズム２４は、訓練用に用意された、良好染色画像群と不良染色画像群と、に基いて、画像評価用データ５１を生成するものである。尚、良好染色画像群は、正常に染色の行われたことが既知である複数の画像からなり、不良染色画像群は、正常に染色の行われなかったことが既知である複数の画像からなる。機械学習アルゴリズム２４によって生成された画像評価用データ５１は、染色画像評価部２１に通知される。機械学習アルゴリズム２４としては、特に限定されず、例えば、線形判別分析、ニューラルネットワーク、サポートベクターマシーンなどを用いることができる。

一方、染色画像評価部２１では、被検査画像データ５２と、機械学習アルゴリズム２４から取得した画像評価用データ５１とに基いて、被検査画像データ５２が良好染色画像データ５３であるか不良染色画像データ５４であるかを判定する。

以上説明した様に、機械学習アルゴリズム２４を用いて画像評価用データ５１を生成する様にしても、被検査画像データ５２が診断に適した画像であるか否かを判定することができ、既述の実施形態と同様の作用を奏することができる。また、第１、２の実施形態と比較すると、機械学習アルゴリズム２４の追加により装置の構成が複雑となるものの、画像評価の信頼性を統計的に保証することができる。

尚、第１から第３の実施形態について説明したが、これらは必要に応じて矛盾のない範囲で組み合わせて用いることもできる。

第１の実施形態に係る病理画像評価装置のブロック図である。 病理画像取得装置の構成を示すブロック図である。 第１の実施形態に係る病理画像評価装置のブロック図である。 第１の実施形態に係る画像評価用データ５１の例を示す概念図である。 第１の実施形態に係る病理画像評価方法を示すフローチャートである。 第２の実施形態に係る画像評価用データ５１の例を示す概念図である。 第３の実施形態に係る病理画像評価装置の要部の構成を示すブロック図である。

符号の説明

１０ 病理画像評価装置
１１ 記憶部
２０ 病理画像評価プログラム
２１ 染色画像評価部
２２ 画像変換部
２３ 出力部
２４ 機械学習アルゴリズム
３０ 病理画像取得装置
３１ 光学機器
３２ アナログデジタルコンバータ
３３ 記憶装置
４０ 画像診断装置
５１ 画像評価用データ
５２ 被検査画像データ
５３ 良好染色画像データ
５４ 不良染色画像データ
５５ 診断用画像データ
１００ 病理画像評価システム

Claims (9)

1. 染色された被検査対象の組織標本を画像取得装置により撮像して得られた被検査画データを、予め準備された画像評価用データと比較して、前記被検査対象の染色が良好に行われたものであるか否かを染色の色による複数の領域に分離後、各染色領域の色分布ヒストグラムベクトルで判断する染色画像評価部と、
   前記染色画像評価部の判断結果を出力する出力部と、
   を具備する
   病理画像評価装置。
2. 請求項１に記載された病理画像評価装置であって、
   更に、
   テスト用の画像データに基いて前記画像評価用データを生成する前記機械学習アルゴリズム
   を具備し、
   前記染色画像評価部は、前記被検査画像データを、前記機械学習アルゴリズムが生成した前記画像評価用データと比較する
   病理画像評価装置。
3. 請求項１又は２に記載された病理画像評価装置であって、
   更に、
   前記染色画像評価部により、良好な染色が行われたと判断された前記被検査画像データを、診断に適した画像データに変換する画像変換部
   を具備する
   病理画像評価装置。
4. 請求項３に記載された病理画像評価装置であって、
   前記画像変換部は、前記被検査画像データの色空間と周波数レベルを変更することで、診断に適した画像データに変換する
   病理画像評価装置。
5. 染色された被検査対象の組織標本を撮像して生成された被検査画像データを、予め準備された画像評価用データと比較して、前記被検査対象の染色が良好に行われたものであるか否かを染色の色による複数の領域に分離後、各染色領域の色分布ヒストグラムベクトルで判断する画像評価ステップと、
   前記画像評価ステップの判断結果を出力するステップと、
   を具備する
   病理画像評価方法。
6. 請求項５に記載された病理画像評価方法であって、
   画像評価用データは、機械学習アルゴリズムにより生成されたものである
   病理画像評価方法。
7. 請求項５又は６に記載された病理画像評価方法であって、
   更に、
   前記画像評価ステップにおいて良好な染色が行われたと判断された前記被検査画像データを、診断に適した画像データに変換する画像変換ステップ、
   を具備する
   病理画像評価方法。
8. 請求項７に記載された病理画像評価方法であって、
   前記画像変換ステップにおいて、前記被検査画像データの色空間と周波数レベルを変更することで、診断に適した画像データに変換する
   病理画像評価方法。
9. 請求項５乃至８のいずれかに記載された病理画像評価方法を、コンピュータによって実現する為の病理画像評価プログラム。

Images