JP5131431B2

Movatterモバイル変換

Info

Publication number: JP5131431B2
Application number: JP2007016356A
Authority: JP
Inventors: 敦丸亀
Original assignee: NEC Corp
Current assignee: NEC Corp
Priority date: 2007-01-26
Filing date: 2007-01-26
Publication date: 2013-01-30
Anticipated expiration: 2027-01-26
Also published as: JP2008185337A

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。 The present invention relates to a pathological image evaluation apparatus, a pathological image evaluation method, and a pathological image evaluation program for evaluating an image of a stained tissue specimen.

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。 In the pathology field, it is known to stain and photograph a tissue specimen and evaluate the obtained stained image. Thus, as a method for evaluating a stained image of a tissue specimen, for example, the method described inPatent Document 1 can be cited.

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。 In general, a stained image is created by first placing a slice of a stained tissue specimen on a slide glass, enclosing it with a cover glass, imaging the slide with an optical device, and outputting it on paper or a digitized electronic medium. Is done. Stained images are used for diagnosis by being directly viewed by a pathologist or the like. However, when making a diagnosis by directly viewing a stained image, the diagnostician is required to have a high ability to accurately determine the state of the tissue specimen from the image. Therefore, it has been desired to provide a technique that can make an accurate diagnosis only to a limited number of people, and even an inexperienced person can make an accurate diagnosis.

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。 In order to facilitate accurate diagnosis, it may be possible to perform image processing on a computer. As a technique related to image processing on a computer, an image quality evaluation apparatus described in Patent Document 2 can be cited. Relatedly, Patent Document 3 describes a pattern recognition device that obtains the degree of adaptation of an input pattern to a standard pattern. Further, examples of applying the image processing technique to diagnosis include, for example, a pathological image inspection support device described in Patent Document 4, a histological assessment described in Patent Document 5, and a pathological diagnosis described in Patent Document 6. Examples thereof include a support device and a cell activity determination device described in Patent Document 7.

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。 When diagnosing an image on a computer, the dyed image is subjected to uniform processing based on a computer program and diagnosed. Therefore, the diagnostic image is particularly required to have a staining level and image quality within a certain level range. In order to keep the image quality of the diagnostic image within a certain standard range, image conversion may be performed in advance.

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。 As a technique for converting an image, Patent Document 8 discloses a colorimetric improvement in the difference between the color of an image reproduced on a monitor that inputs a video signal from an imaging device and the color of an image reproduced by an image recording device. An image processing apparatus intended to do this is described.

特開２００６−１７６９２号公報JP 2006-17692 A特開２００２−３０４６２５号公報JP 2002-304625 A特開２００２−２５９９７８号公報JP 2002-259978 A特開平６−９４７０６号公報JP-A-6-94706特表２００５−５３５８９２号公報JP 2005-535892 A特開２００６−１５３７４２号公報JP 2006-153742 A特開平７−１９８７１４号公報JP-A-7-198714特開平８−３７６０４号公報JP-A-8-37604

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。 By the way, the staining degree and image quality of the stained image are greatly influenced by the conditions of the staining process of the slice of the tissue specimen described above. Since the dyeing process is performed by a person, it is greatly influenced by the skill of the operator. For example, in the case of staining of cell nuclei with hematoxylin, the degree of staining itself is an important factor in diagnosis. In such a case, depending on the result of the staining process, an accurate diagnosis cannot be made, and it may be better to perform re-staining.

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。 The state of the stained image also depends on the performance of an optical device, an analog-digital converter, or the like that is used when a tissue specimen is imaged into digital data. Therefore, even if the dyeing process is performed satisfactorily, the state of the dyed image to be output may be different if different devices such as optical devices and analog-digital converters are used. This can hinder accurate diagnosis.

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。 In addition, when an image is converted in advance for diagnosis, it may be difficult to perform an accurate diagnosis unless the image is converted so as to be suitable for the diagnosis. For example, when performing image conversion for noise removal processing by image smoothing, smoothing is a trade-off with image detail change, and is not suitable for diagnosis requiring image detail change. In addition, an image with little noise and rich changes in detail may not give the best result, and image information unnecessary for diagnosis may be more accurately diagnosed if it is deleted together with noise.

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。 Accordingly, an object of the present invention is to provide a pathological image evaluation apparatus, a pathological image evaluation method, and a pathological image evaluation program capable of determining whether or not a stained image is an image suitable for diagnosis.

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。 Another object of the present invention is to provide a pathological image evaluation apparatus, a pathological image evaluation method, and a pathological image evaluation program capable of eliminating the influence of the performance of a device used for image acquisition on a diagnostic image. Is to provide.

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。 Still another object of the present invention is to provide a pathological image evaluation apparatus, a pathological image evaluation method, and a pathological image evaluation program capable of converting a stained image in a form suitable for diagnosis.

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。 [Means for Solving the Problems] will be described below using the numbers and symbols used in [Best Mode for Carrying Out the Invention]. These numbers and symbols are added in parentheses in order to clarify the correspondence between the description of [Claims] and [Best Mode for Carrying Out the Invention]. However, these numbers and symbols should not be used for the interpretation of the technical scope of the invention described in [Claims].

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。 The pathological image evaluation apparatus (10) according to the present invention is a preliminarily prepared image of inspected image data (52) obtained by imaging a stained tissue sample to be inspected by an image acquisition apparatus (30). Compared with the evaluation data (51), a stained image evaluation unit (21) for determining whether or not the tissue specimen to be examined is stained well, and a stained image evaluation unit (21) And an output unit (23) for outputting the determination result.

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。 In the above-described pathological image evaluation apparatus (10), the stained image evaluation unit (21) preferably compares the image data to be examined (52) with the image evaluation data (51) based on data representing color. Here, from one viewpoint, it is preferable to compare the inspected image data (52) with the image evaluation data (51) based on the color value. Further, from another viewpoint, it is preferable to compare using a color histogram.

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。 The pathological image evaluation apparatus (10) further includes a machine learning algorithm (24) for generating image evaluation data (51) based on the test image data, and the stained image evaluation unit (21) includes: The inspected image data (52) is preferably compared with the image evaluation data (21) generated by the machine learning algorithm (24).

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。 In the above-mentioned pathological image evaluation apparatus (10), the image data to be examined (good stained image data 53) determined to have been satisfactorily stained by the stained image evaluation unit (21) is further suitable for diagnosis. It is preferable to include an image conversion unit (22) that converts data.

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。 In this pathological image evaluation apparatus (10), the image conversion unit (22) preferably converts the color space and frequency level of the image data to be inspected (52) into image data suitable for diagnosis. .

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。 The pathological image evaluation method according to the present invention compares inspected image data (52) generated by imaging a stained tissue sample to be inspected with previously prepared image evaluation data (51). An image evaluation step (step S30) for determining whether or not the tissue specimen to be inspected is satisfactorily stained, and a step of outputting the determination result of the image evaluation step (S30) (step S40) , 50).

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。 In this pathological image evaluation method, in the image evaluation step (S30), it is preferable to compare the inspected image data (52) with the image evaluation data (51) based on the data representing the color. At this time, from one viewpoint, it is preferable to compare the inspected image data (52) with the image evaluation data (51) based on the color value. From another viewpoint, it is preferable to make a comparison using a color histogram.

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。 In the above pathological image evaluation method, the image evaluation data (21) is preferably generated by a machine learning algorithm.

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。 In the above pathological image evaluation method, further, the image to be inspected (good stained image data 53) determined to have been stained well in the image evaluation step (S30) is converted into image data suitable for diagnosis. A conversion step (step S60) is preferably provided.

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。 In this pathological image evaluation method, in the image conversion step (S60), it is preferable to convert the image data suitable for diagnosis by changing the color space and frequency level of the image data to be examined (52).

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。 The pathological image evaluation program according to the present invention is for realizing the above pathological image evaluation method by a computer.

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。 According to the present invention, there are provided a pathological image evaluation apparatus, a pathological image evaluation method, and a pathological image evaluation program capable of determining whether a stained image is an image suitable for diagnosis.

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。 Further, according to the present invention, there are provided a pathological image evaluation apparatus, a pathological image evaluation method, and a pathological image evaluation program that can eliminate the influence of the performance of the device used for image acquisition on the image.

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。 Further, according to the present invention, a pathological image evaluation apparatus, a pathological image evaluation method, and a pathological image evaluation program capable of converting a stained image in a form suitable for diagnosis are provided.

（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。(First embodiment)
A first embodiment of the present invention will be described with reference to the drawings. FIG. 1 is a block diagram showing a configuration of a pathologicalimage evaluation system 100 according to the present embodiment. As shown in FIG. 1, in a pathologicalimage evaluation system 100, animage acquisition device 30 that captures an image of a tissue specimen and converts it into digital data, and inspectedimage data 52 generated by theimage acquisition device 30 are suitable for diagnosis. A pathologicalimage evaluation apparatus 10 that determines whether the data is data, and an imagediagnostic apparatus 40 that executes a diagnosis process based on the image data determined to be suitable for diagnosis by the pathologicalimage evaluation apparatus 10. ing. Among these configurations, thediagnostic imaging apparatus 40 realizes a function of performing diagnosis such as whether the diagnostic image data is data representing cancer cells or data representing normal cells. Yes, known techniques can be used. Therefore, the detailed description regarding thediagnostic imaging apparatus 40 in this specification is omitted.

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。 The pathologicalimage acquisition device 30 captures a stained tissue specimen, digitizes the image, and generates inspectedimage data 52. FIG. 2 is a block diagram illustrating a configuration example of the pathologicalimage acquisition apparatus 30. In the example illustrated in FIG. 3, the pathologicalimage acquisition device 30 includes anoptical device 31, an analog-digital converter 32, and a storage device (disk, memory) 33. Theoptical device 31 enlarges and images a slide in which a slice of a stained tissue specimen is enclosed, and is exemplified by a camera or a scanner attached to a microscope. The analog-digital converter 32 realizes a function of converting an image captured by theoptical device 31 into digital data, and can be configured by, for example, a CPU or an installed program. Thestorage device 33 stores (acquires) the digital data converted by the analog-digital converter 32 as the inspectedimage data 52, and is exemplified by an electronic medium such as a hard disk and a memory, paper, and the like. The acquired inspectedimage data 52 is notified to the pathologicalimage evaluation apparatus 10.

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。 Returning to FIG. 1, the pathologicalimage evaluation apparatus 10 will be described. The pathologicalimage evaluation apparatus 10 is for determining whether or not the inspectedimage data 52 acquired by theimage acquisition apparatus 30 is data of a tissue sample that has been normally stained. The pathologicalimage evaluation apparatus 10 includes astorage unit 11, a stainedimage evaluation unit 21, animage conversion unit 22, and anoutput unit 23. Note that thestaining evaluation unit 21, theimage conversion unit 22, and theoutput unit 23 are a pathologicalimage evaluation program 20 in which a CPU and an installed program operate cooperatively to realize their functions.

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。 The pathologicalimage evaluation device 10 is provided corresponding to theimage acquisition device 30. That is, as shown in FIG. 2, when there are a plurality ofimage acquisition devices 30, the pathological image evaluation devices (10-1 to 10-10) correspond to the image acquisition devices (30-1 to 30-n), respectively. -N) is provided. The hue and frequency level of the inspectedimage data 52 created by the pathologicalimage acquisition device 30 depend on the configuration of the pathological image acquisition device 30 (such as theoptical device 31 and the analog-digital converter 32). That is, even in the inspectedimage data 52 obtained from the same slide, the color and frequency level may differ between image data obtained from different pathologicalimage acquisition devices 30 of theoptical device 31 and the analog-digital converter 32. . In particular, when the lens system of theoptical device 31 is different, a great difference in color often occurs. Therefore, in order to prevent the performance of theimage processing apparatus 30 from affecting the image evaluation, it is necessary to provide the pathologicalimage evaluation apparatus 10 corresponding to theimage processing apparatus 30.

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。 Thestorage unit 11 is for storing theimage evaluation data 51 in advance, and is exemplified by a memory, a hard disk, and the like. Theimage evaluation data 51 is data used as a reference when the stainedimage evaluation unit 21 determines whether or not the inspectedimage data 52 is data of a tissue sample that has been normally stained. is there. Further, as described above, even in an image obtained from the same slide, the color and frequency level of the image may differ depending on theimage acquisition device 30, and therefore theimage evaluation data 51 needs to be prepared for eachimage acquisition device 30. Yes.

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。 As theimage evaluation data 51, any data may be used as long as it can be used as a reference for whether or not normal staining has been performed. In the present embodiment, a case where an effective range of color values is used as theimage evaluation data 51 will be described.

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。 FIG. 4 is a conceptual diagram for explainingimage evaluation data 51 for evaluating an image (HE-stained image) of a tissue specimen stained with hematoxylin (blue) and eosin (red). As shown in FIG. 4, an effective range of RGB color values is set as theimage evaluation data 51. In creating theimage evaluation data 51, first, a tissue specimen that is known to have been normally stained is prepared and imaged by the corresponding pathologicalimage acquisition device 30. It is desirable to determine whether or not the tissue specimen has been stained normally by a specialized pathologist.

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。The HE-stained image can be divided into a blue part, a red part, and a colorless (unstained) part (rarely a contaminant). Therefore, a tissue sample image that has been normally stained is divided into a blue region, a red region, and a colorless region, and the distribution of each color of blue and red is obtained. Then, the maximum value (Maxγ^H , Maxg^H , Maxβ^H ), the minimum value (Mixγ^H , Mixg^H , Mixβ^H ), the average (μγ^H , μg^H , μβ^H ) of the RGB values of the blue region, Standard deviations (σγ^H , σg^H , σβ^H ) are determined. Regarding the red region, as in the blue region, (Maxγ^E , Maxg^E , Maxβ^E ), minimum value (Mixγ^E , Mixg^E , Mixβ^E ), average (μγ^E , μg^E , μβ^E ), standard deviation ( (σγ^E , σg^E , σβ^E ) are obtained. Then, for each RGB value in the blue and red regions, an effective range is set from the average and standard deviation. In the example of FIG. 4, μ ± 2σ is set as the effective range. The value of this effective range is theimage evaluation data 51. That is, thestorage unit 11 stores data indicating the effective ranges of RGB in the blue and red regions.

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。 As a matter of course, the setting margin of the effective area range is not limited to ± 2σ, and may be wider or narrower. Further, the color system is not limited to RGB, and may be a CMY system having its complementary colors cyan, magenta, and yellow as elements, or an HSV or HSL system in consideration of hue. Further, although the case where the effective range is determined based on the image data of the tissue specimen that has been normally stained has been described, this is merely an example, and it is not always necessary to determine based on the image data of the actual tissue specimen. For example, the effective range may be determined from the calculated value.

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。 Next, returning to FIG. 1, the stainedimage evaluation unit 21 will be described. When acquiring the inspectedimage data 52 from theimage acquisition device 30, the stainedimage evaluation unit 21 refers to thestorage unit 11 and compares the inspectedimage data 52 with theimage evaluation data 51.

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。 Specifically, the inspectedimage data 52 is separated into regions for each color (blue region, red region, colorless region). Then, for each of the blue region and the red region, a color distribution (for example, an average value) for each RGB value is obtained. Further, it is determined whether or not the obtained distribution (average value) is within the effective range of theimage evaluation data 51. As a result of the determination, when each RGB value of each region is within the effective range, it is the image data of the tissue specimen that has been normally stained, and is normal data that can be used for diagnosis (hereinafter, good staining) If it is out of the effective range, it is determined that the data is unsuitable for use in diagnosis (hereinafter referred to as defective stained image data 54).

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。 Theoutput unit 23 performs predetermined output processing such as notifying theimage conversion unit 22 of the highly stainedimage data 53 and discarding (deleting) the defective stained image data 54 based on the evaluation result of the stainedimage evaluation unit 21. Do. At this time, for example, an output process such as displaying a determination result on a display device (not shown) may be executed.

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。 Theimage conversion unit 22 converts the well-stainedimage data 53 so as to be suitable for the imagediagnostic apparatus 40. This is because when theimage data 53 is input to the imagediagnostic apparatus 40, there may be a change in the state of the image on the imagediagnostic apparatus 40 side. In the conversion, it is preferable to convert the color space and the frequency level. The converted image data is notified to thediagnostic imaging apparatus 40 asdiagnostic image data 55.

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。 It should be noted that the specific content of the conversion processing in theimage conversion unit 22 is preferably set in consideration of the purpose of conversion. The purpose of the conversion is, for example, (1) outputting an accurate diagnosis result in the imagediagnostic apparatus 40, and (2) when an image input to the imagediagnostic apparatus 40 is input to another image diagnostic apparatus. The purpose may be to prevent a difference from the image.

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。 In the case of the former (1), first, well-stained image data for testing is prepared in advance. Then, a plurality of patterns are created by converting the color distribution and the frequency level of the well-stained image data for testing. Further, each of these samples is diagnosed by the imagediagnostic apparatus 40, and the conversion condition of the sample from which the most accurate diagnosis result is obtained is obtained. What is necessary is just to employ | adopt the conversion condition of the sample from which the most accurate diagnostic result was obtained as the content of the conversion process of theimage conversion part 22. FIG.

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。 In the latter case (2), a reference image diagnostic apparatus is determined. Also, good stained image data for testing is prepared in advance. Then, the well-stained image data for testing is input to the reference image diagnostic apparatus, and the image on the image diagnostic apparatus side is grasped as the reference image. Further, a plurality of samples obtained by converting the color distribution and the frequency level into a plurality of patterns are prepared for the well-stained image data for testing. Then, each sample is input to thediagnostic imaging apparatus 40 that is actually used, and the image on thediagnostic imaging apparatus 40 side is compared with the grasped reference image. As a result of the comparison, the conversion conditions of the sample that are closest to each other may be set as the conversion conditions of theimage conversion unit 22.

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。 Examples of the color distribution adjustment include Gamma correction, parallel movement of the color distribution space in the RGB color system, enlargement, contraction, hue conversion in the HSV, HSL color system, and the like.

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。Examples of the adjustment of the frequency level include using a low-pass filter that removes high-frequency components and blurs the entire image, and conversely, a high-pass filter that extracts high-frequency components. When there are many high frequency components unnecessary for noise and image diagnosis, and it is more suitable for diagnosis to blur the image, it is preferable to use a low-pass filter. As a low-pass filter that is preferably used, for example, a Gaussian filter based on a Gaussian function expressed byEquation 1 below can be given.

On the contrary, when the whole image is blurred and it is preferable for image diagnosis to emphasize the edge portion, the high frequency component extracted by a high frequency component extraction filter such as an edge extraction filter may be emphasized. Examples of the edge extraction filter include differential filters such as a Sobel filter and a Laplacian filter.

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。 Subsequently, an operation method of the pathologically stainedimage evaluation apparatus 10 according to the present embodiment will be described. FIG. 5 is a flowchart showing the pathologically stained image evaluation method according to the present embodiment.

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。Step S10: Photography First, theimage acquisition device 30 is used to photograph a slide in which a stained tissue specimen is sealed and convert it into digital data. The digitalized image is notified to the pathologicalimage evaluation apparatus 10 as inspectedimage data 52.

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。Step S20: Preparation ofImage Evaluation Data 51 Next, theimage evaluation data 51 is prepared and stored in thestorage unit 11 in the pathologicalimage evaluation apparatus 10. Since the method of creating theimage evaluation data 51 is as described above, it will not be described in detail here. Theimage evaluation data 51 is not necessarily prepared after step S10, and may be prepared at any stage as long as it is before the image evaluation stage described later.

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。Step S30; Image Evaluation Next, the pathologicalimage evaluation apparatus 10 determines that theimage data 52 to be inspected is good based on the acquiredimage data 52 to be inspected and theimage evaluation data 51 stored in thestorage unit 11. Or a defective image.

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）。Steps S40 and 50: Output Processing Theinspection image data 52 determined to be a defective image in the determination result of S30 is discarded as defective stained image data 54 by the output unit 23 (step S40). On the other hand, the inspectedimage data 52 determined to be a good image is notified to theimage conversion unit 22 by theoutput unit 23 as good stained image data 53 (step 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。Step S60: Image Conversion Next, theimage conversion unit 22 converts the color distribution and frequency level of the well-stainedimage data 53 so as to be suitable for diagnosis. The converted well-stained image is transmitted to thediagnostic imaging apparatus 40 asdiagnostic image data 55.

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。Step S70: Image Diagnosis Thediagnostic image data 55 is diagnosed by thediagnostic imaging apparatus 40. As a result, a series of processing ends.

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。 As described above, according to the present embodiment, theimage data 52 to be inspected is compared with a good stained image (image evaluation data 51) to determine whether the image is suitable for diagnosis. be able to. Thereby, only an image suitable for diagnosis can be used for diagnosis.

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。 Here, since thepathological evaluation apparatus 10 is provided for eachimage acquisition apparatus 30, diagnosis can be performed without considering the influence of the performance of the pathological image acquisition apparatus on the image.

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。 In addition, prior to diagnosis, theimage conversion unit 22 converts the color distribution and frequency level of the well-stainedimage data 53, so that more accurate diagnosis can be performed at the time of diagnosis.

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。 In the present embodiment, the case where the image determined as the defective stained image data 54 by the stainedimage evaluation unit 21 is rejected has been described. However, relief processing may be performed on the defective stained image data 54. Even the poorly stained image data 54 may be regarded as the goodstained image data 53 by conversion such as parallel movement of the color value effective region in the color space or Gamma correction. In such a case, after performing simple image conversion on the defective stained image data 54, the stainedimage evaluation unit 21 performs image evaluation again. As a result of the evaluation, if the image is regarded as a normal stained image, the converted image may be handled as the favorablestained image data 53.

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。 In this embodiment, the case where thediagnostic imaging apparatus 40 performs a diagnosis has been described. However, the diagnostic imaging need not necessarily be performed using thediagnostic imaging apparatus 40 that is a computer. If the stainedimage evaluation unit 21 determines the goodstained image data 53 and the poorly stained image data 54, for example, diagnosis data may be displayed on a display device, and actual diagnosis may be performed by a human. Even in this case, the goodstained image data 53 and the poorly stained image data 54 are selected, so that an effect of facilitating more accurate diagnosis can be achieved.

（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。(Second Embodiment)
A second embodiment of the present invention will be described. The present embodiment differs from the first embodiment in the data content of theimage evaluation data 51 and the processing content of the stainedimage evaluation unit 21. Since other points are the same as those in the first embodiment, description thereof is omitted.

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。 FIG. 6 is a conceptual diagram showing the contents of theimage evaluation data 51. As shown in FIG. 6, theimage evaluation data 51 in the present embodiment represents an image that is known to have been normally stained as a histogram of color values. Note that the color value histogram is provided for each of the blue region and the red region, as in the first embodiment. A ratio of RGB values in each color region as a whole is a vector (the value on the vertical axis in FIG. 6 is a vector value). For example, when a pixel having a blue value of 200 occupies 30% of the blue region in the blue region, the value of the blue vector 200 is 0.3. As in the first embodiment, the color system is not limited to RGB, and may be a CMY system having its complementary colors cyan, magenta, and yellow as elements, or an HSV or HSL system in consideration of hue.

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。 In evaluating the inspectedimage data 52, the pathologicalimage evaluation unit 21 examines the color distribution of each of the blue region and the red region for the inspectedimage data 52 as described above, and each of the RGB in each color region as a whole. The ratio occupied by the value of is calculated as a vector. Then, the distance between the histogram vector shown in theimage evaluation data 51 and the vector obtained from the inspectedimage data 52 is calculated. If the calculated distance is equal to or smaller than a certain distance, it is determined that the image is a good stained image, and otherwise, it is determined as a defective stained image.

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。 As described above, even if a histogram of color values is used as in the present embodiment, it can be determined whether theimage data 52 to be inspected is an image suitable for diagnosis, as in the first embodiment. Similar effects can be achieved.

（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。(Third embodiment)
A third embodiment of the present invention will be described. This embodiment is different from the first embodiment in the processing contents of theimage evaluation data 51 and the stainedimage evaluation unit 21. Further, amachine learning algorithm 24 is added as a computer program. About another point, since it can be made the same as that of above-mentioned embodiment, description is abbreviate | omitted.

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。 FIG. 7 is a block diagram illustrating a configuration of a main part of the stainedimage evaluation apparatus 10 according to the present embodiment. As shown in FIG. 7, themachine learning algorithm 24 generatesimage evaluation data 51 based on a group of good stained images and a group of poorly stained images prepared for training. The well-stained image group is composed of a plurality of images that are known to be normally stained, and the poorly-stained image group is composed of a plurality of images that are known not to be stained normally. . Theimage evaluation data 51 generated by themachine learning algorithm 24 is notified to the stainedimage evaluation unit 21. Themachine learning algorithm 24 is not particularly limited, and for example, a linear discriminant analysis, a neural network, a support vector machine, or the like can be used.

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。 On the other hand, the stainedimage evaluation unit 21 determines whether the inspectedimage data 52 is the goodstained image data 53 or the defectively stained image based on the inspectedimage data 52 and theimage evaluation data 51 acquired from themachine learning algorithm 24. Whether the data is 54 is determined.

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。 As described above, even when theimage evaluation data 51 is generated using themachine learning algorithm 24, it is possible to determine whether the inspectedimage data 52 is an image suitable for diagnosis. The same operation as the above-described embodiment can be achieved. Compared with the first and second embodiments, the addition of themachine learning algorithm 24 complicates the configuration of the apparatus, but the reliability of image evaluation can be statistically guaranteed.

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。 In addition, although 1st-3rd embodiment was demonstrated, these can also be used in combination in the range without a contradiction as needed.

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。1 is a block diagram of a pathological image evaluation apparatus according to a first embodiment.病理画像取得装置の構成を示すブロック図である。It is a block diagram which shows the structure of a pathological image acquisition apparatus.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。1 is a block diagram of a pathological image evaluation apparatus according to a first embodiment.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。It is a conceptual diagram which shows the example of thedata 51 for image evaluation which concerns on 1st Embodiment.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。It is a flowchart which shows the pathological image evaluation method which concerns on 1st Embodiment.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。It is a conceptual diagram which shows the example of thedata 51 for image evaluation which concerns on 2nd Embodiment.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。It is a block diagram which shows the structure of the principal part of the pathological image evaluation apparatus which concerns on 3rd Embodiment.

符号の説明Explanation of symbols

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DESCRIPTION OFSYMBOLS 10 Pathologicalimage evaluation apparatus 11 Memory |storage part 20 Pathologicalimage evaluation program 21 Stainedimage evaluation part 22Image conversion part 23Output part 24Machine learning algorithm 30 Pathologicalimage acquisition apparatus 31Optical apparatus 32 Analogdigital converter 33 Memory |storage device 40 Imagediagnostic apparatus 51Image Evaluation data 52 Image data to be inspected 53 Good stained image data 54 Bad stainedimage data 55Diagnosis image data 100 Pathological image evaluation system

Claims

Translated fromJapanese

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。The image data to be inspected obtained by imaging the stained tissue specimen to be inspected by the image acquisition device is compared with the image evaluation data prepared in advance, so that the object to be inspected is satisfactorily stained.after separation and the at whether thoseinto a plurality of regions by the color of the stain, the stain image evaluation unit forjudgment in the color distribution histogram vectorof each dyed region,
An output unit for outputting the determination result of the stained image evaluation unit;
A pathological image evaluation apparatus comprising:

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。The pathological image evaluation apparatus according to claim 1,
Furthermore,
Comprising the machine learning algorithm for generating the image evaluation data based on test image data;
The stained image evaluation unit is a pathological image evaluation device that compares the image data to be examined with the image evaluation data generated by the machine learning algorithm.

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。The pathological image evaluation apparatus according to claim 1 or 2,
Furthermore,
A pathological image evaluation apparatus comprising: an image conversion unit that converts the image data to be inspected, which is determined to have been satisfactorily stained by the stained image evaluation unit, into image data suitable for diagnosis.

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。A pathological image evaluation apparatus according to claim 3, wherein
The pathological image evaluation apparatus, wherein the image conversion unit converts image data suitable for diagnosis by changing a color space and a frequency level of the image data to be inspected.

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。The inspected image data generated by imaging the stained tissue sample of the inspected object is compared with the image evaluation data prepared in advance, and the inspected object is stained well. An image evaluation step for determining whether or notthe color distribution histogram vector ofeach staining area after separating into a plurality of areas by staining color ;
Outputting a judgment result of the image evaluation step;
A pathological image evaluation method comprising:

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。The pathological image evaluation method according to claim 5,
The pathological image evaluation method, wherein the image evaluation data is generated by a machine learning algorithm.

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。The pathological image evaluation method according to claim 5 or 6,
Furthermore,
An image conversion step for converting the image data to be inspected, which is determined to have been satisfactorily stained in the image evaluation step, into image data suitable for diagnosis;
A pathological image evaluation method comprising:

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。The pathological image evaluation method according to claim 7,
In the image conversion step, a pathological image evaluation method for converting into image data suitable for diagnosis by changing a color space and a frequency level of the image data to be inspected.

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。 A pathological image evaluation program for realizing the pathological image evaluation method according to any one of claims 5 to 8 by a computer.