図面 (/)

技術 分析システム、分析プログラム及び分析方法

出願人 ソニー株式会社
発明者 大島志織中川和博松居恵理子
出願日 2013年9月5日 (6年0ヶ月経過) 出願番号 2013-184034
公開日 2014年9月25日 (4年11ヶ月経過) 公開番号 2014-179061
状態 特許登録済
技術分野 イメージ分析 光学的手段による材料の調査、分析
主要キーワード 時間窓毎 周波数特徴量 分析開始時刻 周波数解析手法 分析対象領域 算出範囲 空間変動 高速フーリエ
関連する未来課題
重要な関連分野

この項目の情報は公開日時点(2014年9月25日)のものです。
また、この項目は機械的に抽出しているため、正しく解析できていない場合があります

図面 (20)

課題

分析対象を経時的に撮像した動画像から分析対象の経時的な動きを評価することが可能な分析ステム分析プログラム及び分析方法を提供すること。

解決手段

本技術に係る分析システムは、特徴量算出部を具備する。特徴量算出部は、分析対象を経時的に撮像した分析対象動画像において、動き量の特徴を示す特徴量を時間範囲毎に算出する。

概要

背景

iPS細胞の作成(特許文献1参照)により、再生医療組織工学細胞工学等の分野の進歩は著しく、細胞の状態の評価や、細胞に対する薬物等の効果や影響の評価に対する要望が非常に大きくなっている。特に神経細胞においても、iPS細胞等の胚性幹細胞から神経細胞を作製する方法が確立されてきており(特許文献2参照)、神経細胞の有効な分析方法が求められている。

細胞の分析方法として、分析対象の細胞を経時的に撮像した動画解析し、そこから得られる情報に基づいて細胞の分析を行う方法が研究されている。例えば特許文献3には、細胞を含む動画において動きベクトルを検出し、動画に含まれる細胞の動き協同性を評価する画像処理装置が開示されている。

概要

分析対象を経時的に撮像した動画像から分析対象の経時的な動きを評価することが可能な分析システム分析プログラム及び分析方法を提供すること。本技術に係る分析システムは、特徴量算出部を具備する。特徴量算出部は、分析対象を経時的に撮像した分析対象動画像において、動き量の特徴を示す特徴量を時間範囲毎に算出する。

目的

以上のような事情に鑑み、本技術の目的は、分析対象を経時的に撮像した動画像から分析対象の経時的な動きを評価することが可能な分析システム、分析プログラム及び分析方法を提供する

効果

実績

技術文献被引用数
1件
牽制数
2件

この技術が所属する分野

(分野番号表示ON)※整理標準化データをもとに当社作成

ライセンス契約や譲渡などの可能性がある特許掲載中! 開放特許随時追加・更新中 詳しくはこちら

請求項1

分析対象を経時的に撮像した分析対象動画像において、動き量の特徴を示す特徴量を時間範囲毎に算出する特徴量算出部を具備する分析ステム

請求項2

請求項1に記載の分析システムであって、前記特徴量の時間変化又は空間変化可視化する特徴量表示部をさらに具備する分析システム。

請求項3

請求項2に記載の分析システムであって、前記特徴量表示部は、前記特徴量の時間変化を可視化して前記分析対象動画像に重畳させ、特徴量表示動画像を生成する分析システム。

請求項4

請求項1に記載の分析システムであって、前記分析対象動画像の特定の範囲を算出範囲として指定する範囲指定部をさらに具備し、前記特徴量算出部は、前記算出範囲毎に前記特徴量を算出するをさらに具備する分析システム。

請求項5

請求項1に記載の分析システムであって、前記特徴量は、動きの量や方向の平均値最大値最小値標準偏差、分散、変動係数、又は周波数特徴量若しくはこれらの組み合わせである分析システム。

請求項6

請求項5に記載の分析システムであって、前記周波数特徴量は、周波数解析によって得られる平均強度ピーク周波数又は平均パワー周波数である分析システム。

請求項7

請求項1に記載の分析システムであって、前記分析対象は神経細胞である分析システム。

請求項8

請求項1に記載の分析システムであって、前記分析対象動画像を構成する静止画において、分析対象が存在する領域である分析対象領域を特定する分析対象領域特定部をさらに具備し、前記特徴量算出部は、前記分析対象動画像において、前記分析対象領域について前記特徴量を算出する分析システム。

請求項9

請求項8に記載の分析システムであって、前記特徴量算出部は、前記分析対象領域において動き速度閾値以上の領域である動き領域を利用して前記特徴量を算出する分析システム。

請求項10

請求項9に記載の分析システムであって、前記特徴量算出部は、前記分析対象領域に占める前記動き領域の割合を前記特徴量として算出する分析システム。

請求項11

請求項9に記載の分析システムであって、前記特徴量算出部は、前記分析対象領域における動き速度の平均値を前記特徴量として算出する分析システム。

請求項12

請求項9に記載の分析システムであって、前記特徴量算出部は、前記動き領域における動き速度の平均値を前記特徴量として算出する分析システム。

請求項13

請求項1に記載の分析システムであって、前記特徴量算出部は、動き量の周波数解析によって得られるパワースペクトル密度の所定の周波数帯における面積を周波数特徴量として算出する分析システム。

請求項14

分析対象を経時的に撮像した分析対象動画像において、動き量の特徴を示す特徴量を時間範囲毎に算出する特徴量算出部としてコンピュータを機能させる分析プログラム

請求項15

分析対象を経時的に撮像した分析対象動画像において、動き量の特徴を示す特徴量を時間範囲毎に算出する分析方法

技術分野

0001

本技術は、分析対象を経時的に撮像した動画像を分析対象とする分析ステム分析プログラム及び分析方法に関する。

背景技術

0002

iPS細胞の作成(特許文献1参照)により、再生医療組織工学細胞工学等の分野の進歩は著しく、細胞の状態の評価や、細胞に対する薬物等の効果や影響の評価に対する要望が非常に大きくなっている。特に神経細胞においても、iPS細胞等の胚性幹細胞から神経細胞を作製する方法が確立されてきており(特許文献2参照)、神経細胞の有効な分析方法が求められている。

0003

細胞の分析方法として、分析対象の細胞を経時的に撮像した動画解析し、そこから得られる情報に基づいて細胞の分析を行う方法が研究されている。例えば特許文献3には、細胞を含む動画において動きベクトルを検出し、動画に含まれる細胞の動き協同性を評価する画像処理装置が開示されている。

先行技術

0004

特開2011−188860号公報
特開2006−525210号公報
特開2012−105631号公報

発明が解決しようとする課題

0005

しかしながら、特許文献3に記載の画像処理装置は、動画からひとつの評価値を算出するものであり、動画における細胞の経時的な動きを評価するものではない。本発明者らは、細胞等の分析対象が経時的に撮像された動画像において、分析対象の経時的な動きを評価することが可能な分析手法を新たに見出した。

0006

以上のような事情に鑑み、本技術の目的は、分析対象を経時的に撮像した動画像から分析対象の経時的な動きを評価することが可能な分析システム、分析プログラム及び分析方法を提供することにある。

課題を解決するための手段

0007

上記目的を達成するため、本技術の一形態に係る分析システムは、特徴量算出部を具備する。
上記特徴量算出部は、分析対象を経時的に撮像した分析対象動画像において、動き量の特徴を示す特徴量を時間範囲毎に算出する。

0008

分析対象動画像おける動き量(動きベクトル)は、分析対象動画像に含まれる分析対象の動きに応じて変動し、各時間範囲における特徴量は当該時間範囲における動き量の特徴を表す。したがって、特徴量を指標として動き量の時間変化を評価することが可能であり、即ち分析対象の動きを評価することが可能である。

0009

上記分析システムは、上記特徴量の時間変化又は空間変化可視化する特徴量表示部をさらに具備してもよい。

0010

この構成によれば、ユーザが可視化された特徴量の時間変動空間変動を利用して分析対象の動きを評価することが可能となる。

0011

上記分析システムは、上記特徴量の時間変化を可視化して上記分析対象動画像に重畳させ、特徴量表示動画像を生成する特徴量表示部をさらに具備してもよい。

0012

特徴量表示動画像には分析対象動画像と、分析対象動画像に伴なって変動する特徴量が表示されるため、ユーザは特徴量によって表される動き量の特徴を参照しながら分析対象動画像を観察することが可能となる。

0013

上記分析システムは、上記分析対象動画像の特定の範囲を算出範囲として指定する範囲指定部をさらに具備し、上記特徴量算出部は、上記算出範囲毎に上記特徴量を算出してもよい。

0014

この構成によれば、分析対象動画像の特定の範囲(算出範囲)毎に特徴量が算出されるため、その範囲毎に分析対象の動きを評価することが可能である。算出範囲は、ユーザによって指定された範囲であってもよく、分析対象動画像を複数に分割した範囲であってもよい。

0015

上記特徴量は、動きの量や方向の平均値最大値最小値、、標準偏差、分散、変動係数又は周波数特徴量若しくはこれらの組み合わせであってもよい。

0016

上記各種の特徴量は動き量の特徴を表すため、これらの特徴量を指標として分析対象の動きを評価することが可能である。なお、これらの特徴量は、いずれか一つ又は複数が利用されてもよい。特徴量の種類によって表される動き量の特徴が異なるため、評価したい分析対象の動きに応じて適切な特徴量を選択することが可能である。

0017

上記周波数特徴量は、周波数解析によって得られる平均強度ピーク周波数又は平均パワー周波数であってもよい。

0018

上記各種の周波数特徴量は、高速フーリエ変化(FFT)、ウェーブレット変換最大エントロピー法MEM)等の周波数解析によって得られ、動き量の周波数に関する情報を含む。しがって、これらの特徴量を指標として分析対象の動きを動き量の周波数の点から評価することが可能である。なお、これらの特徴量は、いずれか一つ又は複数が利用されてもよい。

0019

上記分析対象は神経細胞であってもよい。

0020

神経細胞の動き(振動等)は、神経細胞に印加されている刺激の種類(抑制性興奮性等)や神経細胞ネットワーク形成状態によって影響を受ける。しかしその動きは心筋細胞拍動等と比較して微小であり、より精度の高い分析が要求される。本分析システムは、特徴量を指標として細胞の動きを高精度に分析することが可能であるため、神経細胞は本分析システムによる分析対象として好適である。

0021

上記分析システムは、上記分析対象動画像を構成する静止画において、分析対象が存在する領域である分析対象領域を特定する分析対象領域特定部をさらに具備し、
上記特徴量算出部は、上記分析対象動画像において、上記分析対象領域について上記特徴量を算出してもよい。

0022

この構成によれば、特徴量算出部は、分析対象動画像において、分析対象(細胞等)が存在する領域のみについて、特徴量を算出することが可能である。分析対象動画像において分析対象が存在しない領域(細胞の間等)については特徴量が算出されないため、
特徴量算出部は高速に特徴量を算出することができ、ノイズの発生を防止することも可能である。

0023

上記特徴量算出部は、上記分析対象領域において動き速度閾値以上の領域である動き領域を利用して上記特徴量を算出してもよい。

0024

動き領域は、分析対象領域のうち動き速度が閾値以上の領域であり、即ち分析対象において動きが大きい部分である。分析対象の中には、特定の部分(例えば神経細胞における神経突起)のみが大きく動くものがあり、特徴量算出部が動き領域を特定することにより、動きが大きい部分の動きを抽出し、解析することが可能となる。

0025

上記特徴量算出部は、上記分析対象領域に占める上記動き領域の割合を上記特徴量として算出してもよい。

0026

動き領域割合は、分析対象領域のうち、動き領域がどの程度であるかを示し、分析対象における動きの傾向を表す。これにより、例えば動き領域割合が大きい場合、分析対象(細胞等)の全体が振動しており、動き領域割合が小さい場合、分析対象の特定部分が振動している等と判断することが可能となる。

0027

上記特徴量算出部は、上記分析対象領域における動き速度の平均値を上記特徴量として算出してもよい。

0028

分析対象領域における動き速度の平均値は、分析対象の全体的な動きを表す。平均する動き速度を分析対象領域に限ることによって、分析対象が存在しない領域(細胞の間等)の動き速度が平均されることを防止することが可能である。

0029

上記特徴量算出部は、上記動き領域における動き速度の平均値を上記特徴量として算出してもよい。

0030

動き領域における動き速度の平均値は、分析対象のうち、動いている部分の動き速度を表す。これにより、例えば、分析対象において特定の部分のみが活発に振動している場合、その部分のみの動き速度を判断することが可能となる。仮に分析対象の全体において動き速度の平均値を求めると、振動していない部分の動き速度も平均されてしまうため、活発に振動している部分の動き速度の解析が困難となるが、上記構成により、このような場合であっても解析が可能となる。

0031

上記特徴量算出部は、動き量の周波数解析によって得られるパワースペクトル密度の所定の周波数帯における面積を周波数特徴量として算出してもよい。

0032

この構成によれば、所定の周波数帯における振動の情報が特徴量として抽出されるため、
分析対象のうち注目する部分(例えば神経細胞の神経突起)の周波数帯のみに限定して解析を行うことが可能となる。換言すれば、分析対象の振動のうち、注目する周波数帯以外の振動は解析の対象から除外することが可能となり、分析対象が複数の周波数の振動を有している場合であっても、有効に解析を行うことが可能となる。

0033

上記目的を達成するため、本技術の一形態に係る分析プログラムは、特徴量算出部としてコンピュータを機能させる。
上記特徴量算出部は、分析対象を経時的に撮像した分析対象動画像において、動き量の特徴を示す特徴量を時間範囲毎に算出する。

0034

上記目的を達成するため、本技術の一形態に係る分析方法は、分析対象を経時的に撮像した分析対象動画像において、動き量の特徴を示す特徴量を時間範囲毎に算出する。

発明の効果

0035

以上のように、本技術によれば、分析対象が経時的に撮像された分析対象動画像から分析対象の経時的な動きを評価することが可能な分析システム、分析プログラム及び分析方法を提供することが可能である。

図面の簡単な説明

0036

本技術の第1の本実施形態に係る分析システムの構成を示す模式図である。
同分析システムの動作を示すフローチャートである。
同分析システムの動画像取得部が取得する分析対象動画像の例である。
同分析システムの算出範囲指定部が指定する算出範囲の例である。
同分析システムの特徴量算出部が算出する時間−動き量波形の例である。
同分析システムの特徴量算出部による特徴量の算出方法の模式図である。
同分析システムの特徴量算出部によって算出されるパワースペクトル密度を示す模式図である。
同分析システムの特長量表示部による特徴量表示動画像の生成を示す模式図である。
同分析システムの特徴量表示部によって生成される特徴量表示動画像の例である。
同分析システムの特徴量表示部によって表示される時間窓毎周波数特性の例である。
同分析システムの特徴量表示部によって表示される特徴量の表の例である。
本技術の第2の本実施形態に係る分析システムの構成を示す模式図である。
同分析システムの動作を示すフローチャートである。
同分析システムの分析対象領域特定部によって特定される分析対象領域を示す模式図である。
同分析システムの分析対象領域特定部によって特定される分析対象領域の例である。
同分析システムの動き量検出部によって、分析対象領域について検出される動き速度を示す模式図である。
同分析システムの動き量検出部によって検出される動き領域の例である。
同分析システムの特徴量算出部によって算出されるパワースペクトル密度を示す模式図である。
同分析システムの特徴量算出部によって算出される特徴量の例である。
同分析システムの特徴量表示部によって生成される特徴量表示動画像の例である。
同分析システムの特徴量表示部によって表示される特徴量の表の例である。
同分析システムの特徴量表示部によって表示される特徴量のグラフの例である。
同分析システムの特徴量表示部によって表示される特徴量のグラフの例である。
同分析システムの特徴量表示部によって表示される特徴量を選択するためのインターフェースの例である。
同分析システムの特徴量表示部によって表示される特徴量を選択するためのインターフェースの例である。

実施例

0037

(第1の実施形態)
本技術の第1の実施形態に係る分析システムについて説明する。

0038

図1は、本実施形態に係る分析システム100の構成を示す模式図であり、図2は分析システム100の動作を示すフローチャートであるである。図1に示すように分析システム100は、動画像取得部101、動き量検出部102、範囲指定部103、特徴量算出部104及び特徴量表示部105を有する。分析システム100は、情報処理装置によって実現される機能的構成とすることができ、単一の情報処理装置によって実現されてもよく、ネットワークを介して接続された複数の情報処理装置によって実現されてもよい。

0039

動画像取得部101は、「分析対象動画像」を取得する。分析対象動画像は、分析対象の細胞や細胞群を経時的に撮像した動画像であり、動画像は連続的に撮像された複数のフレームから構成される動画や、タイムラプス撮影により撮像された静止画を含む。分析対象動画像の撮像速度は分析対象に応じて適宜設定することが可能であり、分析対象が神経細胞の場合は50fps(frame/sec)以下、例えば1fpm(frame/min)とすることができる。分析対象が心筋細胞の場合は150fps以上とすることができる。

0040

分析対象動画像は、明視野撮像、暗視野撮像、位相差撮像、蛍光撮像共焦点撮像、多光子励起蛍光撮像、吸収光撮像、乱光撮像等の各種の光学的な撮像方法を利用して撮像された動画像であるものとすることができる。

0041

図3は、分析対象動画像の例であり、複数の神経細胞を含む動画像である。動画像取得部101は、図示しない撮像装置顕微鏡撮像装置)から分析対象動画像を取得してもよく、ストレージに格納されている動画像やネットワークから供給された動画像を分析対象動画像として取得するものとすることも可能である。この際、動画像取得部101は、予め撮像された動画像から、分析対象の種類に応じて所定の周期サンプリングし、分析対象動画像を取得してもよい。動画像取得部101は、取得した分析対象動画像を動き量検出部102に供給する。

0042

動き量検出部102は、分析対象動画像における「動き量」(動きベクトル)を検出する(図2、St101)。動き量は、分析対象動画像を構成するフレーム間において、対応する各画素又は画素群の時間に伴なう移動量及び移動方向を含み、ブロックマッチング等の画像処理手法によって検出することが可能である。動き量検出部102は、検出した動き量を範囲指定部103に供給する。

0043

範囲指定部103は、分析対象動画像において「算出範囲」を指定する。算出範囲は、分析対象動画像において後述する特徴量を算出するための範囲であり、一つ又は複数の範囲とすることができる。図4は分析対象動画像において指定された算出範囲の例を示し、白線区画された各範囲が算出範囲である。

0044

範囲指定部103は、ユーザによって指示された範囲を算出範囲として指定してもよく、予め定められた範囲を算出範囲として指定してもよい。予め定められた範囲は、例えば、図4に示すように分析対象動画像を多分割(例えば10×10)した範囲とすることができる。また、範囲指定部103は、分析対象動画像の全体を一つの算出範囲として指定してもよい。範囲指定部103は、算出範囲と算出範囲毎の動き量を特徴量算出部104に供給する。

0045

特徴量算出部104は、算出範囲毎に「特徴量」を算出する。(図2、St102)。特徴量は、分析対象動画像における時間範囲毎の動き量の特徴を示す量である。この時間範囲は、一定の時間範囲であってもよく、可変の時間範囲であってもよい。具体的には特徴量算出部104は、算出範囲毎の動き量から、動き量の時間変動である時間−動き量波形を算出する。図5は時間−動き量波形の例であり、横軸(frame)は分析対象動画像のフレーム、即ち撮像時間を示し、縦軸(motion)は動き量を示す。

0046

特徴量算出部104は、時間−動き量波形を利用して特徴量を算出する。具体的には特徴量は、拍動エリア(細胞の存在する面積)、動き量の平均値、最大値、最小値、標準偏差、分散又は変動係数等を含む。特徴量算出部104は、時間−動き量波形において特徴量を算出する時間範囲を移動させながら、特徴量を連続的に算出する。特徴量を算出する時間範囲は、特徴量の種類や分析対象の動き等に応じて適宜設定することが可能である。

0047

さらに、特徴量は、「周波数特徴量」を含む。特徴量算出部104は、時間−動き量波形に対して周波数解析を施すことにより周波数特徴量を算出することが可能である。図6は、特徴量算出部104による周波数特徴量の算出方法を示す図である。特徴量算出部104は予め、DC(直流)成分の除去やフィッティング等の前処理を行った上で、図6に示すように、時間−動き量波形に対して時間窓(window)を設定する。

0048

特徴量算出部104は、時間窓を移動させながら、時間窓に含まれる波形に対して高速フーリエ変換(FFT)解析を行い(図2、St103)、得られた結果からパワースペクトル密度(power spectral density:PSD)を算出する。図7に、パワースペクトル密度の例を示す。

0049

特徴量算出部104は、周波数解析によって得られる平均強度、ピーク周波数又は平均パワー周波数(MPF:mean power frequency)等を周波数特徴量として算出することができる(図2、St104)。周波数解析には高速フーリエ変換(FFT)、ウェーブレット変換、最大エントロピー法(MEM)等の各種周波数解析手法が含まれる。なお、MPFは、パワースペクトル密度において面積比が等しくなる周波数である。図6に、面積Aと面積Bが等しくなるMPFを示す。特徴量算出部104は、算出した特徴量を特徴量表示部105に供給する。なお、特徴量算出部104は同一の時間範囲から複数種の特徴量を算出してもよい。

0050

特徴量表示部105は、特徴量の時間変化又は空間変化を可視化する。具体的には特徴量表示部105は、特徴量を可視化して分析対象動画像に重畳させ、特徴量表示動画像を生成する(図2、St105)ことができる。図8は、特徴量表示動画像の生成方法を示す模式図である。特徴量表示部105は、特徴量の値の大小に応じて色彩を付し、あるいは濃淡を付し、特徴量が算出された算出範囲に対応させて配置することによって特徴量を可視化することができる。特徴量表示部105は、上記可視化された特徴量を、分析対象動画像において特徴量が算出された時間範囲に対応するフレームに重畳させ、特徴量表示動画像を生成する。

0051

図8に示す特徴量表示動画像は、分析対象動画像を100分割した算出範囲(図4参照)からMPFを算出し、分析対象動画像に重畳させた例である。特徴量表示部105は生成した特徴量表示動画像をディスプレイに供給し、表示させるものとすることができる。これにより、ユーザは特徴量によって表される動き量の特徴を参照しながら分析対象動画像を観察することが可能となる。

0052

特徴量表示部105は、MPF以外にも各種の特徴量を分析対象動画像に重畳させ、特徴量表示動画像を生成することができる。図9は、各種の特徴量を分析対象動画像に重畳させた特徴量表示動画像の例である。図9(a)は動き量平均図9(b)は動き量分散値図9(c)はMPF(周波数)がそれぞれ重畳された特徴量である。これらの図に示すように、特徴量の種類によって観察できる特徴が異なり、例えば動き量分散値は細胞突起付近で大きく、周波数成分は細胞体で周波数が低い等の特徴を観察することが可能となる。

0053

また、特徴量表示部105は、上述した時間窓毎の周波数特性を表示させ、特徴量の空間変化を可視化してもよい(図2、St106)。図10は、時間窓毎の周波数特性の例である。10(a)はGABA投与されたiPS由来の神経細胞の周波数特性であり、図10(b)はグルタミン酸が投与された同神経細胞の周波数特性である。

0054

GABAは神経細胞に抑制性の刺激を与える生理活性物質であり、投与された神経細胞は、低周波数の動き(振動)を生じる。グルタミン酸は神経細胞に興奮性の刺激を与える生理活性物質であり、投与された神経細胞は、高周波数の動きを生じる。図10(a)に示す周波数特性では、低周波数の動きが活発化しており、GABAによる神経細胞への影響が検出できることがわかる。

0055

さらに特徴量表示部105は、特徴量算出部104によって算出された特徴量を表やグラフとして表示してもよい(図2、St107)。図11は、特徴量を示す表の例である。同図に示すように、特徴量の表やグラフが表示されることによって、ユーザは特徴量の値や傾向を把握しやすくなる。

0056

本実施形態に係る分析システム100は以上のように構成される。分析システム100によれば、特徴量を利用して分析対象動画像における分析対象の動きを評価することが可能である。具体的には分析システム100は、生理活性物質の効果の評価、薬剤の効果、毒性の評価、神経細胞の品質管理、神経細胞の分化状態の評価、異常細胞やネットワーク異常の領域の特定、病態由来の細胞の評価による病態の評価等に利用することが可能である。

0057

分析システム100の分析対象は特に限定されない。しかしながら、分析システム100の分析対象として神経細胞が好適である。神経細胞の動き(振動等)は、神経細胞に印加されている刺激の種類(抑制性や興奮性等)や神経細胞ネットワークの形成状態によって影響を受ける。しかしその動きは心筋細胞の拍動等と比較して微小であり、より精度の高い分析が要求される。分析システム100は、特徴量を指標として細胞の動きを高精度に分析することが可能であるため、神経細胞は本分析システムによる分析対象として好適である。

0058

(第2の実施形態)
本技術の第2の実施形態に係る分析システムについて説明する。

0059

図12は、本実施形態に係る分析システム200の構成を示す模式図であり、図13は分析システム200の動作を示すフローチャートであるである。図12に示すように分析システム200は、動画像取得部201、分析対象領域特定部202、動き量検出部203、特徴量算出部204及び特徴量表示部205を有する。分析システム200は、情報処理装置によって実現される機能的構成とすることができ、単一の情報処理装置によって実現されてもよく、ネットワークを介して接続された複数の情報処理装置によって実現されてもよい。

0060

動画像取得部201は、「分析対象動画像」を取得する。分析対象動画像は、分析対象の細胞や細胞群を経時的に撮像した動画像であり、動画像は連続的に撮像された複数のフレームから構成される動画や、タイムラプス撮影により撮像された静止画を含む。分析対象動画像の撮像速度は分析対象に応じて適宜設定することが可能であり、分析対象が神経細胞の場合は50fps(frame/sec)以下、例えば1fpm(frame/min)とすることができる。分析対象が心筋細胞の場合は150fps以上とすることができる。

0061

分析対象動画像は、明視野撮像、暗視野撮像、位相差撮像、蛍光撮像、共焦点撮像、多光子励起蛍光撮像、吸収光撮像、乱光撮像等の各種の光学的な撮像方法を利用して撮像された動画像であるものとすることができる(図3参照)。

0062

動画像取得部201は、図示しない撮像装置(顕微鏡撮像装置)から分析対象動画像を取得してもよく、ストレージに格納されている動画像やネットワークから供給された動画像を分析対象動画像として取得するものとすることも可能である。この際、動画像取得部201は、予め撮像された動画像から、分析対象の種類に応じて所定の周期でサンプリングし、分析対象動画像を取得してもよい。動画像取得部101は、取得した分析対象動画像を分析対象領域特定部202に供給する。

0063

分析対象領域特定部202は、分析対象動画像を構成する静止画(以下、分析対象静止画)から「分析対象領域」を特定する(図13、St201)。分析対象静止画は、分析対象動画像の最初のフレームであってもよく、任意のフレームであってもよい。また、分析対象静止画は、分析対象動画像から所定の時間毎に抽出されたフレームであってもよい。分析対象領域は、分析対象静止画の視野において分析対象が存在する領域であり、例えば細胞が存在する領域である。

0064

分析対象領域特定部202は、分析対象静止画に画像処理を施し、分析対象領域を特定する。図14は分析対象静止画における分析対象領域を模式的に示す図である。同図における区画Dは、分析対象領域の特定単位を示し、分析対象静止画の一つ又は複数の画素を含む範囲とすることができる。斜線を付した区画Dが、分析対象領域特定部202によって分析対象が存在すると特定された区画であり、分析対象区画D1とする。分析対象区画D1の集合が分析対象領域である。図15は、分析対象静止画において特定された分析対象領域の例であり、白色の領域が分析対象領域である。

0065

分析対象領域特定部202は、分析対象静止画に対し、ダイナミックレンジによる検出やマッチング等の画像処理によって、分析対象領域を特定するものとすることができる。この際、分析対象領域特定部202は、閾値によって、分析対象領域として検出する分析対象を選択することが可能であり、例えば神経細胞の細胞体を検出するか、神経突起を検出するか、あるいは両方を検出するか等を選択することが可能である。

0066

動き量検出部203は、分析対象動画像における「動き量」(動きベクトル)を検出する(図13、St202)。動き量は、分析対象動画像を構成するフレーム間において、対応する各画素又は画素群の時間に伴なう移動量及び移動方向を含み、ブロックマッチング等の画像処理手法によって検出することが可能である。

0067

ここで、動き量検出部203は、分析対象領域特定部202によって特定された分析対象領域(分析対象区画D1の集合)対して動き量を検出する。具体的には、動き量検出部203は、分析対象静止画のフレームから、次の分析対象静止画のフレームの間の分析対象動画像について、分析対象領域を構成する各分析対象区画D1における動き量を検出する。動き量検出部203は、各分析対象区画D1の動き量を動き速度に変換することができる。

0068

図16は、分析対象動画像における動き速度を模式的に示す図であり、各分析対象区画D1において検出された動き速度を数値で示す。分析対象区画D1において、動き速度が一定値(ここでは1)以上の区画を動き検出区画D2とする。動き検出区画D2の集合が動き領域である。図17は、分析対象動画像における動き領域の例であり、動き領域を白色の領域として示す。

0069

図16に示すように、分析対象静止画(図14参照)において分析対象区画D1とされなかった区画Dについては、動き量が検出されない。これにより、分析対象動画像の視野において分析対象が存在しない領域(例えば細胞と細胞の間)については、動き量が検出されず、動き量の検出を高速化すると共に、ノイズの発生を防止することが可能である。動き量検出部203は、分析対象領域、動き領域及び動き量を特徴量算出部204に供給する。

0070

特徴量算出部204は、動き領域において「特徴量」を算出する(図13、St203)。特徴量は、分析対象動画像における時間範囲毎の動き量の特徴を示す量である。この時間範囲は、一定の時間範囲であってもよく、可変の時間範囲であってもよい。

0071

特徴量算出部204は、「動き領域割合」を特徴量として算出することができる。動き領域割合は、分析対象領域に占める動き領域の割合であり、具体的には分析対象区画D1に占める動き区画D2の割合である。動き領域割合によって、分析対象が存在すると判定された領域(分析対象領域)のうち、動きが生じている領域(動き領域)がどの程度であるかを判断することが可能となる。例えば動き領域割合が大きい場合、分析対象(細胞等)の全体が振動しており、動き領域割合が小さい場合、分析対象の特定部分が振動している等と判断することができる。

0072

また、特徴量算出部204は、「分析対象領域速度」を特徴量として算出することができる。分析対象領域速度は、分析対象領域における動き速度の平均値であり、各分析対象区画D1(動き区画D2を含む)の動き速度を平均することにより算出することができる。分析対象領域速度は、分析対象の全体における動き速度の平均値であり、分析対象の全体的な動き速度を判断することができる。平均する動き速度を分析対象領域に限ることによって、分析対象が存在しない領域(細胞の間等)の動き速度が平均されることを防止することが可能である。

0073

また、特徴量算出部204は、「動き領域速度」を特徴量として算出することができる。動き領域速度は、動き領域における動き速度の平均値であり、各動き区画D2の動き速度度を平均することにより算出することができる。動き領域速度は、分析対象のうち、動いている部分の動き速度の平均値であり、例えば、分析対象において特定の部分のみが活発に振動している場合、その部分の動き速度を判断することが可能である。仮に分析対象の全体において動き速度の平均値を求めると、動いていない部分の動き速度も平均されてしまうため、動き領域速度は、分析対象において特定の部分のみが動いている場合に特に有効である。

0074

さらに、特徴量算出部204は、「周波数特徴量」を算出することができる。特徴量算出部204は、第1の実施形態と同様に時間−動き量波形(図5参照)を算出し、時間−動き量波形に対して周波数解析を施すことにより周波数特徴量を算出することが可能である。

0075

特徴量算出部204は、時間窓を移動させながら、時間窓に含まれる波形に対して高速フーリエ変換(FFT)解析を行い(図13、St204)、得られた結果からパワースペクトル密度(power spectral density:PSD)を算出する。図18に、パワースペクトル密度の例を示す。

0076

同図に示すように、特徴量算出部204は、所定の周波数帯におけるパワースペクトル密度の面積(PSDarea)を周波数特徴量として算出することができる。PSDareaを算出する周波数帯は、観測したい振動の周波数に応じて任意に設定することができ、例えば0〜0.1Hz以下とすることができる。

0077

図19は、PSDareaをマッピングした例であり、神経細胞の細胞死過程を示す。図19(a)は、分析開始時刻図19(b)は0.75時間後、図19(c)は6時間後の0〜0.1HzにおけるPSDareaである。図中白色はPSDareaが大きい領域を示し、黒色はPSDareaが小さい領域を示す。図19(a)においては、細胞の全体において0〜0.1Hzの振動が大きいが、図19(b)においては、神経突起において同周波数帯の振動が大きく、細胞体において同周波数帯の振動が小さくなっている。図19(c)においては神経突起においても同周波数帯の振動が停止している。

0078

このように、特徴量算出部204が所定の周波数帯におけるPSDareaを算出することにより、分析対象の振動のうち、注目する周波数帯における振動のみを抽出することが可能であり、周波数が異なる無関係な振動は解析から除外することが可能である。

0079

また、特徴量算出部204は、第1の実施形態と同様に、周波数解析によって得られる平均強度、ピーク周波数又は平均パワー周波数(MPF:mean power frequency)等を周波数特徴量として算出することができる(図13、St205)。周波数解析には高速フーリエ変換(FFT)、ウェーブレット変換、最大エントロピー法(MEM)等の各種周波数解析手法が含まれる。特徴量算出部204は、算出した特徴量を特徴量表示部205に供給する。なお、特徴量算出部204は同一の時間範囲から複数種の特徴量を算出してもよい。

0080

特徴量表示部205は、特徴量の時間変化又は空間変化を可視化する。具体的には特徴量表示部205は、特徴量を可視化して分析対象動画像に重畳させ、特徴量表示動画像を生成する(図13、St206)ことができる。特徴量表示部205は、第1の実施形態と同様に、特徴量の値の大小に応じて色彩を付し、あるいは濃淡を付し、特徴量が算出された算出範囲に対応させて配置することによって特徴量を可視化することができる。特徴量表示部205は、上記可視化された特徴量を、分析対象動画像において特徴量が算出された時間範囲に対応するフレームに重畳させ、特徴量表示動画像を生成する。

0081

図20は、上述した動き領域を分析対象動画像に重畳させた特徴量表示動画像の例である。同図に示すように、特徴量表示部は、動き速度(図17参照)の大小に応じて色彩や濃淡を付し、特徴量表示動画像とすることができる。また、特徴量表示部205は、図19に示したようなPSDareaや動き量平均、動き量分散値、MPF等の各種特徴量を利用して、特徴量表示動画像を生成してもよい(図9参照)。また、特徴量表示部205は、上述した時間窓毎の周波数特性を表示させ、特徴量の空間変化を可視化してもよい(図13、St207)。

0082

さらに特徴量表示部205は、特徴量算出部204によって算出された特徴量を表やグラフとして表示してもよい(図13、St208)。図21乃至図23は、特徴量表示部205によって表示される特徴量の表示態様の例である。図24は、特徴量表示部205に表示させる特徴量の選択のためのインターフェースを示す。図25は、特徴量を表示させる領域(ROI:Region of Interest、図中白枠)の選択のためのインターフェースを示す。特徴量表示部205は、図24図25に示すインターフェイスによって指示された分析対象や特徴量を表示するものとすることができる。また、特徴量表示部205は、上述した分析対象領域や動き領域、各種特徴量等を利用して、ROIを自動的に選択してもよい。

0083

本実施形態に係る分析システム200は以上のように構成される。分析システム200によれば、特徴量を利用して分析対象動画像における分析対象の動きを評価することが可能である。具体的には分析システム200は、生理活性物質の効果の評価、薬剤の効果、毒性の評価、神経細胞の品質管理、神経細胞の分化状態の評価、異常細胞やネットワーク異常の領域の特定、病態由来の細胞の評価による病態の評価等に利用することが可能である。

0084

分析システム200の分析対象は特に限定されない。しかしながら、分析システム200の分析対象として神経細胞が好適である。神経細胞の動き(振動等)は、神経細胞に印加されている刺激の種類(抑制性や興奮性等)や神経細胞ネットワークの形成状態によって影響を受ける。しかしその動きは心筋細胞の拍動等と比較して微小であり、より精度の高い分析が要求される。分析システム200は、特徴量を指標として細胞の動きを高精度に分析することが可能であるため、神経細胞は本分析システムによる分析対象として好適である。

0085

加えて本実施形態によれば、分析対象動画像において分析対象が存在する領域を分析対象領域として抽出し、分析対象領域について動き量の解析や特徴量の算出を実施する。神経細胞は心筋細胞等の他の細胞と比較してもその振動する部分が局所的であり、本実施形態に係る分析システム200の分析対象によって効果的に分析することが可能である。さらに、分析システム200においては特定の周波数帯におけるパワースペクトル密度の面積を分析に利用するため、神経細胞の神経突起や細胞体等の周波数の異なる振動をそれぞれ抽出することが可能であり、この点でも神経細胞の分析に適している。

0086

本技術は、上記各実施形態にのみ限定されるものではなく、本技術の要旨を逸脱しない範囲内において変更することが可能である。

0087

なお、本技術は以下のような構成も採ることができる。

0088

(1)
分析対象を経時的に撮像した分析対象動画像において、動き量の特徴を示す特徴量を時間範囲毎に算出する特徴量算出部
を具備する分析システム。

0089

(2)
上記(1)に記載の分析システムであって、
上記特徴量の時間変化又は空間変化を可視化する特徴量表示部をさらに具備する
分析システム。

0090

(3)
上記(1)又は(2)に記載の分析システムであって、
上記特徴量表示部は、上記特徴量の時間変化を可視化して上記分析対象動画像に重畳させ、特徴量表示動画像を生成する
分析システム。

0091

(4)
上記(1)から(3)のうちいずれか一つに記載の分析システムであって、
上記分析対象動画像の特定の範囲を算出範囲として指定する範囲指定部をさらに具備し、
上記特徴量算出部は、上記算出範囲毎に上記特徴量を算出する
分析システム。

0092

(5)
上記(1)から(4)のうちいずれか一つに記載の分析システムであって、
上記特徴量は、動きの量や方向の平均値、最大値、最小値、標準偏差、分散、変動係数又は周波数特徴量若しくはこれらの組み合わせである
分析システム。

0093

(6)
上記(1)から(5)のうちいずれか一つに記載の分析システムであって、
上記周波数特徴量は、周波数解析によって得られる平均強度、ピーク周波数又は平均パワー周波数である
分析システム。

0094

(7)
上記(1)から(6)のうちいずれか一つに記載の分析システムであって、
上記分析対象は神経細胞である
分析システム。

0095

(8)
上記(1)から(7)のうちいずれか一つに記載の分析システムであって、
上記分析対象動画像を構成する静止画において、分析対象が存在する領域である分析対象領域を特定する分析対象領域特定部をさらに具備し、
上記特徴量算出部は、上記分析対象動画像において、上記分析対象領域について上記特徴量を算出する
分析システム。

0096

(9)
上記(1)から(8)のうちいずれか一つに記載の分析システムであって、
上記特徴量算出部は、上記分析対象領域において動き速度が閾値以上の領域である動き領域を利用して上記特徴量を算出する
分析システム。

0097

(10)
上記(1)から(9)のうちいずれか一つに記載の分析システムであって、
上記特徴量算出部は、上記分析対象領域に占める上記動き領域の割合を上記特徴量として算出する
分析システム。

0098

(11)
上記(1)から(10)のうちいずれか一つに記載の分析システムであって、
上記特徴量算出部は、上記分析対象領域における動き速度の平均値を上記特徴量として算出する
分析システム。

0099

(12)
上記(1)から(11)のうちいずれか一つに記載の分析システムであって、
上記特徴量算出部は、上記動き領域における動き速度の平均値を上記特徴量として算出する
分析システム。

0100

(13)
上記(1)から(12のうちいずれか一つに記載の分析システムであって、
上記特徴量算出部は、動き量の周波数解析によって得られるパワースペクトル密度の所定の周波数帯における面積を周波数特徴量として算出する
分析システム。

0101

(14)
分析対象を経時的に撮像した分析対象動画像において、動き量の特徴を示す特徴量を時間範囲毎に算出する特徴量算出部
としてコンピュータを機能させる分析プログラム。

0102

(15)
分析対象を経時的に撮像した分析対象動画像において、動き量の特徴を示す特徴量を時間範囲毎に算出する
分析方法。

0103

100、200…分析システム
101、201…動画像取得部
102…動き量検出部
202…分析対象領域特定部
103…範囲指定部
104、204…特徴量算出部
105、205…特徴量表示部

ページトップへ

この技術を出願した法人

この技術を発明した人物

ページトップへ

関連する挑戦したい社会課題

関連する公募課題

ページトップへ

技術視点だけで見ていませんか?

この技術の活用可能性がある分野

分野別動向を把握したい方- 事業化視点で見る -

(分野番号表示ON)※整理標準化データをもとに当社作成

ページトップへ

おススメ サービス

おススメ astavisionコンテンツ

新着 最近 公開された関連が強い技術

  • ライフログテクノロジー株式会社の「 食事管理システム」が 公開されました。( 2019/07/25)

    【課題】食事管理における利用者利便性の向上を図る。【解決手段】本発明に係る食事管理システムは、ユーザ端末のアプリケーションプログラムと、サーバ装置とを含み、アプリケーションプログラムは、コンピュータを... 詳細

  • 株式会社ドリコムの「 画像処理装置、画像処理方法、ならびに、プログラム」が 公開されました。( 2019/07/25)

    【課題】建物の壁面等が描画された原画像を、当該壁面等を正面から見た様子を表す変換済画像に変換したい。【解決手段】画像処理装置101において、主認識部102は、原画像において主部材が描画されている主領域... 詳細

  • バンドー化学株式会社の「 摩耗判定方法及び摩耗可視化装置」が 公開されました。( 2019/07/25)

    【課題・解決手段】本発明は、対象物の経時摩耗を容易かつ安価に測定する摩耗判定方法及び摩耗可視化装置を提供することを目的とする。本発明の摩耗判定方法は、対象物の経時摩耗を定点観測により判定する摩耗判定方... 詳細

この 技術と関連性が強い人物

関連性が強い人物一覧

この 技術と関連する社会課題

関連する挑戦したい社会課題一覧

この 技術と関連する公募課題

関連する公募課題一覧

astavision 新着記事

サイト情報について

本サービスは、国が公開している情報(公開特許公報、特許整理標準化データ等)を元に構成されています。出典元のデータには一部間違いやノイズがあり、情報の正確さについては保証致しかねます。また一時的に、各データの収録範囲や更新周期によって、一部の情報が正しく表示されないことがございます。当サイトの情報を元にした諸問題、不利益等について当方は何ら責任を負いかねることを予めご承知おきのほど宜しくお願い申し上げます。

主たる情報の出典

特許情報…特許整理標準化データ(XML編)、公開特許公報、特許公報、審決公報、Patent Map Guidance System データ