[发明专利]对象分类装置、对象分类系统以及对象分类方法

说明书

提取决定对象的种类或状态的代表性的特征量即代表特征量，根据代表特征量判别对象的种类或状态来进行对象的分类，将对象的分类结果和代表特征量与图像关联起来进行输出。

技术领域

本发明涉及对象分类装置、对象分类系统以及对象分类方法。

背景技术

在进行细胞、材料的观察时，一般使用光学显微镜、电子显微镜等。但是，肉眼观察显微镜图像非常费时，且很多时候需要专业知识。因此，为了对使用显微镜图像进行的细胞或材料的评价进行辅助，开发出使用图像处理使一部分处理自动化的技术。

例如，在专利文献1中公开了使用2种不同种类的细胞的形态特征的时间变化来判定细胞的状态的方法。但是，细胞或材料的表面大多为不定形，有时仅通过手动设计的特征量无法高精度地判定。

另一方面，近年来，报告了通过使用以深度学习为首的机器学习，与以往相比提高了显微镜图像解析的精度的例子。在深度学习的情况下，机械自动地学习特征量，因此有时能够获得通过手动难以设计的特征量。

现有技术文献

专利文献

专利文献1：日本特开2011-229409号公报

发明内容

发明所要解决的课题

通过使用深度学习来生成对象的分类器，与手动设计特征量相比，能够自动学习对提高分类精度有效的特征量。

但是，在使用了一般的深度学习的分类器的情况下，用户得到的输出仅为分类结果。例如，当人眼观察显微镜图像时，即使在对象内的特定部位存在被认为对分类有效的特征，也不确定是否从该部位正确地学习和提取了特征量。因此，难以高精度地对图像内的对象进行分类。

本发明的目的在于，在对象分类装置中高精度地对图像内的对象进行分类。

用于解决课题的手段

本发明的一方式的对象分类装置是对图像内的对象进行分类来判别所述对象的种类或状态的对象分类装置，该对象分类装置具有：对象区域计算部，其计算所述图像内的所述对象的对象区域；特征量选择部，其使用所述对象区域，选择所述对象的特征量并输出特征量选择信号；特征量提取部，其根据所述特征量选择信号，从所述图像中提取多个所述特征量；特征分类部，其对多个所述特征量进行分类，来提取决定所述对象的所述种类或所述状态的代表性特征量即代表特征量；对象分类部，其根据所述代表特征量，判别所述对象的所述种类或所述状态来对所述对象进行分类，输出所述对象的分类结果；以及输出部，其将所述对象的所述分类结果和所述代表特征量与所述图像关联起来进行输出。

发明效果

根据本发明的一方式，在对象分类装置中，能够高精度地对图像内的对象进行分类。

附图说明

图1表示实施例1的对象分类系统的硬件结构的一例。

图2表示实施例1的对象分类装置的功能框图的一例。

图3表示拍摄ES细胞而得到的显微镜图像的一例。

图4表示区域分割应用结果的一例。

图5表示基于距离图像推定的接触对象的分离的一例。

图6表示细胞核的特征量提取的一例。

图7表示细胞膜区域和细胞质区域的一例。

图8表示对象的代表特征量计算的一例。

图9表示特征量与对象类的对应表的一例。

图10表示实施例1的对象分类结果的显示的一例。