[发明专利]图像解析方法、装置、程序及深度学习算法的生成方法

说明书

为了更加准确地对细胞的形态进行解析，本发明提供一种图像解析方法。本发明的图像解析方法是一种使用神经网络构造的深度学习算法60对细胞的形态进行解析的图像解析方法，根据包含解析对象细胞的解析用图像78生成解析用数据80，将解析用数据80输入深度学习算法60，通过深度学习算法60生成表示解析对象细胞形态的数据83。

技术领域

本发明涉及图像解析方法、装置、程序及深度学习算法的制造方法。

背景技术

近年来，在细胞等的显微镜图像方面，开发出了使计算机识别细胞的方法。比如在专利文献1中公开了如下方法：针对显微镜图像，使用者将特定种类的细胞（或者细胞的范围）的像素和没有细胞的范围的像素输入计算机，基于该数据生成训练数据，通过机器训练技术（machine training techniques）生成得到训练的模型。

现有技术文献

专利文献

专利文献1 国际公开第2015／065697号。

发明内容

发明要解决的技术问题

在再生医学方面，除了过去被用于移植的造血干细胞、脐带血干细胞之外，现在人们也在尝试使用如诱导性多功能干细胞那样通过基因重组技术制作的干细胞。

对于被移植的细胞需要在移植前确认细胞的分化状态、移植后会不会癌变等细胞特性。比如，如果将干细胞分化为心肌细胞、视网膜细胞后再进行移植，就需要确认干细胞是否已充分分化为目标细胞。

另一方面，因为要进行移植的干细胞或分化细胞无法实施染色等处理，因此移植前的细胞需要利用相差显微镜图像等在非染色状态下判断其特性。

对细胞特性的辨别目前依赖于人的肉眼，但因为1次移植的细胞数量庞大，对移植的全部细胞进行确认是困难的。因此，人们期待通过计算机进行细胞的观察并由此提高移植前细胞特性识别的效率。

然而，专利文献1等公开的技术等就现状来说对于正确辨别实际细胞的形态还是不充分的，尚未达到实用程度。

本发明以提供一种更能准确的解析细胞形态的图像解析方法为课题。

解决技术问题的技术方案

本发明的一方面是图像解析方法。在实施方式中，图像解析方法是使用神经网络构造的深度学习算法（60）对细胞的形态进行解析的图像解析方法，其中，根据包含解析对象细胞的解析用图像（78）生成解析用数据（80）（S21～S23），将解析用数据（80）输入到深度学习算法（60）（S24），通过深度学习算法（60）生成表示解析对象细胞形态的数据（83）（S25～S28）。由此就能对解析对象细胞的形态进行更正确地解析。

优选地，解析用图像（78）包含数个解析对象细胞。由此，就能对包含数个解析对象细胞的对象有效率地解析细胞的形态。

优选地，通过深度学习算法（60）生成表示数个解析对象细胞各自的形态的数据（83）。由此，就能对包含数个解析对象细胞的对象有效率地解析细胞的形态。

优选地，通过深度学习算法（60）判断解析对象细胞的范围作为细胞的形态。由此，就能更准确地解析细胞范围作为解析对象细胞的形态。

优选地，针对解析用图像（78）中一定像素数的每一区域分别生成解析用数据（80）。由此，就能提高神经网络（60）的辨别精度。

优选地，针对以一定的像素为中心且包含周边的像素在内的一定像素数的每一区域分别生成解析用数据（80）；深度学习算法（60）针对所输入的解析用数据（80）生成表征一定像素的细胞形态的标记（82）。由此，就能提高神经网络（60）的辨别精度。